Mat
- 简介
- 创建
- 基本函数
1.简介
在早期的OpenCV1.x版本中，图像的处理是通过IplImage（该名称源于Intel的另一个开源库Intel Image Processing Library ，缩写成IplImage）结构来实现的。早期的OpenCV是用C语言编写，因此提供的借口也是C语言接口，其源代码完全是C的编程风格。IplImage结构是OpenCV矩阵运算的基本数据结构。
到OpenCV2.x版本，OpenCV开源库引入了面向对象编程思想，大量源代码用C++重写，Mat类 (Matrix的缩写) 是OpenCV用于处理图像而引入的一个封装类。从功能上讲，Mat类在IplImage结构的基础上进一步增强，并且，由于引入C++高级编程特性，Mat类的扩展性大大提高，Mat类的内容在后期的版本中不断丰富。[1]
参考
特性:
- 不必再手动开辟空间。
- 不必再在不需要的时候立即释放空间。
颜色空间
对于彩色方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。 RGB 颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。它的基色是红色、绿色和 蓝色，有时为了表示透明颜色也会加入第四个元素 alpha（A）。
颜色系统有很多 它们各有优势，具体如下
- RGB 是最常见的 这是因为人眼采用相似的工作机制，它也被显示设备所采用 。
- HSV 和HLS颜色分解成色调、饱和度和亮度/明度。这是描述颜色更自然的方式， 比如可以通过放弃最后 一个元素 使算法对输入图像的光照条件不敏感。
- YCrCb在 JPEG 图像格式中广泛使用
- CIE Lab是一种 种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。
每个组成元素都有其向己的定义域，而定义域取决于其数据类型，如何存储一个元素决定了我们在其定义域上能够控制的精度。最小的数据类型是 char ,占一个字节或者8位，可以是有符号型 （0到255 之间)或无符号型( -127到+127之间）。尽管使用 三个char 型元素已经可以表示 1600 万种可能的颜色(使用 RGB颜色空间) ，但若使用 float（4字节 32 位)或 doubl（8 字节，64 位)则能给出更加精细的颜色分辨能力，但同时也要切记，增加元素的尺寸也会增加图像所占的内存空间。
2.Mat创建
-
使用**Mat()**构造函数
Mat M(row , col, CV 8UC3 , Scalar(O , O, 255 )) ; -
在c++中使用构造函数初始化
int sz[3] = (2 , 2 , 2) ;
Mat L(维数 , sz , CV 8UC , Scalar : : all(O)) ; -
create函数
M. create(row , col , CV 8UC(2)) ; -
clone函数或者copyTo函数
Mat RowClone = C. row(l) . clone() ;
3.基本函数
-
imread()函数
imread (const string& filename,intflags=l );
这里附上源码的英文的注解
-
imshow()函数
imshow(const String& winname, InputArray mat);
同附源码的英文注释
-
imwrite()函数
imwrite( const String& filename, InputArray img, const std::vector& params = std::vector());
同附源码的英文注释
结束
东西较多，只记录部分，仅做学习记录，不喜勿喷。
