若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/100583521

持续补充中…

OpenCV开发笔记（三）：图像的概念和基本操作

前言

OpenCV最主要的功能是用于操作图像，所以图像的概念贯穿整个OpenCV，与其相关的核心类就是cv::Mat。

图像与矩阵

图像指数字图像。

以上看到的是一张可视化的图片，但是在计算机中这副图像知识一系列亮度各异的店，该图片的像素为300 x 200像素的图，可以用一个300*200的矩阵来表示，举证元素的值表示这个位置上的像素的亮度，一般来说像素值越大表示该店越亮。

放大“C”后如下图所示：

每个点对应的亮度可以理解为rgb的值，无符号8位数3维，则一个像素点为3维数组，分别对应RGB的值，在OpenCV中数据类型为：CV_8U3C。

假设M x N，Iij表示第j行j列，对应上图就是M = 300， N = 200。

注意：在Opencv中三维数组存储RGB值，存储颜色通道的顺序不是RGB，二十BGR，如下图：

OpenCV中的矩阵类cv::Mat

定义

Mat贯穿了整个OpenCV。

Mat类的关键定义如下：

class CV_EXPORTS Mat
{
    public:
    // 一系列函数
    ...
    /* flag 参数中包含许多关于矩阵的信息，如：
    -Mat 的标识
    -数据是否连续
    -深度
    -通道数目
    */
    int flags;
    // 矩阵的维数，取值应该大于或等于 2
    int dims;
    // 矩阵的行数和列数，如果矩阵超过 2 维，这两个变量的值都为-1
    int rows, cols;
    // 指向数据的指针
    uchar* data;
    // 指向引用计数的指针
    // 如果数据是由用户分配的，则为 NULL
    int* refcount;
    // 其他成员变量和成员函数
    ...
}

初始化方式

Mat是一个非常优秀的图像类，它同时也是一个通用的矩阵类，可以用来创建和操作多维矩阵。有多种方法创建一个Mat对象。

首先了解下数据的类型(举例：CV_8UC3)：

初始化函数

// 默认形式
cv::Mat mat;
// 拷贝构造形式
cv::Mat mat(const cv::Mat& mat);
// 指定行列范围的拷贝构造
cv::Mat mat(const cv::Mat& mat, const cv::Range& rows, const cv::Range& cols);
// 指定ROI的拷贝构造
cv::Mat mat(const cv::Mat& mat, const cv::Rect& roi);
// 使用多维数组中指定范围内的数据的拷贝构造
cv::Mat mat(const cv::Mat& mat, const cv::Range* ranges);
// 指定类型和大小(行列)的二维数组（注意：是行在前，列在后)
cv::Mat mat(int rows, int cols, int type);
// 有初始化值的置顶类型和大小(行列)的二维数据
cv::Mat mat(int rows, int cols, int type, const Scalar& s);
// 使用预先存在数据定义的指定类型和大小(行列)的二维数组
cv::Mat mat(int rows, int cols, int type, void *data, size_t step = AUTO_STEP);
// 指定大小和类型的二维数组
cv::Mat mat(cv::Size sz, int type, const Scalar& s);
// 使用预先存在的数据定义的指定大小和类型的二维数组
cv::Mat mat(cv::Size sz, int type, void *data, size_t step = AUTO_STEP);
// 指定类型的多维数据
cv::Mat mat(int ndims, const int *sizes, int type);
// 使用预先存在的数据定义的指定类型的多维数组
cv::Mat mat(int ndims, const int* sizes, int type, void* data, size_t step = AUTO_STEP);
// 使用cv::Vec定义相同类型、大小为n的一维数组
cv::Mat mat(const cv::Vec<T, n>& vec, bool = copyData = true);
// 使用cv::Matx定义相同类型、大小为mxn的二维数组
cv::Mat mat(const cv::Matx<T, m, n>& vec, bool copyData = true);
// 使用STL vector定义相同类型的一维数组
cv::Mat mat(const std::vector<T>& vec, bool copyData = true);
// 使用zeros()函数定义指定大小和类型的cv::Mat（全为0）
cv::Mat mat = cv::Mat::zeros(int rows, int cols, int type);
// 使用ones()函数定义指定大小和类型的cv::Mat（全为0）
cv::Mat ma = cv::Mat::ones(int rows, int cols, int type);
// 使用eye()函数定义指定大小和类型的cv::Mat（恒等矩阵）
cv::Mat mat = cv::Mat::eye(int rows, int cols, int type);

像素值的读写

很多时候，我们需要读取某个像素值，或者设置某个像素值；在更多的时候，
我们需要对整个图像里的所有像素进行遍历。OpenCV提供了多种方法来实现图像的遍历。

方法一：at()函数

cv::Mat grayim(600, 800, CV_8UC1);
cv::Mat colorim(600, 800, CV_8UC3);
// 遍历所有像素，并设置像素值
for( int i = 0; i < grayim.rows; ++i)
{
    for( int j = 0; j < grayim.cols; ++j )
}
    grayim.at<uchar>(i,j) = (i+j)%255;
// 遍历所有像素，并设置像素值
for( int i = 0; i < colorim.rows; ++i)
{
    for( int j = 0; j < colorim.cols; ++j )
    {
        cv::Vec3b pixel;
        // 注意：opencv通道顺序，BGR，非RGB
        pixel[0] = i%255;  // Blue
        pixel[1] = j%255;  // Green
        pixel[2] = 0;      // Red
        colorim.at<Vec3b>(i,j) = pixel;
    }
}

方法二：使用迭代器

// 遍历所有像素，并设置像素值

// 遍历所有像素，并设置像素值
cv::MatIterator_<uchar> grayit, grayend;
for(grayit = grayim.begin<uchar>(), grayend = grayim.end<uchar>();
    grayit != grayend; ++grayit)
{
    *grayit = rand()%255;
}
// 遍历所有像素，并设置像素值
cv::MatIterator_<cv::Vec3b> colorit, colorend;
for(colorit = colorim.begin<cv::Vec3b>(), colorend = colorim.end<cv::Vec3b>();
    colorit != colorend; ++colorit)
{
    (*colorit)[0] = rand()%255; // Blue
    (*colorit)[1] = rand()%255; // Green
    (*colorit)[2] = rand()%255; // Red
}

方法三：通过数据指针

cv::Mat grayim(600, 800, CV_8UC1);
cv::Mat colorim(600, 800, CV_8UC3);
//遍历所有像素，并设置像素值
for( int i = 0; i < grayim.rows; ++i)
{
    //获取第 i 行首像素指针
    uchar * p = grayim.ptr<uchar>(i);
    //对第 i 行的每个像素(byte)操作
    for( int j = 0; j < grayim.cols; ++j )
    p[j] = (i+j)%255;
}
//遍历所有像素，并设置像素值
for( int i = 0; i < colorim.rows; ++i)
{
    //获取第 i 行首像素指针
    cv::Vec3b * p = colorim.ptr<cv::Vec3b>(i);
    for( int j = 0; j < colorim.cols; ++j )
    {
        p[j][0] = i%255;    //Blue
        p[j][1] = j%255;    //Green
        p[j][2] = 0;        //Red
    }
}

图像局部操作

选择单行/单列

Mat Mat::row(int i) const
Mat Mat::col(int j) const

示例： A 矩阵的第i行，将这一行的所有元素都乘以2，然后赋值给第j行

A.row(j) = A.row(i)*2;

选择多行/多列

Range是OpenCV 中新增的类，该类有两个关键变量star和end。Range 对
象可以用来表示矩阵的多个连续的行或者多个连续的列。其表示的范围为从 start到end，包含start。

示例

// 创建一个单位阵
Mat A = Mat::eye(10, 10, CV_32S);
// 提取第 1 到 3 列（不包括 3）
Mat B = A(Range::all(), Range(1, 3));
// 提取B的第 5 至 9 行（不包括 9）
// 其实等价于C = A(Range(5, 9), Range(1, 3))
Mat C = B(Range(5, 9), Range::all());

选择指定区域

图像中提取感兴趣区域（Region of interest）有两种方法：

方法一：使用构造函数

//创建宽度为 320，高度为 240 的 3 通道图像
Mat img(Size(320, 240), CV_8UC3);
//roi 是表示 img 中 Rect(10, 10, 100, 100)区域的对象
Mat roi(img, Rect(10, 10, 100, 100));

方法二：使用括号运算符

Mat roi2 = img(Rect(10, 10, 100, 100));
当然也可以使用Range对象来定义感兴趣区域，如下：
// 用括号运算符
Mat roi3 = img(Range(10, 100), Range(10, 100)); 
// 用构造函数
Mat roi4(img, Range(10, 100), Range(10, 100));

取对角线元素

矩阵的对角线元素可以使用cv::Mat类的diag()函数获取：

Mat Mat::diag(int d) const

参数d=0时，表示取主对角线；
当参数d>0是，表示取主对角线下方的次对线，如当d=1 时，表示取主对角线下方，且紧贴主多角线的元素；
当参数d<0时，示取主对角线上方的次对角线。如同 row()和 col()函数， diag()函数也不进行内存复制操作，其复杂度也是O(1)。

cv::Mat矩阵支持的运算操作

cv::Mat表达式所支持的运算。

下面的列表中使用 A 和 B 表示 Mat 类型的对象，使用s表示Scalar对象，alpha 表示double值。

加法，减法，取负：A+B， A-B， A+s， A-s， s+A， s-A， -A
缩放取值范围：A * alpha
矩阵对应元素的乘法和除法：A.mul(B)，A/B，alpha/A
矩阵乘法：A*B（注意此处是矩阵乘法，而不是矩阵对应元素相乘）
矩阵转置：A.t()
矩阵求逆和求伪逆：A.inv()
矩阵比较运算：A cmpop B，A cmpop alpha，alpha cmpop A。此处cmpop
可以是>，>=，==，!=，<=，<。如果条件成立，则结果矩阵（8U类型矩阵）的对应元素被置为255；否则置0
矩阵位逻辑运算： A logicop B， A logicop s， s logicop A， ~A，此处 logicop
可以是&，|和^
矩阵对应元素的最大值和最小值：min(A, B)，min(A, alpha)，max(A, B)，max(A, alpha)
矩阵中元素的绝对值：abs(A)
叉积和点积：A.cross(B)，A.dot(B)

对矩阵不理解的可以阅读《线性代数矩阵以及Eigen库的介绍、编译和使用》中的矩阵操作解析。

原博主博客地址：https://blog.csdn.net/qq21497936
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/100583521

红胖子(红模仿) 博客专家

发布了227 篇原创文章 · 获赞 237 · 访问量 40万+

他的留言板关注

OpenCV开发笔记（三）：OpenCV图像的概念和基本操作

OpenCV开发专栏