OpenCV isContinuous()连续存储的问题

   【尊重原创，转载请注明出处】http://blog.csdn.net/guyuealian/article/details/78614662

一、OpenCV isContinuous()函数：

定义：

bool cv::Mat::isContinuous() const

说明：

     报告矩阵是否连续。

     如果矩阵元素在每行末尾连续存储而没有间隙，则方法返回true。 否则，它返回false。 显然，对于1x1或1xN矩阵总是连续的。一般 用Mat :: create创建的矩阵总是连续的。 但是，如果使用Mat :: col，Mat :: diag等提取矩阵的一部分，或者为外部分配的数据构造矩阵头，则此类矩阵可能不再具有此属性。

     连续性标志存储在Mat :: flags字段中，并在构造矩阵标题时自动计算。 因此，连续性检查是一个非常快的操作，虽然理论上可以这样做：

// alternative implementation of Mat::isContinuous()bool myCheckMatContinuity(const Mat& m){    //return (m.flags & Mat::CONTINUOUS_FLAG) != 0;    return m.rows == 1 || m.step == m.cols*m.elemSize();//检测内存存储连续性}

    这个isContinuous方法在很多OpenCV函数中都有使用。 重点在于元素操作（例如算术和逻辑操作，数学函数，alpha 混合，颜色空间变换等）不依赖于图像几何。 因此，如果所有的输入和输出数组都是连续的，那么函数可以将它们处理为非常长的单行向量。 下面的例子说明了如何实现一个alpha混合（透明混合）函数：

template<typename T>void alphaBlendRGBA(const Mat& src1, const Mat& src2, Mat& dst){    const float alpha_scale = (float)std::numeric_limits<T>::max(),                inv_scale = 1.f/alpha_scale;    CV_Assert( src1.type() == src2.type() &&               src1.type() == CV_MAKETYPE(DataType<T>::depth, 4) &&               src1.size() == src2.size());    Size size = src1.size();    dst.create(size, src1.type());    // here is the idiom: check the arrays for continuity and,    // if this is the case,    // treat the arrays as 1D vectors    if( src1.isContinuous() && src2.isContinuous() && dst.isContinuous() )    {        size.width *= size.height;        size.height = 1;    }    size.width *= 4;    for( int i = 0; i < size.height; i++ )    {        // when the arrays are continuous,        // the outer loop is executed only once        const T* ptr1 = src1.ptr<T>(i);        const T* ptr2 = src2.ptr<T>(i);        T* dptr = dst.ptr<T>(i);        for( int j = 0; j < size.width; j += 4 )        {            float alpha = ptr1[j+3]*inv_scale, beta = ptr2[j+3]*inv_scale;            dptr[j] = saturate_cast<T>(ptr1[j]*alpha + ptr2[j]*beta);            dptr[j+1] = saturate_cast<T>(ptr1[j+1]*alpha + ptr2[j+1]*beta);            dptr[j+2] = saturate_cast<T>(ptr1[j+2]*alpha + ptr2[j+2]*beta);            dptr[j+3] = saturate_cast<T>((1 - (1-alpha)*(1-beta))*alpha_scale);        }    }}

     这种方法虽然非常简单，但是可以将简单元素操作的性能提高10-20％，特别是如果图像相当小并且操作非常简单。
     在这个函数中的另一个OpenCV习惯用法，调用目标数组的Mat :: create，除非它已经具有适当的大小和类型，否则分配目标数组。 而新分配的数组总是连续的，你仍然需要检查目标数组，因为Mat :: create并不总是分配一个新的矩阵。

     用Mat存储一幅图像时，若图像在内存中是连续存储的（Mat对象的isContinuous == true），则可以将图像的数据看成是一个一维数组，而data（uchar*）成员就是指向图像数据的第一个字节的，因此可以用data指针访问图像的数据，从而加速Mat图像的访问速度。

     一般经过裁剪的Mat图像，都不再连续了，如cv::Mat crop_img = src(rect);crop_img 是不连续的Mat图像，如果想转为连续的，最简单的方法，就是将不连续的crop_img 重新clone()一份给新的Mat就是连续的了，如：

Mat src = imread("D:\\OpencvTest\\B1.jpg");//原始图像是200*200  cv::imshow("src", src);printf("---src.isContinuous=%d", src.isContinuous());printf("\n");//直接imread的Mat是连续的cv::Rect rect(1, 1, 100, 100);cv::Mat crop_img = src(rect);//裁剪后的图像是不连续的cv::imshow("crop_img", crop_img);printf("---crop_img.isContinuous=%d", crop_img.isContinuous());printf("\n");cv::Mat crop_img2;//crop_img2.create(crop_img2.size(), crop_img2.type());crop_img2 = crop_img.clone();//重新clone()后的图像是连续的printf("---crop_img2.isContinuous=%d", crop_img2.isContinuous());printf("\n");

运行结果：显然，裁剪后的Mat图像不再连续，而重新clone()一份后又连续了.