opencv C++ Mat類的基本知識(混
data:Mat物件中的一個指標,指向記憶體中存放矩陣資料的一塊記憶體 (uchar* data)
dims:Mat所代表的矩陣的維度,如 3 * 4 的矩陣為 2 維, 3 * 4 * 5 的為3維
channels:通道,矩陣中的每一個矩陣元素擁有的值的個數,比如說 3 * 4 矩陣中一共 12 個元素,如果每個元素有三個值,那麼就說這個矩陣是 3 通道的,即 channels = 3。常見的是一張彩色圖片有紅、綠、藍三個通道。
depth:深度,即每一個畫素的位數(bits),在opencv的Mat.depth()中得到的是一個 0 – 6 的數字,分別代表不同的位數:enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }; 可見 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:是一個數組,定義了矩陣的佈局,具體見下面圖片分析,另外注意 step1 (step / elemSize1),M.step[m-1] 總是等於 elemSize,M.step1(m-1)總是等於 channels;
elemSize : 矩陣中每一個元素的資料大小,如果Mat中的資料的資料型別是 CV_8U 那麼 elemSize = 1,CV_8UC3 那麼 elemSize = 3,CV_16UC2 那麼 elemSize = 4;記住另外有個 elemSize1 表示的是矩陣中資料型別的大小,即 elemSize / channels 的大小
這是一個二維矩陣,那麼維度為 2 (M.dims == 2);
假設上面的矩陣資料型別是 CV_8UC3,也就是三通道
Mat::clone() 建立一個全拷貝
Mat::copyTo(); 不止表示拷貝資料,還表示n=m.col(0)
Mat矩陣中資料指標Mat.data是uchar型別指標,CV_8U系列可以通過計算指標位置快速地定位矩陣中的任意元素。
Mat M(7,7,CV_32F,Scalar(1,3));
解釋如下:建立一個M矩陣,7行7列,型別為CV_32F,C2表示有2個通道。Scalar(1,3)是對矩陣進行初始化賦值。第一個通道全為1,第2個通道全為3。
Mat_<uchar>對應的是CV_8U,
Mat_<char>對應的是CV_8S,
Mat_<int>對應的是CV_32S,
Mat_<float>對應的是CV_32F,
Mat_<double>對應的是CV_64F
cv::Mat是一個n維矩陣類,宣告在<opencv2/core/core.hpp>中。(using namespace cv)
cv::Mat_是一個模板類,宣告在<opencv2/core/core.hpp>中。
由於cv::Mat類中含有很多模板方法,這些引數型別要到執行期才能確定,但是這種靈活性卻使得簡單的呼叫程式碼複雜,因此就有了cv::Mat_類來簡化程式碼。
cv::Mat image = cv::imread('img.jpg'); image.at<uchar>(j, i) = 255; cv::Mat_<uchar> im2 = image; im2(j, i) = 255;
Mat有3個重要的方法:
1、Mat mat = imread(const String* filename); 讀取影象
2、imshow(const string frameName, InputArray mat); 顯示影象
3、imwrite (const string& filename, InputArray img); 儲存影象
at<>和ptr<>的區分
image.at<uchar>(i,j):取出灰度影象中i行j列的點。
image.at<Vec3b>(i,j)[k]:取出彩色影象中i行j列第k通道的顏色點。其中uchar,Vec3b都是影象畫素值的型別,Vec3b通過typedef Vec<T,N>來定義的,N代表元素的個數,T代表型別。
更簡單一些的方法:OpenCV定義了一個Mat的模板子類為Mat_,它過載了operator()讓我們可以更方便的取影象上的點。
Mat_<uchar> im=image;
im(i,j)=255;
取出影象中第i行資料的指標:image.ptr<uchar>(i);’
opencv遍歷的詳細介紹:http://www.cnblogs.com/ronny/p/3482202.htmlhttp://www.cnblogs.com/zjgtan/archive/2013/04/06/3002962.html