OpenCV笔记3-Mat对象

1 Mat对象与IplImage对象

• Mat对象OpenCV2.0之后引进的图像数据结构，能够自动分配内存，不存在内存泄漏的问题，是面向对象的数据结构。分了两个部分，头部与数据部分
• IplImage是从2001年OpenCV发布之后就一直存在，是C语言风格的数据结构，需要开发者自己分配与管理内存，对大的程序使用它容易导致内存泄漏问题

2 Mat组成部分

• Mat有两个必不可少的组成部分：一个头部和一个数据块
• 头部：包含了矩阵的所有相关信息（大小、通道数量、数据类型等）
• 数据块：包含了图像中所有像素的值
• 头部有一个指向数据块的指针，即data属性
• cv::Mat有一个很重要的属性，即只有在明确要求时，内存块才会被复制。实际上，大多数操作仅仅复制了cv::Mat的头部，因此多个对象会指向同一个数据块

3 Mat对象构造函数与常用方法

3.1 对象构造函数

• Mat()：无参构造方法
• Mat(int rows, int cols, int type)：创建行数为rows，列为col，类型为type的图像(图像元素类型，如CV_8UC3等)
• Mat(Size size, int type)：创建大小为size，类型为type的图像
• Mat(int rows, int cols, int type, const Scalar &s)：创建行数为 rows，列数为 col，类型为 type 的图像，并将所有元素初始化为值 s
• Mat(Size size, int type, const Scalar &s)：创建大小为 size，类型为 type 的图像，并将所有元素初始化为值 s
• Mat(int ndims, const int *sizes, int type)：构造n维矩阵
• Mat(int ndims, const int *size, int type, const Scalar &s)：构造n维矩阵并初始化为值s

3.2 常用方法

• void copyTo(Mat mat)
• void convertTo(Mat dst, int type)
• Mat clone()
• int channels()
• int depth()
• bool empty()
• uchar* ptr(i = 0)

4 Mat对象使用

4.1 复制

• 部分复制：一般情况下只会复制Mat对象的头和指针部分，不会复制数据部分

Mat A = imread(imgFilePath);
Mat B(A);	//初始化对象，只复制头部和指针部分

• 完全复制：如果想把Mat对象的头部和数据部分一起复制，可以通过如下两个API实现

//方法1
Mat F = A.clone();
//方法2
Mat G;
A.copyTo(G);

4.2 Mat对象使用-四个要点

• 输出图像的内存是自动分配的
• 使用OpenCV的C++接口，不需要考虑内存分配问题
• 赋值操作和拷贝构造函数只会复制头部分
• 使用clone和copyTo两个函数实现数据完全复制

4.3 Mat对象创建

• cv::Mat::Mat构造函数
  Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255))
  • 前两个参数分别表示行（row）跟列（column）
  • 第三个参数CV_8UC3中的8表示每个通道占8位、U表示无符号、C表示Char类型、3表示通道数目是3（RGB图像）
  • 第四个参数是向量表示初始化每个像素值是多少，向量长度对应通道数目一致
• 创建多维数组cv::Mat::create

int sz[3] = {2, 2, 2};
Mat L(3, sz, CV_8UC1, Scalar::all(0));

• cv::Mat::create实现

Mat M;
M.create(4, 3, CV_8UC2);
M = Scalar(127, 127);
cout << "M = " << endl << M << endl;
uchar* firstRow = M.ptr<uchar>(0);
printf("%d", *firstRow);

• 定义小数组

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

5 代码

• 头文件

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

• 读取图像，显示图像（原图）

	Mat src;	//定义一个Mat对象
	src = imread("D:/C++project/OpenCVProject/test.jpg");
	if (src.empty()) {
		cout << "could not load image..." << endl;
		return -1;
	}
	namedWindow("My image", WINDOW_AUTOSIZE);
	imshow("my image", src);

• Scalar使用

	Mat dst;
	dst = Mat(src.size(), src.type());	//使用Mat的构造函数
	dst = Scalar(127, 0, 255);
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("output", dst);

• 复制

//方法1
	Mat dst = src.clone();	//完全拷贝
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("output", dst);
//方法2
	Mat dst;	
	src.copyTo(dst);		//复制
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("output", dst);

• 通道数、行数、列数

	cvtColor(src, dst, COLOR_BGR2GRAY);		//转换色彩空间，从BGR转换到灰度
	printf("input image channels : %d\n", src.channels());	//转换前的通道数,即RGB的通道数
	printf("output image channels : %d\n", dst.channels());	//转换后的通道数，即灰度图像的通道数
	
	int cols = dst.cols;		//cols为列数（columns）
	int rows = dst.rows;		//rows为行数（rows）
	printf("rows : %d cols : %d\n", rows, cols);
	const uchar* firstRow = dst.ptr<uchar>(0);	//指向第一个像素的指针，获取第0个的像素点灰度值
	printf("first pixel value : %d", *firstRow);	//firstRow是一个指针

• 构造函数

	//可以先用小的图像来验证算法的正确性，然后再应用到大的图像中
	Mat M(3, 3, CV_8UC3, Scalar(0,0,255));	//定义一个3*3的三通道矩阵
	cout << "M = " << endl << M << endl;

	Mat M1(100, 100, CV_8UC1, Scalar(127));	//创建一个一通道的灰度图像
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("output", M1);

• create函数

	Mat m1;
	m1.create(src.size(), src.type());	//创造一个与src相同大小图像
	m1 = Scalar(0, 0, 255);				//表示红色
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("output", m1);

• zeros函数和eye函数

	//元素点像素值为全0，表示纯黑色的图片，与输入图像大小一致
	Mat m2 = Mat::zeros(src.size(), src.type());	
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("output", m2);

	Mat m3 = Mat::zeros(2, 2, CV_8UC1);
	cout << "m3 = " << endl << m3 << endl;

	Mat m4 = Mat::eye(2, 2, CV_8UC1);
	cout << "m4 = " << endl << m4 << endl;

【注】

• 在RGB系统中，图像是这样存储的：（注意是BGR的形式）