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：