OpenCV学习笔记（四十）——再谈OpenCV数据结构Mat详解

转自：http://blog.csdn.net/yang_xian521/article/details/7107786

我记得开始接触OpenCV就是因为一个算法里面需要2维动态数组，那时候看core这部分也算是走马观花吧，随着使用的增多，对Mat这个结构越来越喜爱，也觉得有必要温故而知新，于是这次再看看Mat。

Mat最大的优势跟STL很相似，都是对内存进行动态的管理，不需要之前用户手动的管理内存，对于一些大型的开发，有时候投入的lpImage内存管理的时间甚至比关注算法实现的时间还要多，这显然是不合适的。除了有些嵌入式场合必须使用c语言，我任何时候都强烈像大家推荐Mat。

Mat这个类有两部分数据。一个是matrix header，这部分的大小是固定的，包含矩阵的大小，存储的方式，矩阵存储的地址等等。另一个部分是一个指向矩阵包含像素值的指针。

[cpp] view plaincopy

1. Mat A, C; // creates just the header parts  
2. A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // here we’ll know the method used (allocate matrix)  
3. Mat B(A); // Use the copy constructor  
4. C = A; // Assignment operator  

需要注意的是，copy这样的操作只是copy了矩阵的matrix header和那个指针，而不是矩阵的本身，也就意味着两个矩阵的数据指针指向的是同一个地址，需要开发者格外注意。比如上面这段程序，A、B、C指向的是同一块数据，他们的header不同，但对于A的操作同样也影响着B、C的结果。刚刚提高了内存自动释放的问题，那么当我不再使用A的时候就把内存释放了，那时候再操作B和C岂不是很危险。不用担心，OpenCV的大神为我们已经考虑了这个问题，是在最后一个Mat不再使用的时候才会释放内存，咱们就放心用就行了。

如果想建立互不影响的Mat，是真正的复制操作，需要使用函数clone()或者copyTo()。

说到数据的存储，这一直就是一个值得关注的问题，Mat_<uchar>对应的是CV_8U，Mat_<uchar>对应的是CV_8U，Mat_<char>对应的是CV_8S，Mat_<int>对应的是CV_32S，Mat_<float>对应的是CV_32F，Mat_<double>对应的是CV_64F，对应的数据深度如下：

• CV_8U - 8-bit unsigned integers ( 0..255 )

• CV_8S - 8-bit signed integers ( -128..127 )

• CV_16U - 16-bit unsigned integers ( 0..65535 )

• CV_16S - 16-bit signed integers ( -32768..32767 )

• CV_32S - 32-bit signed integers ( -2147483648..2147483647 )

• CV_32F - 32-bit floating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )

• CV_64F - 64-bit floating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )

这里还需要注意一个问题，很多OpenCV的函数支持的数据深度只有8位和32位的，所以要少使用CV_64F，但是vs的编译器又会把float数据自动变成double型，有些不太爽。

还有个需要注意的问题，就是流操作符<<对于Mat的操作，仅限于Mat是2维的情况。

还有必要说一下Mat的存储是逐行的存储的。

再说说Mat的创建，方式有两种，罗列一下：1.调用create（行，列，类型）2.Mat（行，列，类型（值））。例如：

[cpp] view plaincopy

1. // make a 7x7 complex matrix filled with 1+3j.  
2. Mat M(7,7,CV_32FC2,Scalar(1,3));  
3. // and now turn M to a 100x60 15-channel 8-bit matrix.  
4. // The old content will be deallocated  
5. M.create(100,60,CV_8UC(15));  

要是想创建更高维的矩阵，要写成下面的方式

[cpp] view plaincopy

1. // create a 100x100x100 8-bit array  
2. int sz[] = {100, 100, 100};  
3. Mat bigCube(3, sz, CV_8U, Scalar::all(0));  

对于矩阵的行操作或者列操作，方式如下：（注意对列操作时要新建一个Mat，我想应该跟列地址不连续有关）

[cpp] view plaincopy

1. // add the 5-th row, multiplied by 3 to the 3rd row  
2. M.row(3) = M.row(3) + M.row(5)*3;  
3. // now copy the 7-th column to the 1-st column  
4. // M.col(1) = M.col(7); // this will not work  
5. Mat M1 = M.col(1);  
6. M.col(7).copyTo(M1);  

下面的东西就比较狂暴了，对于外来的数据，比如你从别的地方接受了一幅图片，但可以不是Mat结构的，而只有一个数据的指针，看看接下来的代码是如何应付的，重点哦，亲

[cpp] view plaincopy

1. void process_video_frame(const unsigned char* pixels,  
2. int width, int height, int step)  
3. {  
4. Mat img(height, width, CV_8UC3, pixels, step);  
5. GaussianBlur(img, img, Size(7,7), 1.5, 1.5);  
6. }  

亲，有木有很简单！！！

还有一种快速初始化数据的办法，如下：

[cpp] view plaincopy

1. double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};  
2. Mat M = Mat(3, 3, CV_64F, m).inv();  

也可以把原来的IplImage格式的图片直接用Mat（IplImage）的方式转成Mat结构，也可以像Matlab一样调用zeros()、ones()、eye()这样的函数进行初始化。

如果你需要提前释放数据的指针和内存，可以调用release()。

对于数据的获取，当然还是调用at<float>(3, 3)这样的格式为最佳。其他的方法我甚少尝试，就不敢介绍了。

最后要提的一点是关于Mat的表达式，这个也非常多，加减乘除，转置求逆，我怎么记得我以前介绍过呢。那就不多说啦~

补充：来自http://www.cnblogs.com/zcftech/archive/2013/04/10/3013027.html

opencv中Mat与IplImage,CVMat类型之间转换

opencv中对图像的处理是最基本的操作，一般的图像类型为IplImage类型，但是当我们对图像进行处理的时候，多数都是对像素矩阵进行处理，所以这三个类型之间的转换会对我们的工作带来便利

Mat类型较CvMat和IplImage有更强的矩阵运算能力，支持常见的矩阵运算（参照Matlab中的各种矩阵运算），所以将IplImage类型和CvMat类型转换为Mat类型更易于数据处理。

Mat类型可用于直接存储图像信息，通过函数imread、imwrite、imshow等实现（与Matlab中的函数相似），似乎在某种程度上可以取代IplImage类型。

（1）将IplImage类型转换到Mat类型

Mat::Mat(const IplImage* img, bool copyData=false);

默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建一个Mat矩阵头。当将参数copyData设为true后，就会复制整个图像数据。

例：

IplImage*iplImg = cvLoadImage("greatwave.jpg", 1);

Matmtx(iplImg); // IplImage* ->Mat 共享数据

// or : Mat mtx = iplImg;

（2）将Mat类型转换到IplImage类型

同样只是创建图像头，而没有复制数据。

例：

IplImage ipl_img = img; // Mat -> IplImage

（3）将CvMat类型转换为Mat类型

与IplImage的转换类似，可以选择是否复制数据。

Mat::Mat(const CvMat* m, bool copyData=false);

（4）将Mat类型转换为CvMat类型

与IplImage的转换类似，不复制数据，只创建矩阵头。

例：

// 假设Mat类型的imgMat图像数据存在

CvMat cvMat = imgMat; // Mat -> CvMat