OpenCV数据结构之Mat

在讲解Mat之前，先来介绍一些基础知识。

阵列的数据类型

阵列的数据类型定义了为阵列的每个元素（图片中的像素）分配的比特数以及如何使用这些比特数表示元素的值。任何阵列的元素都应该有下面数据类型的一种：

单通道阵列

• CV_8U （8 bit 无符号整数）
• CV_8S （8 bit 有符号整数）
• CV_16U（16 bit 无符号整数）
• CV_16S （16 bit 有符号整数）
• CV_32S （32 bit 有符号整数）
• CV_32F （32 bit 浮点数）
• CV_64F （64 bit 浮点数）

举例来说：下图展示了一个使用8 bit无符号整数的单通道阵列。因为数据类型是8 bit无符号整数，因此这个阵列的每个元素为0-255的值。

多通道阵列

我们可以为多通道阵列定义上面的所有的数据类型（最多支持512个通道）。这里只演示为多通道定义CV_8U数据类型：

• CV_8UC1 (单通道阵列，8 bit 无符号整数)
• CV_8UC2 (2通道阵列，8 bit 无符号整数)
• CV_8UC3 (3通道阵列，8 bit 无符号整数)
• CV_8UC4 (4通道阵列，8 bit 无符号整数)
• CV_8UC(n) (n通道阵列，8 bit 无符号整数 (n 可以从 1 到 512) )

例1：下图展示了一个使用8 bit 无符号整数的3通道阵列。因为数据类型是8 bit无符号整数，因此这个阵列的每个元素为0-255的值。由于是3通道阵列，所以阵列由带有3个元素的元组组成，第一个元组是{54, 0, 34}，第二个元组是 {58, 78, 185} ，以此类推。例2：下图展示了一个使用8 bit有符号整数的2通道阵列。因为数据类型是8 bit有符号整数，故阵列的每个元素值从-128到127。因为这是一个2通道阵列，所以阵列由有2个元素的元组组成。第一个元组是{-85,-127}，第二个是{25,23}，以此类推。注意： CV_8U = CV_8UC1 = CV_8UC(1)

使用示例

• Mat img1(3, 5, CV_32F ); //宽3x高5 使用32 bit浮点数的单通道阵列
• Mat img2(23, 53, CV_64FC(5) ); //23 x 53 使用64 bit浮点数的5通道阵列
• Mat img3(Size(100, 200), CV_16UC2 ); //100 x 200 使用16 bit无符号整数的2通道阵列

记住：一些OpenCV函数不支持上面全部的数据类型，所以在使用时注意一些。

IplImage的位深（C style）

• IPL_DEPTH_<bit_depth>(S|U|F)
  • <bit_depth> 可能的值为 1,8,16,32 and 64
  • S = Signed
  • U = Unsigned
  • F = Float
  • 位深为1的图片应该为unsigned
  • 位深为8的图片应该为signed或unsigned
  • 位深为16的图片应该为signed或unsigned
  • 位深为32位的图片应该为signed或float
  • 位深为64的图片应该为float
• 例子：
  • IPL_DEPTH_1U (位深为1，unsigned)
  • IPL_DEPTH_8U (位深为8，unsigned)
  • IPL_DEPTH_16U
  • IPL_DEPTH_32F (位深为32，float)
  • IPL_DEPTH_8S
  • IPL_DEPTH_16S (位深为16，signed)
  • IPL_DEPTH_32S
  • IPL_DEPTH_64F

位深表示为每个像素分配的比特数。比如，使用IPL_DEPTH_8U的IplImage每个像素使用8 bit无符号整数，这表示每个像素的值是从0-255的整数。 当前IplImage数据结构支持IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16S,  IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F。

Mat类

Mat是基本的图像容器，它由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。Mat使用了引用技术机制，这样在拷贝Mat对象的时候，只拷贝信息头，所有的对象都共享一个矩阵。

1

2

3

4

5

6

Mat A, C;                                 // 只创建信息头部分

A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存

 

Mat B(A);                                 // 使用拷贝构造函数

 

C = A;                                    // 赋值运算符

以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。实际上，不同的对象只是访问相同数据的不同途径而已。这里还要提及一个比较棒的功能：你可以创建只引用部分数据的信息头。比如想要创建一个感兴趣区域（ ROI ），你只需要创建包含边界信息的信息头：

1

2

Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangle

Mat E = A(Range:all(), Range(1,3)); // using row and column boundaries

如果真的需要拷贝矩阵（不只是信息头和矩阵指针），可以使用函数 clone() 或者 copyTo()

1

2

3

Mat F = A.clone();

Mat G;

A.copyTo(G);

现在改变 F 或者 G 就不会影响 Mat 信息头所指向的矩阵。 Mat 不但是一个很赞的图像容器类，它同时也是一个通用的矩阵类，所以可以用来创建和操作多维矩阵。创建一个Mat对象有多种方法：

Mat() 构造函数

1

2

Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255));

cout << "M = "<< endl << " "<< M << endl << endl;

对于二维多通道图像，首先要定义其尺寸，即行数和列数。CV_8UC3在前面已经详细解释了，这里不再赘述。Scalar是个short型vector。指定这个能够使用指定的定制化值来初始化矩阵。

在 C\C++ 中通过构造函数进行初始化

1

2

intsz[3] = { 2, 2, 2 };

Mat L(3, sz, CV_8UC(1), Scalar::all(0));

上面的例子演示了如何创建一个超过两维的矩阵：指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同

为已存在IplImage指针创建信息头

1

2

IplImage* img = cvLoadImage("greatwave.png", 1);

Mat mtx(img); // convert IplImage* -> Mat

Create() 函数

1

2

3

Mat M;

M.create(4, 4, CV_8UC(2));

cout << "M = "<< endl << " "<< M << endl << endl;

这个创建方法不能为矩阵设初值，它只是在改变尺寸时重新为矩阵数据开辟内存。

MATLAB形式的初始化方式： zeros(), ones(), :eyes()

使用以下方式指定尺寸和数据类型：

1

2

3

4

5

6

7

8

Mat E = Mat::eye(4, 4, CV_64F);

cout << "E = "<< endl << " "<< E << endl << endl;

 

Mat O = Mat::ones(2, 2, CV_32F);

cout << "O = "<< endl << " "<< O << endl << endl;

 

Mat Z = Mat::zeros(3, 3, CV_8UC1);

cout << "Z = "<< endl << " "<< Z << endl << endl;

对于小矩阵你可以用逗号分隔的初始化函数

1

2

Mat C = (Mat_<double>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

cout << "C = "<< endl << " "<< C << endl << endl;

使用 clone() 或者 copyTo() 为一个存在的 Mat 对象创建一个新的信息头

1

2

3

Mat C(3, 1, CV_8UC1, Scalar(1));

Mat RowClone = C.row(1).clone();

cout << "RowClone = "<< endl << " "<< RowClone << endl << endl;

总结

本篇文章介绍了阵列的数据类型和位深的内容，讲解了Mat类的一些基础知识以及创建Mat对象的一些方法。