? ? ? 學習了幾天，發現mat比IplImage,cvmat 好用太多了。
不知道確切的原文出處，我是轉自新浪的一篇博文： http://blog.sina.com.cn/s/blog_534497fd01015k7z.html （ 原創作者如果看到，請提醒我，我會寫明原作者 ）
?
opencv中常見的與圖像操作有關的數據容器有Mat，cvMat和IplImage，這三種類型都可以代表和顯示圖像，但是，Mat類型側重于計算，數學性較高，openCV對Mat類型的計算也進行了優化。而CvMat和IplImage類型更側重于“圖像”，opencv對其中的圖像操作（縮放、單通道提取、圖像閾值操作等）進行了優化。在opencv2.0之前，opencv是完全用C實現的，但是，IplImage類型與CvMat類型的關系類似于面向對象中的繼承關系。實際上，CvMat之上還有一個更抽象的基類----CvArr，這在源代碼中會常見。
1. IplImage
opencv中的圖像信息頭，該結構體定義： ??
View Code
typedef struct _IplImage { int nSize; int ID; int nChannels; int alphaChannel; int depth; char colorModel[ 4 ]; char channelSeq[ 4 ]; int dataOrder; int origin; int align; int width; int height; struct _IplROI *roi; struct _IplImage *maskROI; void *imageId; struct _IplTileInfo *tileInfo; int imageSize; char *imageData; int widthStep; int BorderMode[ 4 ]; int BorderConst[ 4 ]; char *imageDataOrigin; } IplImage;
dataOrder中的兩個取值：交叉存取顏色通道是顏色數據排列將會是BGRBGR...的交錯排列。分開的顏色通道是有幾個顏色通道就分幾個顏色平面存儲。 roi是IplROI結構體，該結構體包含了xOffset,yOffset,height,width,coi成員變量，其中xOffset,yOffset是x,y坐標，coi代表channel of interest(感興趣的通道)，非0的時候才有效。 訪問圖像中的數據元素，分間接存儲和直接存儲，當圖像元素為浮點型時，(uchar *) 改為 (float *)： ?
View Code
IplImage* img=cvLoadImage( " lena.jpg " , 1 ); CvScalar s; s=cvGet2D(img,i,j); cvSet2D(img,i,j,s); IplImage* img; // malloc memory by cvLoadImage or cvCreateImage for ( int row = 0 ; row < img->height; row++) { for ( int col = 0 ; col < img->width; col++) { b = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 0 ); g = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 1 ); r = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 2 ); } } IplImage* img; // malloc memory by cvLoadImage or cvCreateImage uchar b, g, r; // 3 channels for ( int row = 0 ; row < img->height; row++) { for ( int col = 0 ; col < img->width; col++) { b = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 0 ]; g = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 1 ]; r = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 2 ]; } }
? 初始化使用IplImage?*，是一個指向結構體IplImage的指針： ?
View Code
IplImage * cvLoadImage( const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); // load images from specified image IplImage * cvCreateImage(CvSize size, int depth, int channels); // allocate memory
?
2.CvMat
首先，我們需要知道，第一，在OpenCV中沒有向量(vector)結構。任何時候需要向量，都只需要一個列矩陣(如果需要一個轉置或者共軛向量，則需要一個行矩陣)。第二，OpenCV矩陣的概念與我們在線性代數課上學習的概念相比，更抽象，尤其是矩陣的元素，并非只能取簡單的數值類型，可以是多通道的值。 CvMat 的結構： ?
View Code
typedef struct CvMat { int type; int step; int * refcount; union { uchar* ptr; short * s; int * i; float * fl; double * db; } data; union { int rows; int height; }; union { int cols; int width; }; } CvMat;
? 創建CvMat數據： ?
View Code
CvMat * cvCreateMat( int rows, int cols, int type); CV_INLine CvMat cvMat(( int rows, int cols, int type, void * data CV_DEFAULT); CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP));
? 對矩陣數據進行訪問： ?
View Code
cvmSet( CvMat* mat, int row, int col, double value); cvmGet( const CvMat* mat, int row, int col ); CvScalar cvGet2D( const CvArr * arr, int idx0, int idx1); // CvArr只作為函數的形參void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
CvMat * cvmat = cvCreateMat( 4 , 4 , CV_32FC1); cvmat->data.fl[row * cvmat->cols + col] = ( float ) 3.0 ; CvMat * cvmat = cvCreateMat( 4 , 4 , CV_64FC1); cvmat->data.db[row * cvmat->cols + col] = 3.0 ;
CvMat * cvmat = cvCreateMat( 4 , 4 , CV_64FC1); CV_MAT_ELEM(*cvmat, double , row, col) = 3.0 ;
if (CV_MAT_DEPTH(cvmat->type) == CV_32F) CV_MAT_ELEM_CN(*cvmat, float , row, col * CV_MAT_CN(cvmat->type) + ch) = ( float ) 3.0 ; // ch為通道值 if (CV_MAT_DEPTH(cvmat->type) == CV_64F) CV_MAT_ELEM_CN(*cvmat, double , row, col * CV_MAT_CN(cvmat->type) + ch) = 3.0 ; // ch為通道值
for ( int row = 0 ; row < cvmat->rows; row++) { p = cvmat ->data.fl + row * (cvmat->step / 4 ); for ( int col = 0 ; col < cvmat->cols; col++) { *p = ( float ) row + col; *(p+ 1 ) = ( float )row + col + 1 ; *(p+ 2 ) = ( float )row + col + 2 ; p += 3 ; } } CvMat * vector = cvCreateMat( 1 , 3 , CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0 , 0 ) = cvPoint( 100 , 100 ); CvMat * vector = cvCreateMat( 1 , 3 , CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0 , 0 ) = CvScalar( 0 , 0 , 0 , 0 );
? 復制矩陣操作：
View Code
CvMat* M1 = cvCreateMat( 4 , 4 ,CV_32FC1); CvMat* M2; M2=cvCloneMat(M1);
?
3.Mat
Mat是opencv2.0推出的處理圖像的新的數據結構，現在越來越有趨勢取代之前的cvMat和lplImage，相比之下Mat最大的好處就是能夠更加方便的進行內存管理，不再需要程序員手動管理內存的釋放。opencv2.3中提到Mat是一個多維的密集數據數組，可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數據。 ?
View Code
class CV_EXPORTS Mat { public ： int flags;（Note ：目前還不知道flags做什么用的） int dims; int rows,cols; uchar *data; int * refcount; ... };
? 從以上結構體可以看出Mat也是一個矩陣頭，默認不分配內存，只是指向一塊內存(注意讀寫保護)。初始化使用create函數或者Mat構造函數，以下整理自opencv2.3.1 Manual:
View Code
Mat(nrows, ncols, type, fillValue]); M.create(nrows, ncols, type);
例子： Mat M( 7 , 7 ,CV_32FC2,Scalar( 1 , 3 )); M.create( 100 , 60 , CV_8UC( 15 ));
int sz[] = { 100 , 100 , 100 }; Mat bigCube( 3 , sz, CV_8U, Scalar:all( 0 ));
double m[ 3 ][ 3 ] = {{a, b, c}, {d, e, f}, {g, h, i}}; Mat M = Mat( 3 , 3 , CV_64F, m).inv();
Mat img(Size( 320 , 240 ),CV_8UC3); Mat img(height, width, CV_8UC3, pixels, step);
IplImage* img = cvLoadImage( " greatwave.jpg " , 1 ); Mat mtx(img, 0 ); // convert IplImage* -> Mat;
訪問Mat的數據元素：
View Code
Mat M; M.row( 3 ) = M.row( 3 ) + M.row( 5 ) * 3 ; Mat M1 = M.col( 1 ); M.col( 7 ).copyTo(M1); Mat M; M.at< double >(i,j); M.at(uchar)(i,j); Vec3i bgr1 = M.at(Vec3b)(i,j) Vec3s bgr2 = M.at(Vec3s)(i,j) Vec3w bgr3 = M.at(Vec3w)(i,j) double sum = 0.0f ; for ( int row = 0 ; row < M.rows; row++) { const double * Mi = M.ptr< double >(row); for ( int col = 0 ; col < M.cols; col++) sum += std::max(Mi[j], 0 .); } double sum= 0 ; MatConstIterator< double > it = M.begin< double >(), it_end = M.end< double >(); for (; it != it_end; ++it) sum += std::max(*it, 0 .);
Mat可進行Matlab風格的矩陣操作，如初始化的時候可以用initializers,zeros(), ones(), eye(). 除以上內容之外，Mat還有有3個重要的方法：
View Code
Mat mat = imread( const String* filename); // 讀取圖像 imshow( const string frameName, InputArray mat); // 顯示圖像 imwrite ( const string & filename, InputArray img); // 儲存圖像
?
4. CvMat, Mat, IplImage之間的互相轉換
View Code
IpIImage -> CvMat CvMat matheader; CvMat * mat = cvGetMat(img, &matheader); CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3); cvConvert(img, mat)
IplImage -> Mat Mat::Mat( const IplImage* img, bool copyData= false ); 例子： IplImage* iplImg = cvLoadImage( " greatwave.jpg " , 1 ); Mat mtx(iplImg);
Mat -> IplImage
Mat M
IplImage iplimage = M;
CvMat -> Mat
Mat::Mat(
const
CvMat* m,
bool
copyData=
false
);
Mat -> CvMat
例子(假設Mat類型的imgMat圖像數據存在)：
CvMat cvMat = imgMat;
/*
Mat -> CvMat, 類似轉換到IplImage，不復制數據只創建矩陣頭
????在openCV中，Mat是一個多維的密集數據數組。可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數據。
????Mat有3個重要的方法：
?????????1、Mat?mat?=?imread(const?String*?filename);????????????讀取圖像
?????????2、imshow(const?string?frameName,?InputArray?mat);??????顯示圖像
?????????3、imwrite?(const?string&?filename,?InputArray?img);????儲存圖像
????Mat類型較CvMat與IplImage類型來說，有更強的矩陣運算能力，支持常見的矩陣運算。在計算密集型的應用當中，將CvMat與IplImage類型轉化為Mat類型將大大減少計算時間花費。
A.Mat?->?IplImage
同樣只是創建圖像頭，而沒有復制數據。
例：?//?假設Mat類型的imgMat圖像數據存在
IplImage?pImg=?IplImage(imgMat);?
B.Mat?->?CvMat
與IplImage的轉換類似，不復制數據，只創建矩陣頭。
例： //?假設Mat類型的imgMat圖像數據存在
?????CvMat?cvMat?=?imgMat;
二、 CvMat類型與IplImage類型 ：“圖像”類型
???????在openCV中，Mat類型與CvMat和IplImage類型都可以代表和顯示圖像，但是，Mat類型側重于計算，數學性較高，openCV對Mat類型的計算也進行了優化。而CvMat和IplImage類型更側重于“圖像”，openCV對其中的圖像操作（縮放、單通道提取、圖像閾值操作等）進行了優化。
補充： IplImage 由 CvMat 派生，而 CvMat 由 CvArr 派生 即CvArr?->?CvMat?->?IplImage
????????????CvArr 用作函數的參數，無論傳入的是 CvMat 或 IplImage ，內部都是按 CvMat 處理。
1.CvMat
A.CvMat->?IplImage
IplImage*?img?=?cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);
cvSaveImage("rice1.bmp",img);
B.CvMat->Mat
與IplImage的轉換類似，可以選擇是否復制數據。
Mat::Mat(const?CvMat*?m,?bool?copyData=false);
在openCV中，沒有向量（vector）的數據結構。任何時候，但我們要表示向量時，用矩陣數據表示即可。
但是，CvMat類型與我們在線性代數課程上學的向量概念相比，更抽象，比如CvMat的元素數據類型并不僅限于基礎數據類型，比如，下面創建一個二維數據矩陣：
??????????????CvMat*?cvCreatMat(int?rows?,int?cols?,?int?type);
這里的type可以是任意的預定義數據類型，比如RGB或者別的多通道數據。這樣我們便可以在一個CvMat矩陣上表示豐富多彩的圖像了。
2.IplImage
在類型關系上，我們可以說IplImage類型繼承自CvMat類型，當然還包括其他的變量將之解析成圖像數據。
IplImage類型較之CvMat多了很多參數，比如depth和nChannels。在普通的矩陣類型當中，通常深度和通道數被同時表示，如用32位表示RGB+Alpha.但是，在圖像處理中，我們往往將深度與通道數分開處理，這樣做是OpenCV對圖像表示的一種優化方案。
IplImage的對圖像的另一種優化是變量origin----原點。在計算機視覺處理上，一個重要的不便是對原點的定義不清楚，圖像來源，編碼格式，甚至操作系統都會對原地的選取產生影響。為了彌補這一點，openCV允許用戶定義自己的原點設置。取值0表示原點位于圖片左上角，1表示左下角。
dataOrder參數定義數據的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE兩種取值，前者便是對于像素，不同的通道的數據交叉排列，后者表示所有通道按順序平行排列。
IplImage類型的所有額外變量都是對“圖像”的表示與計算能力的優化。
A.IplImage?->?Mat
IplImage*?pImg?=?cvLoadImage("lena.jpg");
Mat?img(pImg,0);?//?0
是不複製影像，也就是
pImg
與
img
的
data
共用同個記憶體位置，
header
各自有
B.IplImage?->?CvMat
法 1 ： CvMat?mathdr,?*mat?=?cvGetMat(?img,?&mathdr?);
法2
：
CvMat?*mat?=?cvCreateMat(?img->height,?img->width,?CV_64FC3?);
??cvConvert(?img,?mat?);
C.IplImage*->?BYTE*
BYTE*?data=?img->imageData;
CvMat和IplImage創建時的一個小區別：
1、建立矩陣時，第一個參數為行數，第二個參數為列數。
CvMat*?cvCreateMat(?int?rows,?int?cols,?int?type?);
2、建立圖像時，CvSize第一個參數為寬度，即列數；第二個參數為高度，即行數。這 個和CvMat矩陣正好相反。
IplImage*?cvCreateImage(CvSize?size,?int?depth,?int?channels?);
CvSize?cvSize(?int?width,?int?height?);
IplImage 內部 buffer 每行是按 4 字節對齊的， CvMat 沒有這個限制
補充：
A.BYTE*->?IplImage*
img=?cvCreateImageHeader(cvSize(width,height),depth,channels);
cvSetData(img,data,step);
// 首先由 cvCreateImageHeader() 創建 IplImage 圖像頭，制定圖像的尺寸，深度和通道數；
// 然后由 cvSetData() 根據 BYTE* 圖像數據指針設置 IplImage 圖像頭的數據數據，
// 其中 step 指定該 IplImage 圖像每行占的字節數，對于 1 通道的 IPL_DEPTH_8U 圖像， step 可以等于 width 。
?
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
