opencv数据容器Mat,cvMat和IplImage
2012-09-02 21:18
441 查看
opencv数据容器Mat,cvMat和IplImage
分类:opencv2012-09-0221:181175人阅读typedefstruct_IplImage { intnSize; intID; intnChannels; intalphaChannel; intdepth; charcolorModel[4]; charchannelSeq[4]; intdataOrder; intorigin; intalign; intwidth; intheight; struct_IplROI*roi; struct_IplImage*maskROI; void*imageId; struct_IplTileInfo*tileInfo; intimageSize; char*imageData; intwidthStep; intBorderMode[4]; intBorderConst[4]; char*imageDataOrigin; }IplImage;dataOrder中的两个取值:交叉存取颜色通道是颜色数据排列将会是BGRBGR...的交错排列。分开的颜色通道是有几个颜色通道就分几个颜色平面存储。roi是IplROI结构体,该结构体包含了xOffset,yOffset,height,width,coi成员变量,其中xOffset,yOffset是x,y坐标,coi代表channelofinterest(感兴趣的通道),非0的时候才有效。访问图像中的数据元素,分间接存储和直接存储,当图像元素为浮点型时,(uchar*)改为(float*):
IplImage*img=cvLoadImage("lena.jpg",1); CvScalars; s=cvGet2D(img,i,j); cvSet2D(img,i,j,s); IplImage*img;//mallocmemorybycvLoadImageorcvCreateImage for(introw=0;row< img->height;row++) { for(intcol=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;//mallocmemorybycvLoadImageorcvCreateImage ucharb,g,r;//3channels for(introw=0;row< img->height;row++) { for(intcol=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*,是一个指向结构体IplImage的指针:
[cpp]2.CvMat首先,我们需要知道,第一,在OpenCV中没有向量(vector)结构。任何时候需要向量,都只需要一个列矩阵(如果需要一个转置或者共轭向量,则需要一个行矩阵)。第二,OpenCV矩阵的概念与我们在线性代数课上学习的概念相比,更抽象,尤其是矩阵的元素,并非只能取简单的数值类型,可以是多通道的值。CvMat的结构:viewplain copy ?IplImage*cvLoadImage(constchar*filename,intiscolorCV_DEFAULT(CV_LOAD_IMAGE_COLOR));//loadimagesfromspecifiedimage IplImage*cvCreateImage(CvSizesize,intdepth,intchannels);//allocatememory [code]IplImage*cvLoadImage(constchar*filename,intiscolorCV_DEFAULT(CV_LOAD_IMAGE_COLOR));//loadimagesfromspecifiedimage IplImage*cvCreateImage(CvSizesize,intdepth,intchannels);//allocatememory
typedefstructCvMat{inttype;intstep;int*refcount;union{uchar*ptr;short*s;int*i;float*fl;double*db;}data;union{introws;intheight;};union{intcols;intwidth;};}CvMat;创建CvMat数据:[cpp]viewplain
CvMat*cvCreateMat(introws,intcols,inttype);CV_INLineCvMatcvMat((introws,intcols,inttype,void*dataCV_DEFAULT);CvMat*cvInitMatHeader(CvMat*mat,introws,intcols,inttype,void*dataCV_DEFAULT(NULL),intstepCV_DEFAULT(CV_AUTOSTEP));对矩阵数据进行访问:
cvmSet(CvMat*mat,introw,intcol,doublevalue);cvmGet(constCvMat*mat,introw,intcol);CvScalarcvGet2D(constCvArr*arr,intidx0,intidx1);//CvArr只作为函数的形参voidcvSet2D(CvArr*arr,intidx0,intidx1,CvScalarvalue);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为通道值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为通道值for(introw=0;row<cvmat->rows;row++){p=cvmat->data.fl+row*(cvmat->step/4);for(intcol=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);复制矩阵操作:
CvMat*M1=cvCreateMat(4,4,CV_32FC1);CvMat*M2;M2=cvCloneMat(M1);3.MatMat是opencv2.0推出的处理图像的新的数据结构,现在越来越有趋势取代之前的cvMat和lplImage,相比之下Mat最大的好处就是能够更加方便的进行内存管理,不再需要程序员手动管理内存的释放。opencv2.3中提到Mat是一个多维的密集数据数组,可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
classCV_EXPORTSMat{public:intflags;(Note:目前还不知道flags做什么用的)intdims;introws,cols;uchar*data;int*refcount;...};从以上结构体可以看出Mat也是一个矩阵头,默认不分配内存,只是指向一块内存(注意读写保护)。初始化使用create函数或者Mat构造函数,以下整理自opencv2.3.1Manual:[cpp]viewplain
Mat(nrows,ncols,type,fillValue]);M.create(nrows,ncols,type);例子:[cpp]viewplain
MatM(7,7,CV_32FC2,Scalar(1,3));M.create(100,60,CV_8UC(15));intsz[]={100,100,100};MatbigCube(3,sz,CV_8U,Scalar:all(0));doublem[3][3]={{a,b,c},{d,e,f},{g,h,i}};MatM=Mat(3,3,CV_64F,m).inv();Matimg(Size(320,240),CV_8UC3);Matimg(height,width,CV_8UC3,pixels,step);IplImage*img=cvLoadImage("greatwave.jpg",1);Matmtx(img,0);//convertIplImage*->Mat;访问Mat的数据元素:
MatM;M.row(3)=M.row(3)+M.row(5)*3;MatM1=M.col(1);M.col(7).copyTo(M1);MatM;M.at<double>(i,j);M.at(uchar)(i,j);Vec3ibgr1=M.at(Vec3b)(i,j)Vec3sbgr2=M.at(Vec3s)(i,j)Vec3wbgr3=M.at(Vec3w)(i,j)doublesum=0.0f;for(introw=0;row<M.rows;row++){constdouble*Mi=M.ptr<double>(row);for(intcol=0;col<M.cols;col++)sum+=std::max(Mi[j],0.);}doublesum=0;MatConstIterator<double>it=M.begin<double>(),it_end=M.end<double>();for(;it!=it_end;++it)sum+=std::max(*it,0.);Mat可进行Matlab风格的矩阵操作,如初始化的时候可以用initializers,zeros(),ones(),eye().除以上内容之外,Mat还有有3个重要的方法:[cpp]viewplain
Matmat=imread(constString*filename);//读取图像imshow(conststringframeName,InputArraymat);//显示图像imwrite(conststring&filename,InputArrayimg);//储存图像4.CvMat,Mat,IplImage之间的互相转换IpIImage->CvMat
[cpp]viewplain copy ?CvMatmatheader;CvMat*mat=cvGetMat(img,&matheader);CvMat*mat=cvCreateMat(img->height,img->width,CV_64FC3);cvConvert(img,mat)[code]CvMatmatheader;CvMat*mat=cvGetMat(img,&matheader);CvMat*mat=cvCreateMat(img->height,img->width,CV_64FC3);cvConvert(img,mat)
IplImage->Mat
Mat::Mat(constIplImage*img,boolcopyData=false);例子:IplImage*iplImg=cvLoadImage("greatwave.jpg",1);Matmtx(iplImg);
Mat->IplImageMatMIplImageiplimage=M;
CvMat->MatMat::Mat(constCvMat*m,boolcopyData=false);
Mat->CvMat例子(假设Mat类型的imgMat图像数据存在):CvMatcvMat=imgMat;/*Mat->CvMat,类似转换到IplImage,不复制数据只创建矩阵头-------------------------------------------------------------------一、Mat类型:矩阵类型,Matrix。在openCV中,Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。Mat有3个重要的方法:1、Matmat=imread(constString*filename);读取图像2、imshow(conststringframeName,InputArraymat);显示图像3、imwrite(conststring&filename,InputArrayimg);储存图像Mat类型较CvMat与IplImage类型来说,有更强的矩阵运算能力,支持常见的矩阵运算。在计算密集型的应用当中,将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。A.Mat->IplImage同样只是创建图像头,而没有复制数据。例://假设Mat类型的imgMat图像数据存在IplImagepImg=IplImage(imgMat);B.Mat->CvMat与IplImage的转换类似,不复制数据,只创建矩阵头。例://假设Mat类型的imgMat图像数据存在CvMatcvMat=imgMat;二、CvMat类型与IplImage类型:“图像”类型在openCV中,Mat类型与CvMat和IplImage类型都可以代表和显示图像,但是,Mat类型侧重于计算,数学性较高,openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”,openCV对其中的图像操作(缩放、单通道提取、图像阈值操作等)进行了优化。补充:IplImage由CvMat派生,而CvMat由CvArr派生即CvArr->CvMat->IplImageCvArr用作函数的参数,无论传入的是CvMat或IplImage,内部都是按CvMat处理。1.CvMatA.CvMat->IplImageIplImage*img=cvCreateImage(cvGetSize(mat),8,1);cvGetImage(matI,img);cvSaveImage("rice1.bmp",img);B.CvMat->Mat与IplImage的转换类似,可以选择是否复制数据。Mat::Mat(constCvMat*m,boolcopyData=false);在openCV中,没有向量(vector)的数据结构。任何时候,但我们要表示向量时,用矩阵数据表示即可。但是,CvMat类型与我们在线性代数课程上学的向量概念相比,更抽象,比如CvMat的元素数据类型并不仅限于基础数据类型,比如,下面创建一个二维数据矩阵:CvMat*cvCreatMat(introws,intcols,inttype);这里的type可以是任意的预定义数据类型,比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。2.IplImage在类型关系上,我们可以说IplImage类型继承自CvMat类型,当然还包括其他的变量将之解析成图像数据。IplImage类型较之CvMat多了很多参数,比如depth和nChannels。在普通的矩阵类型当中,通常深度和通道数被同时表示,如用32位表示RGB+Alpha.但是,在图像处理中,我们往往将深度与通道数分开处理,这样做是OpenCV对图像表示的一种优化方案。IplImage的对图像的另一种优化是变量origin----原点。在计算机视觉处理上,一个重要的不便是对原点的定义不清楚,图像来源,编码格式,甚至操作系统都会对原地的选取产生影响。为了弥补这一点,openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角,1表示左下角。dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值,前者便是对于像素,不同的通道的数据交叉排列,后者表示所有通道按顺序平行排列。IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。A.IplImage->MatIplImage*pImg=cvLoadImage("lena.jpg");Matimg(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:CvMatmathdr,*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创建时的一个小区别:1、建立矩阵时,第一个参数为行数,第二个参数为列数。CvMat*cvCreateMat(introws,intcols,inttype);2、建立图像时,CvSize第一个参数为宽度,即列数;第二个参数为高度,即行数。这个和CvMat矩阵正好相反。IplImage*cvCreateImage(CvSizesize,intdepth,intchannels);CvSizecvSize(intwidth,intheight);IplImage内部buffer每行是按4字节对齐的,CvMat没有这个限制补充:A.BYTE*->IplImage*img=cvCreateImageHeader(cvSize(width,height),depth,channels);cvSetData(img,data,step);//首先由cvCreateImageHeader()创建IplImage图像头,制定图像的尺寸,深度和通道数;//然后由cvSetData()根据BYTE*图像数据指针设置IplImage图像头的数据数据,//其中step指定该IplImage图像每行占的字节数,对于1通道的IPL_DEPTH_8U图像,step可以等于width。
相关文章推荐
- opencv数据容器Mat,cvMat和IplImage
- OpenCV中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage
- opencv 数据类型转换:CvArr, Mat, CvMat, IplImage, BYTE
- opencv 数据类型转换:CvArr, Mat, CvMat, IplImage, BYTE 转
- OpenCV中Mat与IplImage和CvMat数据类型间的相互转换
- OpenCV中Mat与IplImage和CvMat数据类型间的相互转换
- OpenCv中cv::Mat和IplImage,CvMat之间的转换
- opencv中C接口与C++接口的相互转换(Mat 和 CvMat,IplImage相互转化)
- OpenCV——Mat、CvMat、IplImage类型浅析
- OpenCV中矩阵类详解之三:CvMat,Mat和IplImage之间的转化和拷贝
- OPENCV中MAT与IPLIMAGE和CVMAT类型之间的相互转换
- 图像处理之opencv---mat、cvmat、IplImage之间的转换
- Opencv中Mat、IplImage、 CvMat之间转换总结
- OpenCv中cv::Mat和IplImage,CvMat之间的转换
- OpenCV中Mat与IplImage和CvMat类型之间的相互转换
- OpenCV中IplImage, CvMat, Mat 基本使用和元素遍历
- OpenCV中矩阵类详解之三:CvMat,Mat和IplImage之间的转化和拷贝
- OpenCV中矩阵类详解:CvMat,Mat和IplImage之间的转化和拷贝
- opencv中Mat与IplImage,CVMat类型之间转换
- OpenCV中IplImage/CvMat/Mat转化关系