OpenCV中Mat的基本用法
阿新 • • 發佈：2019-01-09
一、矩陣基礎操作：
Mat image(240, 320, CV8UC3);
第一個引數是rows，該矩陣的行數；第二個引數是cols，該矩陣的列數；第三個引數是該矩陣元素的型別。這句話表示建立一個大小為240×320的矩陣，裡面的元素為8位unsigned型，通道數(channel)有3個。
image.create(480, 640, CV8UC3);
分配（或重新分配）image矩陣，把大小設為480×640，型別設為CV8UC3。
Mat A33(3, 3, CV_32F, Scalar(5));
定義並初始化一個3×3的32bit浮點數矩陣，每個元素都設為5。
Mat B33(3, 3, CV_32F);
B33 = Scalar(5);
和上面的作用一樣。
Mat C33 = Mat::ones(3, 3, CV32F)*5.;
ones函式很像MATLAB裡的語句吧。這句的意思是先定義一個3×3的32bit浮點數矩陣，元素全為1，所有元素再乘以5.0。
Mat D33 = Mat::zeros(3, 3, CV32F) + 5.;
和上面類似，先定義個3×3的32bit浮點數矩陣，元素全為0，再將所有元素加上5.0；
double a = CV_PI/3;
Mat A22 = (Mat_<float>(2, 2) << cos(a), -sin(a), sin(a), cos(a));
CV_PI就是少年派的那個派。第二句這個寫法很牛x的樣子，我也沒見過，不過看樣子是建立一個2×2的float矩陣，把後面四個三角函式值分別賦給4個元素。
float B22data[] = {cos(a), -sin(a), sin(a), cos(a)};
Mat B22 = Mat(2, 2, CV32F, B22data).clone();
第一句建立一個普通陣列B22data，第二句建立一個2×2的32bit浮點數矩陣，並使用用B22data數組裡的值初始化，然後克隆一下賦給B22矩陣。
為什麼這裡還要克隆一下，不是多此一舉嗎？不是的，用一個數組去初始化一個矩陣的話，你會發現這個矩陣引用了陣列的記憶體地址。不克隆的話，上面例程的後果是B22data陣列、Mat(2,2...)這個臨時變數矩陣、B22矩陣這三把勺子都插在同一個碗裡。
randu(image, Scalar(0), Scalar(256));
把image弄成一個符合正太分佈的隨機數矩陣，rand表示random，u表示uniform；第二個引數是隨機數下限，方括號哦；第三個引數是隨機數上限，圓括號。
randn(image, Scalar(128), Scalar(10));
高斯分佈的隨機數矩陣；第二個引數是均值，第三個引數是標差。
Mat image_alias = image;
沒有拷貝里面的資料。
float* Idata=new float[480*640*3];
Mat I(480, 640, CV32FC3, Idata);
第一句定義一個480×640×3×sizeof(float)位元組這麼大的陣列；第二句建立一個矩陣I，引用的是Idata的地址。
vector<Point> iptvec(10);
Mat iP(iptvec);
還能和STL一起用啊，以前真不知道。第一句話建立了一個有10個Point的向量，注意Point有兩個int型元素。第二句建立了一個矩陣，元素型別根據就自動設為CV_32SC2，表示32bit signed int，2個channel。
IplImage* oldC0 = cvCreateImage(cvSize(320,240),16,1);
Mat newC = cvarrToMat(oldC0);
IplImage oldC1 = newC;
CvMat oldC2 = newC;
這是為了把經典的OpenCV影象導成矩陣，第一句建立一個320×240的影象；第二句話把IplImage轉成Mat；第三句話把Mat轉成IplImage；第四句把Mat轉成CvMat。
Mat newC2 = cvarrToMat(oldC0).clone();
轉換後克隆一下賦值。
vector<Point2f> ptvec = Mat<Point2f>(iP);
把Mat又轉成vector。
A33.at<float>(i,j) = A33.at<float>(j,i)+1;
操作A33矩陣在row為i，col為j處的元素。需要顯式指定A33裡的元素型別，本例是float。
Mat dyImage(image.size(), image.type());
for(int y = 1; y < image.rows-1; y++)
{
Vec3b* prevRow = image.ptr<Vec3b>(y-1);
Vec3b* nextRow = image.ptr<Vec3b>(y+1);
for(int x = 0; y < image.cols; x++)
for(int c = 0; c < 3; c++)
dyImage.at<Vec3b>(y,x)[c] = saturate_cast<uchar>(nextRow[x][c] - prevRow[x][c]);
}
第一句話建立一個和image大小、型別都一樣的矩陣。
Vec3b是一個預定義的型別，三個無符號字元組成的向量：
typedef Vec<uchar, 3> Vec3b;
saturate_cast是一個強制型別轉換，把圓括號裡的東西轉換為尖括號裡的型別。
for迴圈裡的語句是把矩陣dyImage裡的元素都賦值為後一行的值減去前一行的值，注意這個矩陣裡的值是個具有三個元素的向量，理解為陣列就行了，所以用方括號訪問。
Mat<Vec3b>::iterator it = image.begin<Vec3b>(), itEnd = image.end<Vec3b>();
for(; it != itEnd; ++it)
(*it)[1] ^= 255;
用過STL裡的迭代器嗎？用過的話就不解釋了，沒用過的還是先看看STL吧。
3.傳統的lplImage格式也可直接轉換為Mat格式
不過更安全的呼叫格式為：
4.Mat結構更加友好，很多操作更接近matlab的風格 5.也有Point2f，Point3f，vector等資料結構可以使用
Mat image(240, 320, CV8UC3);
第一個引數是rows，該矩陣的行數；第二個引數是cols，該矩陣的列數；第三個引數是該矩陣元素的型別。這句話表示建立一個大小為240×320的矩陣，裡面的元素為8位unsigned型，通道數(channel)有3個。
image.create(480, 640, CV8UC3);
分配（或重新分配）image矩陣，把大小設為480×640，型別設為CV8UC3。
Mat A33(3, 3, CV_32F, Scalar(5));
定義並初始化一個3×3的32bit浮點數矩陣，每個元素都設為5。
Mat B33(3, 3, CV_32F);
B33 = Scalar(5);
和上面的作用一樣。
Mat C33 = Mat::ones(3, 3, CV32F)*5.;
ones函式很像MATLAB裡的語句吧。這句的意思是先定義一個3×3的32bit浮點數矩陣，元素全為1，所有元素再乘以5.0。
Mat D33 = Mat::zeros(3, 3, CV32F) + 5.;
和上面類似，先定義個3×3的32bit浮點數矩陣，元素全為0，再將所有元素加上5.0；
double a = CV_PI/3;
Mat A22 = (Mat_<float>(2, 2) << cos(a), -sin(a), sin(a), cos(a));
CV_PI就是少年派的那個派。第二句這個寫法很牛x的樣子，我也沒見過，不過看樣子是建立一個2×2的float矩陣，把後面四個三角函式值分別賦給4個元素。
float B22data[] = {cos(a), -sin(a), sin(a), cos(a)};
Mat B22 = Mat(2, 2, CV32F, B22data).clone();
第一句建立一個普通陣列B22data，第二句建立一個2×2的32bit浮點數矩陣，並使用用B22data數組裡的值初始化，然後克隆一下賦給B22矩陣。
為什麼這裡還要克隆一下，不是多此一舉嗎？不是的，用一個數組去初始化一個矩陣的話，你會發現這個矩陣引用了陣列的記憶體地址。不克隆的話，上面例程的後果是B22data陣列、Mat(2,2...)這個臨時變數矩陣、B22矩陣這三把勺子都插在同一個碗裡。
randu(image, Scalar(0), Scalar(256));
把image弄成一個符合正太分佈的隨機數矩陣，rand表示random，u表示uniform；第二個引數是隨機數下限，方括號哦；第三個引數是隨機數上限，圓括號。
randn(image, Scalar(128), Scalar(10));
高斯分佈的隨機數矩陣；第二個引數是均值，第三個引數是標差。
Mat image_alias = image;
沒有拷貝里面的資料。
float* Idata=new float[480*640*3];
Mat I(480, 640, CV32FC3, Idata);
第一句定義一個480×640×3×sizeof(float)位元組這麼大的陣列；第二句建立一個矩陣I，引用的是Idata的地址。
vector<Point> iptvec(10);
Mat iP(iptvec);
還能和STL一起用啊，以前真不知道。第一句話建立了一個有10個Point的向量，注意Point有兩個int型元素。第二句建立了一個矩陣，元素型別根據就自動設為CV_32SC2，表示32bit signed int，2個channel。
IplImage* oldC0 = cvCreateImage(cvSize(320,240),16,1);
Mat newC = cvarrToMat(oldC0);
IplImage oldC1 = newC;
CvMat oldC2 = newC;
這是為了把經典的OpenCV影象導成矩陣，第一句建立一個320×240的影象；第二句話把IplImage轉成Mat；第三句話把Mat轉成IplImage；第四句把Mat轉成CvMat。
Mat newC2 = cvarrToMat(oldC0).clone();
轉換後克隆一下賦值。
vector<Point2f> ptvec = Mat<Point2f>(iP);
把Mat又轉成vector。
A33.at<float>(i,j) = A33.at<float>(j,i)+1;
操作A33矩陣在row為i，col為j處的元素。需要顯式指定A33裡的元素型別，本例是float。
Mat dyImage(image.size(), image.type());
for(int y = 1; y < image.rows-1; y++)
{
Vec3b* prevRow = image.ptr<Vec3b>(y-1);
Vec3b* nextRow = image.ptr<Vec3b>(y+1);
for(int x = 0; y < image.cols; x++)
for(int c = 0; c < 3; c++)
dyImage.at<Vec3b>(y,x)[c] = saturate_cast<uchar>(nextRow[x][c] - prevRow[x][c]);
}
第一句話建立一個和image大小、型別都一樣的矩陣。
Vec3b是一個預定義的型別，三個無符號字元組成的向量：
typedef Vec<uchar, 3> Vec3b;
saturate_cast是一個強制型別轉換，把圓括號裡的東西轉換為尖括號裡的型別。
for迴圈裡的語句是把矩陣dyImage裡的元素都賦值為後一行的值減去前一行的值，注意這個矩陣裡的值是個具有三個元素的向量，理解為陣列就行了，所以用方括號訪問。
Mat<Vec3b>::iterator it = image.begin<Vec3b>(), itEnd = image.end<Vec3b>();
for(; it != itEnd; ++it)
(*it)[1] ^= 255;
用過STL裡的迭代器嗎？用過的話就不解釋了，沒用過的還是先看看STL吧。
對image每個值（Vec3b向量）的第一個元素和0xFF做異或。
自從版本2.0，OpenCV採用了新的資料結構，用Mat類結構取代了之前用extended C寫的cvMat和lplImage，更加好用啦，最大的好處就是更加方便的進行記憶體管理，對寫更大的程式是很好的訊息。
需要注意的幾點：1. Mat的拷貝只是複製了Mat的資訊頭，資料的指標也指向了被拷貝的資料地址，而沒有真正新建一塊記憶體來存放新的矩陣內容。這樣帶來的一個問題就是對其中一個Mat的資料操作就會對其他指向同一塊資料的Mat產生災難性的影響。
2.建立多維陣列的格式是這樣的- int sz[3] = {2, 2, 2};
- Mat L(3, sz, CV_8UC(1), Scalar::all(0));
3.傳統的lplImage格式也可直接轉換為Mat格式
- IplImage* img = cvLoadImage("greatwave.png", 1);
- Mat mtx(img); // convert IplImage* -> Mat
如果想將新版本的Mat格式轉換為老版本，則需要如下呼叫：
- Mat I;
- IplImage* pI = &I.operator IplImage();
- CvMat* mI = &I.operator CvMat();
不過更安全的呼叫格式為：
- Ptr<IplImage> piI = &I.operator IplImage();
4.Mat結構更加友好，很多操作更接近matlab的風格 5.也有Point2f，Point3f，vector等資料結構可以使用
6.RNG類可以產生隨機數
7.實現顏色通道的分離使用函式split