数字图像可看作一个数值矩阵, 其中的每个元素代表一个像素点,如下:

         

     数值矩阵在 OpenCV 中用 Mat 表示,它是一种非常重要的数据结构,因为 OpenCV 中的大部分函数都和 Mat 有关:

     - 有的是 Mat 的成员函数

     - 有的把 Mat 作为参数

     - 有的将 Mat 作为返回值

 

 1  Mat 简介

    Mat 表示的是 N 维稠密矩阵,与之相对的是稀疏矩阵 (只存储非零的像素值),后者常用于直方图处理中,表示为 cv::SparseMat

    如下:第一个是稠密矩阵的存储方式,它存储所有的像素数值;第二个是稀疏矩阵的存储方式,它只存储非零的像素值

      $\quad \begin{bmatrix} 0 & 2 & 0 \\ 1 & 0 & 1 \\ 0 & 2 & 0 \end{bmatrix} $        $\quad \begin{bmatrix}  & 2 &  \\ 1 &  & 1 \\  & 2 &  \end{bmatrix} $

    当 N=1 时,所有像素存储为一行;当 N=2 时,所有像素按照一行行的顺序排列;当 N=3 时,所有像素按照一面面的顺序排列,其中一行行的像素构成一个平面。

    灰度图的存储方式,如下:

          

    RGB 图像的存储方式,如下:注意其存储顺序为 BGR (蓝-绿-红)

      

 

2  Mat 特点

2.1  组成

     Mat 类包含两部分:矩阵头 (matrix header) 和 矩阵指针 (pointer to matrix),部分矩阵头如下:

    int  flags;  // signaling the contents of the matrix
    int  dims;   // dimensions
    int  rows, cols;  // rows and columns 

    MatSize  size;  // 
    MatStep  step;  //  

    矩阵指针如下,指向包含所有像素值的矩阵

  uchar* data;  // pointer to the data  

2.2  赋值算子

    Mat 类中的赋值算子 "=" 和 拷贝构造函数,涉及的是浅拷贝,因此,当执行这两个操作时,仅仅是复制了矩阵头。

    如果想要深拷贝,达到复制图像矩阵的目的,应使用 clone()copyTo() 函数,如下图所示:

            

2.3  代码验证

    新建矩阵 m1 并初始化,m1 通过 "=" 赋值给 m2,两者指向同样的数据块。因此,如果改变了 m1,则 m2 的数值,也会随之变化

    新建矩阵 m3,通过 copyTo() 赋值给 m1,此时可看到,m1 和 m2 的数值同时发生了变化

  Mat m1(3, 3, CV_32FC1, Scalar(1.1f) );
  cout << "m1 = " << endl << " " << m1 << endl << endl;
  // using assign operator
  Mat m2 = m1;
  cout << "m2 = " << endl << " " << m2 << endl << endl;

  Mat m3(3, 3, CV_32FC1, Scalar(3.3f) );
  m3.copyTo(m1);
  cout << "m1 = " << endl << " " << m1 << endl << endl;
  cout << "m2 = " << endl << " " << m2 << endl << endl;  

 

3  Mat 创建

3.1  数据类型

    在创建 Mat 之前,首先了解 Mat 中元素的数据类型,其格式为 CV_{8U, 16S, 16U, 32S, 32F, 64F}C{1, 2, 3}CV_{8U, 16S, 16U, 32S, 32F, 64F}C(n)

    第一个 {} 表示数据的类型:

  CV_8U  - 8-bit 无符号整数 ( 0..255 )
  CV_8S  - 8-bit 有符号整数 ( -128..127 )
  CV_16U - 16-bit 无符号整数 ( 0..65535 )
  CV_16S - 16-bit 有符号整数 ( -32768..32767 )
  CV_32S - 32-bit 有符号整数 ( -2147483648..2147483647 )
  CV_32F - 32-bit 浮点数 ( -FLT_MAX..FLT_MAX, INF, NAN )
  CV_64F - 64-bit 浮点数 ( -DBL_MAX..DBL_MAX, INF, NAN )  

     第二个 {} 或 (n),表示的是通道:

  CV_8UC3 等价于 CV_8UC(3) - 3通道 8-bit 无符号整数  

3.2  创建方式

3.2.1  构造函数

    直接赋值,创建一个 3 行 3 列的单位矩阵

  // create a 3x3 double-precision identity matrix
  Mat M = (Mat_<double>(3,3) << 1, 0, 0, 0, 1, 0, 0, 0, 1);

    创建一个 3 行 5 列,3 通道 32 位,浮点型的矩阵,通道 1, 2, 3 的值分别为 1.1f,2.2f,3.3f

  Mat m(3, 5, CV_32FC3, Scalar(1.1f, 2.2f, 3.3f) );
  cout << "m = " << endl << " " << m << endl << endl;  

    输出矩阵如下:

  

3.2.2  create 函数

    使用 Mat() + create() + setTo(),也可以构建如上的数值矩阵

  Mat m;
  // Create data area for 3 rows and 10 columns of 3-channel 32-bit floats
  m.create(3,5,CV_32FC3);
  // Set the values in the 1st channel to 1.0, the 2nd to 0.0, and the 3rd to 1.0
  m.setTo(Scalar(1.1f, 2.2f,3.3f));
  cout << "m = " << endl << " " << m << endl << endl;  

3.2.3  特殊矩阵

    单位矩阵 (ones),对角矩阵 (eye),零矩阵 (zeros),如下所示:

  // 单位矩阵
  Mat O = Mat::ones(3, 3, CV_32F);
  cout << "O = " << endl << " " << O << endl << endl;
  // 零矩阵
  Mat Z = Mat::zeros(3, 3, CV_8UC1);
  cout << "Z = " << endl << " " << Z << endl << endl;
  // 对角矩阵
  Mat E = Mat::eye(3, 3, CV_64F);
  cout << "E = " << endl << " " << E << endl << endl;  

 

4  Mat 遍历

4.1  at<>() 函数

     常用来遍历 Mat 元素的基本函数为 at<>(),其中 <> 内的数据类型,取决于 Mat 中元素的数据类型,二者的对应关系如下:

  CV_8U  --  Mat.at<uchar>(y,x)
  CV_8S  --  Mat.at<schar>(y,x)
  CV_16U --  Mat.at<ushort>(y,x)
  CV_16S --  Mat.at<short>(y,x)
  CV_32S --  Mat.at<int>(y,x)
  CV_32F --  Mat.at<float>(y,x)
  CV_64F --  Mat.at<double>(y,x)  

    简单的遍历如下,使用了 Qt 的 qDebug() 来显示输出

  Mat m1 = Mat::eye(10, 10, CV_32FC1);
  // use qDebug()
  qDebug() << "Element (3,3) is : " << m1.at<float>(3,3);  

  Mat m2 = Mat::eye(10, 10, CV_32FC2);
  // use qDebug()
  qDebug() << "Element (3,3) is " << m2.at<cv::Vec2f>(3,3)[0] << "," << m2.at<cv::Vec2f>(3,3)[1];  

    注意:at<>() 函数中 () 内行索引号在前,列索引号在后,也即 (y, x)

4.2  遍历方式

4.2.1  高效遍历

Mat& ScanImageAndReduceC(Mat& src, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(src.depth() == CV_8U);
    int channels = src.channels();
    int nRows = src.rows;
    int nCols = src.cols * channels;
    if (src.isContinuous())
    {
        nCols *= nRows;
        nRows = 1;
    }
    int i,j;
    uchar* p;
    for(i=0; i<nRows; ++i)
    {
        p = src.ptr<uchar>(i);
        for (j = 0; j<nCols; ++j)
        {
            p[j] = table[p[j]];
        }
    }
    return src;
}  

4.2.2  迭代器遍历

Mat& ScanImageAndReduceIterator(Mat& src, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(src.depth() == CV_8U);
    const int channels = src.channels();
    switch(channels)
    {
    case 1:
        {
            MatIterator_<uchar> it, end;
            for(it=src.begin<uchar>(), end=src.end<uchar>(); it!=end; ++it)
                *it = table[*it];
            break;
        }
    case 3:
        {
            MatIterator_<Vec3b> it, end;
            for(it=src.begin<Vec3b>(), end=src.end<Vec3b>(); it!=end; ++it)
            {
                (*it)[0] = table[(*it)[0]];
                (*it)[1] = table[(*it)[1]];
                (*it)[2] = table[(*it)[2]];
            }
        }
    }
    return src;
}  

 4.2.3  耗时计算

    比较上面两种方法的耗时,可用如下代码:

  double t = (double)getTickCount();
  // do something ...
  t = ((double)getTickCount() - t)/getTickFrequency();
  cout << "Times passed in seconds: " << t << endl; 

 

参考资料

  《Learning OpenCV3》 chapter 4

  OpenCV Tutorials / The Core Functionality (core module) / Mat - The Basic Image Container

  OpenCV Tutorials / The Core Functionality (core module) / How to scan images, lookup tables and time measurement with OpenCV

  [OpenCV] What is the Mat? 

 

posted on 2017-08-08 23:04  飞鸢逐浪  阅读(3948)  评论(0编辑  收藏  举报