opencv2.4.13官方文档中文译版--2.1 Mat - 基础的图像容器

2.1 Mat - 基础的图像容器
目标

我们有许多从现实世界获取数字图像的方法，例如：数字摄像机、扫描仪、计算机断层扫描技术和磁共振成像等。在任何情况下我们(人类)看到的是图片。然而，当将其转换为我们的数字设备时，我们记录的是图像的每个点的数值。



例如，在上图中，你可以看到，汽车的反光镜只是一个包含了所有像素点强度值的矩阵。我们怎样获得和存储这些像素值可以根据我们的需要而变化，但是最终，计算机世界内的所有图像可以简化为数值矩阵和描述矩阵本身的其他信息。 OpenCV是一个计算机视觉库， ，其主要焦点是处理和操作这些信息。因此，你需要做的第一件事就是熟悉OpenCV是怎么存储和处理图像的。
Mat
OpenCV自2001年以来存在至今. 在那些日子，库是围绕一个C接口构建的，并将图像存储在内存中，他们使用一个称为IplImage的C结构。这是你将在大多数老版的教程和教学材料中看到的。它带来的问题就是继承了所有C语言的不足。 最大的问题是手动内存管理。
它建立在用户负责处理内存分配和释放的假设上。虽然在较小的项目中这不是什么问题，一旦你的代码库增长，它将比专注于解决你的开发目标更难以处理所有这一切。
幸运的是C ++引入了类的概念，通过自动内存管理，为用户带来了便利（或多或少）。好消息是C ++与C完全兼容，因此不会出现兼容性问题。因此，OpenCV 2.0引入了一个新的C ++接口，它提供了一种新的实现方式，这意味着你不需要干扰内存管理，使你的代码变得简洁（写更少，实现更多）。
C ++接口的主要缺点是许多嵌入式开发系统目前只支持C。因此，除非你基于嵌入式平台，否则没有必要使用旧的方法（除非你是一个受虐狂的程序员，并且你要求麻烦）。
关于Mat你需要知道的第一件事情是，你不再需要手动分配它的内存，并在你不需要它时立即释放它。虽然这样做仍然是可能的，但大多数OpenCV函数将自动分配其输出数据。作为一个好的奖励，如果你传递一个已经存在的Mat对象，并且它已经分配了矩阵所需的空间，这将被重用。换句话说，我们在任何时候只使用我们执行任务所需的内存。
Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。
OpenCV是一个图像处理库，它包含了大量图像处理函数的集合。为了解决计算的挑战，大多数时候你最终会使用库的多个函数。因此，将图像传递给函数是一种常见的做法。我们不应该忘记我们在谈论图像处理算法，这些算法的计算量相当大。我们要做的最后一件事是通过制作不必要的潜在大图像副本来进一步降低程序的速度。
为了解决这个问题，OpenCV 引用计数系统。其思想是Mat的每个对象具有其自己的头，但可能他们通过让他们矩阵指针指向同一地址的两个实例之间共享该矩阵。此外，拷贝运算符将只能复制矩阵头部，也还将复制指针到大型矩阵，但不是矩阵本身。

Mat A, C; // 仅创建了头部
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 分配矩阵

Mat B(A); // 使用了复制构造函数

C = A; // 赋值运算符

以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。他们头不同，但是使用的其中任何一个对矩阵进行任何修改，也将影响所有其他的。在实践中的不同对象只是提供相同的底层数据不同的访问方法，然而，它们的头部是不同的。真正有趣的部分是您可以创建仅指向完整数据的一小部分的头。例如，要在图像中创建兴趣区域 ( ROI) 您只需创建一个新头设置新边界：

Mat D (A, Rect(10, 10, 100, 100) ); // 使用一个矩形
Mat E = A(Range::all(), Range(1,3)); // 行列边界

现在，你也许会问如果矩阵属于多个 Mat 对象，那么当不再需要它时谁来负责清理？简短的回答就是：最后使用它的对象。对于引用计数的机制，每当有人复制Mat对象的头，矩阵的计数器被增加。每当一个头被清除，此计数器被下调。当该计数器变为零，矩阵也就被释放了。有时你也会想要复制矩阵的本身，所以OpenCV提供了
clone() 和 copyTo() 函数。

Mat F = A.clone();
Mat G;
A.copyTo(G);

现在改变 F 或者 G 就不会影响 Mat 信息头所指向的矩阵。 你需要记住的是：
1) OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
2) 使用OpenCV的C++接口时不需要考虑内存释放问题。
3) 赋值运算符和拷贝构造函数（ ctor ）只拷贝信息头 。
4) 使用函数 clone() 或者 copyTo() 来拷贝一副图像的底层矩阵。

存储方式
接下来说说如何存储像素值。你能够选择使用的颜色空间和数据类型。颜色空间指的是我们如何组合颜色分量以便编码给定的颜色。最简单的是灰度，其中我们处置的颜色是黑色和白色。这些组合允许我们创建许多深浅的灰色。对于彩色的方式，我们有更多的方法可供选择。每种方法都将其分解为三个或四个基本分量，我们可以使用这些基本分量来创建其他分量。最受欢迎的方式是RGB，主要是因为这也是我们的双眼构建色彩的方式。它的基色是红色，绿色和蓝色。为了编码颜色的透明度，有时会添加第四元素：alpha（A）。
然而，存在许多其他的颜色系统，也有它们各自的优势：
1）RGB是最常见的，因为我们的眼睛使用类似的东西，但请记住，OpenCV显示系统使用BGR颜色。
2）HSV和HLS将颜色分解成它们的色调，饱和度和值/亮度分量，这是我们描述颜色的更自然的方式。例如，您可以忽略值组件，使您的算法对输入图像的光条件不太敏感。
3）流行的JEPG图像格式用的就是YCrCb。
4）CIE L * a * b *是感知上均匀的颜色空间，如果您需要测量给定颜色到另一种颜色的距离，这将非常方便。
每个颜色分量都有自己的有效域。这带给我们使用的数据类型：我们如何存储一个分量定义了我们在其域上的控制。可能最小的数据类型是char，也就是一个字节或8 bits。它可以是无符号的（所以可以存储从0到255的值）或有符号的（值从-127到+127）。虽然在三个分量（例如BGR）的情况下，已经给出了1600万可表示的颜色。我们可以通过使用每个分量的float（4字节=
32位）或double（8字节= 64位）数据类型获得更精细的控制。然而，请记住，增加组件的大小也会增加内存中整个图片的大小。

显示地创建一个Mat对象
在加载，修改和保存图像教程中，你已经学习了如何使用imwrite（）函数将矩阵写入图像文件。然而，为了调试的目的，更方便的做法是看到实际的值。 你可以使用Mat的<<运算符。要注意的是这只适用于二维矩阵。
尽管Mat作为一个图像容器十分合适，它也是一个通用的矩阵类。因此，创建和操纵多维矩阵是可能的。你可以用多种方法来创建一个Mat对象：
1） Mat() 构造函数

Mat M(2,2, CV_8UC3, Scalar(0,0,255));
cout << "M = " << endl << " " << M << endl << endl;

对于二维和多通道图像，我们首先定义它们的大小：行和列计数。然后，需要指定存储元素的数据类型以及每个矩阵点的通道数。为此，我们有多个根据以下约定构造的定义：
CV_ [位数] [有无符号数] [前缀类型] [通道数] 
例如，CV_8UC3 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。预先定义的通道数可以多达四个。Scalar 是一个short 型 的向量。指定这个能够使用一个定制化的值来初始化矩阵。当然，如果你需要更多通道数，你可以使用大写的宏并把通道数放在小括号中。
2）使用C / C ++数组并通过构造函数初始化

int sz[3] = {2,2,2};
Mat L(3,sz, CV_8UC(1), Scalar::all(0));//指定3维，通过指针确定各维大小。注意这种Mat 不支持 cout<<输出，函数原型为Mat(int ndims, const int* sizes, int type, const Scalar& s); 

上面的示例显示了如何创建一个具有两个以上维度的矩阵。 指定的数量维度，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同。
3）为一个已经存在的IplImage创建一个头

IplImage* img = cvLoadImage("greatwave.png", 1);
Mat mtx(img); // 转换 IplImage* -> Mat

4） Create() 函数:

M.create(4,4, CV_8UC(2));
cout << "M = "<< endl << " " << M << endl << endl;

你不能通过这个构造来初始化矩阵中的数值。它只会在新的矩阵尺寸与旧的矩阵尺寸不合时重新分配矩阵的数据空间。

5） MATLAB风格的初始化函数：zeros()， ones()，eyes()。指定使用的尺寸和数据类型：

Mat E = Mat::eye(4, 4, CV_64F);
cout << "E = " << endl << " " << E << endl << endl;
Mat O = Mat::ones(2, 2, CV_32F);
cout << "O = " << endl << " " << O << endl << endl;
Mat Z = Mat::zeros(3,3, CV_8UC1);
cout << "Z = " << endl << " " << Z << endl << endl;

6）对于小的矩阵来说你可以使用逗号隔开的初始化函数：

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

7）为一个已有的Mat对象创建一个新的头然后clone()或者copyTo()这个头。

Mat RowClone = C.row(1).clone();
cout << "RowClone = " << endl << " " << RowClone << endl << endl;

注意：你可以通过用randu()函数产生的随机值来填充矩阵。你需要给定一个上限和下限来确保随机值在你期望的范围内：

Mat R = Mat(3, 2, CV_8UC3);
randu(R, Scalar::all(0), Scalar::all(255));

输出格式


在上一个例子中你可以看到默认的格式选项。尽管如此，OpenCV允许你在符合以下规则的同时格式化你的输出：

1）默认：

cout << "R (default) = " << endl << R << endl << endl;

2）Python：

cout << "R (python) = " << endl << format(R,"python") << endl << endl;

3）逗号分隔值（CSV）：

cout << "R (csv) = " << endl << format(R,"csv" ) << endl << endl;

4）Numpy：

cout << "R (numpy) = " << endl << format(R,"numpy" ) << endl << endl;

5）C：

cout << "R (c) = " << endl << format(R,"C" ) << endl << endl;

打印出其他常见数据项

OpenCV 通过 << 操作符也为其他常用OpenCV数据结构提供打印输出的支持：

1）2D点
Point2f P(5, 1);
cout << "Point (2D) = " << P << endl << endl;



2）3D点

Point3f P3f(2, 6, 7);
cout << "Point (3D) = " << P3f << endl << endl;

3）std::vector 通过 cv::Mat

vector<float> v;
v.push_back( (float)CV_PI); v.push_back(2); v.push_back(3.01f);
cout << "Vector of floats via Mat = " << Mat(v) << endl << endl;

4）点的std::vector
vector<Point2f> vPoints(20);
for (size_t i = 0; i < vPoints.size(); ++i)
vPoints[i] = Point2f((float)(i * 5), (float)(i % 7));
cout << "A vector of 2D Points = " << vPoints << endl << endl; 这里大多数的例程都是在一个小控制台程序里运行。你可以从这里或是在cpp示例文件夹下载。你也可以在YouTube找到一个快速示例的视频。