您的位置：首页 > 运维架构

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人阅读评论(0)收藏举报vectorfloatstructimage优化数据结构opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种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。在opencv2.0之前，opencv是完全用C实现的，但是，IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr，这在源代码中会常见。1.IplImageopencv中的图像信息头，该结构体定义：[cpp]viewplaincopyprint?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;
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*)：[cpp]viewplaincopyprint?IplImage*img=cvLoadImage("lena.jpg",1);CvScalars;s=cvGet2D(img,i,j);cvSet2D(img,i,j,s);IplImage*img;//mallocmemorybycvLoadImageorcvCreateImagefor(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;//mallocmemorybycvLoadImageorcvCreateImageucharb,g,r;//3channelsfor(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];}}
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]viewplaincopyprint?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
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：[cpp]viewplaincopyprint?typedefstructCvMat{inttype;intstep;int*refcount;union{uchar*ptr;short*s;int*i;float*fl;double*db;}data;union{introws;intheight;};union{intcols;intwidth;};}CvMat;
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]viewplaincopyprint?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));
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：[cpp]viewplaincopyprint?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);
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：[cpp]viewplaincopyprint?CvMat*M1=cvCreateMat(4,4,CV_32FC1);CvMat*M2;M2=cvCloneMat(M1);
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。[cpp]viewplaincopyprint?classCV_EXPORTSMat{public：intflags;（Note：目前还不知道flags做什么用的）intdims;introws,cols;uchar*data;int*refcount;...};
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]viewplaincopyprint?Mat(nrows,ncols,type,fillValue]);M.create(nrows,ncols,type);
Mat(nrows,ncols,type,fillValue]);M.create(nrows,ncols,type);
例子：[cpp]viewplaincopyprint?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;
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：[cpp]viewplaincopyprint?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.);
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]viewplaincopyprint?Matmat=imread(constString*filename);//读取图像imshow(conststringframeName,InputArraymat);//显示图像imwrite(conststring&filename,InputArrayimg);//储存图像
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]viewplaincopyprint?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。http://blog.csdn.net/mvtechnology/article/details/7935530
                                            

                                        

                        
                        内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息 
                    

                    

                    

                        

                         标签： 
                                                计算机视觉
                                                opencv
                                                

                        

                    


                

            


            

                
相关文章推荐

                

                
            

        

        

            

            
            

                

                    
新的分享

                    

                        
                    

                

            


            

                

                    
章节导航