OpenCV的几个小技巧

申明：以下的小技巧，均为OpenCV2.4.2下验证过的，但并不保证其它版本依然奏效

（1）利用数组来构建cv::Mat

   示例代码如下所示：

void ArrayToMat(){double m[3][3];for (int i=0; i<3; i++){for (int j=0; j<3; j++){m[i][j] = i+j;cout<<m[i][j]<<" ";}cout<<endl;}cout<<"****************************************"<<endl;Mat M = Mat(3, 3, CV_64F, m);double tempVal = 0.0;for (int i=0; i<3; i++){for (int j=0; j<3; j++){tempVal = M.at<double>(i,j);cout<<tempVal<<" ";}cout<<endl;}}

不出意外的话，执行结果应该如下所示：

（2） IplImage*跟cv::Mat之间的互相转换

示例代码：

void IplImageToMat(){IplImage* pImg = cvLoadImage("c:/test.jpg");if (!pImg){cout<<"pImg load error"<<endl;system("pause");exit(-1);}cvNamedWindow("pImg", 0);cvNamedWindow("mtx", 0);Mat mtx(pImg); cvShowImage("pImg", pImg);imshow("mtx", mtx);cvWaitKey(0);cvReleaseImage(&pImg);}

笔者任意加载了电脑上一副图片，结果如下所示：

提醒，这里的格式转换并不申请新的内存，而仅仅是改变数据结构而已

（3）Mat转换为IplImge

示例代码：

void MatToIplImage(){Mat m = imread("c:/test.jpg");if (m.empty()){cout<<"mat load error"<<endl;system("pause");exit(-1);}IplImage img1 = IplImage(m);IplImage img2 = m;cvNamedWindow("img1", 0);cvNamedWindow("img2", 0);cvShowImage("img1", &img1);cvShowImage("img2", &img2);cvWaitKey(0);}

笔者任意加载一张图片，上述代码的执行结果为：

（4）访问二维数据（cv::Mat）最高效的方式是先得到该二维数据的每一行的指针，然后利用下标运算符逐列访问

示例代码：

void MatAccess(){double m[3][3];for (int i=0; i<3; i++){for (int j=0; j<3; j++){m[i][j] = i+j;cout<<m[i][j]<<" ";}cout<<endl;}cout<<"****************************************"<<endl;Mat M = Mat(3, 3, CV_64F, m);double sum = 0;int rows = M.rows;int cols = M.cols;for (int i=0; i<rows; i++){const double* Mi = M.ptr<double>(i);for (int j=0; j<cols; j++){sum += Mi[j];}}cout<<"sum: "<<sum<<endl;}

上面的代码执行结果为：

（5）cv::Mat支持STL中的迭代器功能

示例代码：

void MatAccess(){double m[3][3];for (int i=0; i<3; i++){for (int j=0; j<3; j++){m[i][j] = i+j;cout<<m[i][j]<<" ";}cout<<endl;}cout<<"****************************************"<<endl;Mat M = Mat(3, 3, CV_64F, m);double sum = 0;int rows = M.rows;int cols = M.cols;for (int i=0; i<rows; i++){const double* Mi = M.ptr<double>(i);for (int j=0; j<cols; j++){sum += Mi[j];}}cout<<"sum: "<<sum<<endl;sum = 0;MatConstIterator_<double> it = M.begin<double>();MatConstIterator_<double> itEnd = M.end<double>();for (;it!=itEnd; it++){sum += *it;}cout<<"sum: "<<sum<<endl;}

运行结果：

（6） satureat_cast : openCV中用于数据“饱和”判断

示例：

void Saturate_castTest(){int r = 300;uchar t = saturate_cast<uchar>(r);cout<<int(t)<<endl;}

结果：

（7）获取函数执行时间

getTickCount()和getTickFrequency()结合起来可以用来计算函数执行时间，尤其是很小的代码片段的执行时间

举例：

void GetFuncTime(){double exec_time = (double)getTickCount();for (int i=0; i<10; i++){;}exec_time = ((double)getTickCount() - exec_time)*1000./getTickFrequency();cout<<exec_time<<endl;}

上面的代码，重点在于for循环，且，该循环中什么也不处理；用一般的时间函数很难计算出该代码片段的执行时间，但利用getTickCount（）和getTickFrequency（）就很容易。笔者电脑上的结果是：