Mat

来源：互联网发布：java中求绝对值编辑：程序博客网时间：2024/05/10 22:09

最近学习图像处理，由于刚刚开始接触OpenCV,对其数据结构以及数据类型不甚了解，又因时间有限，只能现学现用，Mat的了解汇总如下：

Mat类的对象用于表示一个多维度的单通道或者多通道稠密数组，它可以用来存储以下东西)

a、实数值或复合值向量、矩阵

b、灰度图或者彩色图

c、立体元素

d、矢量场

e、点云

f、矢量场

e、张量

f、直方图，高纬度的最好存放在SparseMat中

Mat属于C++结构，代替了旧版本的CvMat和CvMatND，以及IplImage

addr(M_{i₀,i₁,…i_m-1}) = M.data + M.step[0] * i₀ + M.step[1] * i₁ + … + M.step[m-1] * i_m-1 (其中 m = M.dims M的维度)

data：Mat对象中的一个指针，指向内存中存放矩阵数据的一块内存 (uchar* data)
dims：Mat所代表的矩阵的维度，如 3 * 4 的矩阵为 2 维， 3 * 4 * 5 的为3维
channels：通道，矩阵中的每一个矩阵元素拥有的值的个数，比如说 3 * 4 矩阵中一共 12 个元素，如果每个元素有三个值，那么就说这个矩阵是 3 通道的，即 channels = 3。常见的是一张彩色图片有红、绿、蓝三个通道。
depth：深度，即每一个像素的位数(bits)，在opencv的Mat.depth()中得到的是一个 0 – 6 的数字，分别代表不同的位数：enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }; 可见 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位；
step：是一个数组，定义了矩阵的布局，具体见下面图片分析，另外注意 step1 (step / elemSize1)，M.step[m-1] 总是等于 elemSize，M.step1(m-1)总是等于 channels；
elemSize : 矩阵中每一个元素的数据大小，如果Mat中的数据的数据类型是 CV_8U 那么 elemSize = 1，CV_8UC3 那么 elemSize = 3，CV_16UC2 那么 elemSize = 4；记住另外有个 elemSize1 表示的是矩阵中数据类型的大小，即 elemSize / channels 的大小

上面是一个 3 X 4 的矩阵，假设其数据类型为 CV_8U，也就是单通道的 uchar 类型

这是一个二维矩阵，那么维度为 2 （M.dims == 2）；
M.rows == 3; M.cols == 4；
sizeof(uchar) = 1，那么每一个数据元素大小为 1 （M.elemSize() == 1, M.elemSize1() == 1）；
CV_8U 得到 M.depth() == 0, M.channels() == 1；
因为是二维矩阵，那么 step 数组只有两个值， step[0] 和 step[1] 分别代表一行的数据大小和一个元素的数据大小，则 M.step[0] == 4, M.step[1] == 1；
M.step1(0) == M.cols = 4; M.step1(1) == 1；

假设上面的矩阵数据类型是 CV_8UC3，也就是三通道

M.dims == 2； M.channels() == 3；M.depth() == 0；
M.elemSize() == 3 （每一个元素包含3个uchar值） M.elemSize1() == 1 （elemSize / channels）
M.step[0] == M.cols * M.elemSize() == 12, M.step[1] == M.channels() * M.elemSize1() == M.elemSize() == 3；
M.step(0) == M.cols * M.channels() == 12 ; M.step(1) == M.channels() == 3；

（2）Mat一般存储二维向量,如果是灰度图，一般存放<uchar>类型；如果是RGB彩色图，存放<Vec3b>类型。

单通道灰度图数据存放格式：

多通道的图像中，每列并列存放通道数量的子列，如RGB三通道彩色图：

注意通道的顺序反转了：BGR。通常情况内存足够大的话图像的每一行是连续存放的，也就是在内存上图像的所有数据存放成一行，这中情况在访问时可以提供很大方便。可以用 isContinuous()函数来判断图像数组是否为连续的。

Example: 使用 Mat 的一个模板子类 Mat_<typename _Tp> 的 ( ) 符号重载定位一个像素

int main()

     Mat m(400, 400, CV_8UC3, Scalar(255, 255, 255));

     // m2 是 Mat_<Vec3b> 类型的, 因为 m 中元素的类型是 CV_8UC3, 可以用 Vec3b 存储 3 个通道的值

     // 注意 Mat_<CV_8UC3> 这种写法是错误的, 因为 CV_8UC3 只是一个宏定义

     // #define CV_8UC3 CV_MAKETYPE(CV_8U, 3)

     Mat_<Vec3b> m2 = m;

     // for 循环画一个红色的实心圆

     for (int y = 0; y < m.rows; y++)

        for (int x = 0; x < m.rows; x++)

              if (pow(double(x-200), 2) + pow(double(y-200), 2) - 10000.0 < 0.00000000001)

                // Mat_ 模板类实现了对()的重载, 可以定位到一个像素

                m2(x, y) = Vec3b(0, 0, 255);

    imshow("Image", m);

    cvWaitKey();

    return 0;

Example2:

int  main()

      Mat m(400, 400, CV_8UC3, Scalar(226, 46, 166));

      imshow("Before", m);

      for (int row = 0; row < m.rows; row++)

           if (row % 5 == 0)

              // data 是 uchar* 类型的, m.ptr<uchar>(row) 返回第 row 行数据的首地址

              // 需要注意的是该行数据是按顺序存放的,也就是对于一个 3 通道的 Mat, 一个像素有

              // 有 3 个通道值, [B,G,R][B,G,R][B,G,R]... 所以一行长度为:

              // sizeof(uchar) * m.cols * m.channels() 个字节

               uchar* data = m.ptr<uchar>(row);

              for (int col = 0; col < m.cols; col++)

                   data[col * 3] = 102; //第row行的第col个像素点的第一个通道值 Blue

                   data[col * 3 + 1] = 217; // Green

                   data[col * 3 + 2] = 239; // Red

      imshow("After", m);

      cout << (int)m.at<Vec3b>(0, 0)[0] << ','; //利用 Fn 1 介绍的方法输出一下像素值到控制台

      cout << (int)m.at<Vec3b>(0, 0)[1] << ',';

      cout << (int)m.at<Vec3b>(0, 0)[2] << endl;

      cvWaitKey();

     return 0;