OpenCV中對Mat裡面depth,dims,channels,step,data,elemSize和資料地址計算的理解 （轉）
depth/dims/channels/step/data/elemSize
The class Mat represents an n-dimensional dense numerical single-channel or multi-channel array. It can be used to store (Mat類的物件用於表示一個多維度的單通道或者多通道稠密陣列，它可以用來儲存以下東西)
real or complex-valued vectors or matrices (實數值或複合值向量、矩陣)
grayscale or color images (灰度圖或者彩色圖)
voxel volumes (立體元素)
vector fields (向量場)
point clouds (點雲)
tensors (張量)
histograms (though, very high-dimensional histograms may be better stored in a SparseMat ) (直方圖，高緯度的最好存放在SparseMat中)
舊版本的OpenCV中的C結構體有 CvMat 和 CvMatND，目前我用的是 2.3 版，裡面的文件指出 CvMat 和 CvMatND 棄用了，在C++封裝中用 Mat 代替，另外舊版還有一個 IplImage，同樣用 Mat 代替(可以參考博文 OpenCV中的結構體、類與Emgu.CV的對應表).
矩陣 (M) 中資料元素的地址計算公式：
addr(Mi0,i1,…im-1) = M.data + M.step[0] * i0 + M.step[1] * i1 + … + M.step[m-1] * im-1 (其中 m = M.dims M的維度)
data：Mat物件中的一個指標，指向記憶體中存放矩陣資料的一塊記憶體 (uchar* data)
dims：Mat所代表的矩陣的維度，如 3 * 4 的矩陣為 2 維， 3 * 4 * 5 的為3維
channels：通道，矩陣中的每一個矩陣元素擁有的值的個數，比如說 3 * 4 矩陣中一共 12 個元素，如果每個元素有三個值，那麼就說這個矩陣是 3 通道的，即 channels = 3。常見的是一張彩色圖片有紅、綠、藍三個通道。
depth：深度，即每一個畫素的位數(bits)，在opencv的Mat.depth()中得到的是一個 0 – 6 的數字，分別代表不同的位數：enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }; 可見 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位；
step：是一個數組，定義了矩陣的佈局，具體見下面圖片分析，另外注意 step1 (step / elemSize1)，M.step[m-1] 總是等於 elemSize，M.step1(m-1)總是等於 channels；
elemSize : 矩陣中每一個元素的資料大小，如果Mat中的資料的資料型別是 CV_8U 那麼 elemSize = 1，CV_8UC3 那麼 elemSize = 3，CV_16UC2 那麼 elemSize = 4；記住另外有個 elemSize1 表示的是矩陣中資料型別的大小，即 elemSize / channels 的大小
圖片分析1：考慮二維情況（stored row by row）按行儲存
 |
上面是一個 3 X 4 的矩陣，假設其資料型別為 CV_8U，也就是單通道的 uchar 型別
這是一個二維矩陣，那麼維度為 2 （M.dims == 2）；
M.rows == 3; M.cols == 4；
sizeof(uchar) = 1，那麼每一個數據元素大小為 1 （M.elemSize() == 1, M.elemSize1() == 1）；
CV_8U 得到 M.depth() == 0, M.channels() == 1；
因為是二維矩陣，那麼 step 陣列只有兩個值， step[0] 和 step[1] 分別代表一行的資料大小和一個元素的資料大小，則 M.step[0] == 4, M.step[1] == 1；
M.step1(0) == M.cols = 4; M.step1(1) == 1；
假設上面的矩陣資料型別是 CV_8UC3，也就是三通道
M.dims == 2； M.channels() == 3；M.depth() == 0；
M.elemSize() == 3 （每一個元素包含3個uchar值） M.elemSize1() == 1 （elemSize / channels）
M.step[0] == M.cols * M.elemSize() == 12, M.step[1] == M.channels() * M.elemSize1() == M.elemSize() == 3；
M.step(0) == M.cols * M.channels() == 12 ; M.step(1) == M.channels() == 3；
圖片分析2：考慮三維情況（stored plane by plane）按面儲存
 |
上面是一個 3 X 4 X 6 的矩陣，假設其資料型別為 CV_16SC4，也就是 short 型別
M.dims == 3 ; M.channels() == 4 ; M.elemSize1() == sizeof(short) == 2 ;
M.rows == M.cols == –1；
M.elemSize() == M.elemSize1() * M.channels() == M.step[M.dims-1] == M.step[2] == 2 * 4 == 8;
M.step[0] == 4 * 6 * M.elemSize() == 192；
M.step[1] == 6 * M.elemSize() == 48；
M.step[2] == M.elemSize() == 8；
M.step1(0) == M.step[0] / M.elemSize() == 48 / 2 == 96 （第一維度(即面的元素個數) * 通道數）；
M.step1(1) == M.step[1] / M.elemSize() == 12 / 2 == 24（第二維度(即行的元素個數/列寬) * 通道數）；
M.step1(2) == M.step[2] / M.elemSize() == M.channels() == 4（第三維度(即元素) * 通道數）；
End :
Author : Ggicci
本文講解Mat 的一些基本的初始化
// m為3*5的矩陣，float型的單通道，把每個點都初始化為1
Mat m(3, 5, CV_32FC1, 1);
或者 Mat m(3, 5, CV_32FC1, Scalar(1));
cout<<m;
輸出為：
[1, 1, 1, 1, 1;
1, 1, 1, 1, 1;
1, 1, 1, 1, 1]
// m為3*5的矩陣，float型的2通道，把每個點都初始化為1 2
Mat m(3, 5, CV_32FC2, Scalar(1, 2));
cout<<m;
輸出為
[1, 2, 1, 2, 1, 2, 1, 2, 1, 2;
1, 2, 1, 2, 1, 2, 1, 2, 1, 2;
1, 2, 1, 2, 1, 2, 1, 2, 1, 2]
// m為3*5的矩陣，float型的3通道，把每個點都初始化為1 2 3
Mat m(3, 5, CV_32FC3, Scalar(1, 2, 3));
cout << m;
輸出為
[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]
// 從已有的資料來源初始化
double *data = new double[15];
for (int i = 0; i < 15; i++)
{
data[i] = 1.2;
}
Mat m(3, 5, CV_32FC1, data);
cout << m;
輸出為:
[1.2, 1.2, 1.2, 1.2, 1.2;
1.2, 1.2, 1.2, 1.2, 1.2;
1.2, 1.2, 1.2, 1.2, 1.2]
如果接著
delete [] data;
cout << m;
輸出為：
[-1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144;
-1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144;
-1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144]
可見，這裡只是進行了淺拷貝，當資料來源不在的時候，Mat裡的資料也就是亂碼了。
// 從影象初始化
Mat m = imread("1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
cout<< "channels ="<<m.channels()<<endl;
cout << "cols ="<<m.cols<<endl;
cout << "rows ="<<m.rows<<endl;
cout << m;
輸出為:
channels =1
cols =13
rows =12
[179, 173, 175, 189, 173, 163, 148, 190, 68, 14, 19, 31, 22;
172, 172, 172, 180, 172, 177, 162, 190, 64, 13, 19, 30, 17;
177, 180, 176, 175, 169, 184, 165, 181, 58, 12, 23, 38, 25;
181, 183, 178, 178, 170, 181, 163, 182, 52, 8, 23, 37, 23;
176, 173, 173, 184, 175, 178, 164, 195, 60, 14, 24, 35, 16;
179, 175, 176, 187, 176, 175, 158, 191, 70, 21, 28, 37, 20;
182, 183, 180, 184, 174, 179, 155, 174, 54, 1, 5, 15, 2;
173, 182, 178, 176, 173, 191, 165, 169, 157, 101, 100, 107, 93;
181, 182, 180, 177, 177, 177, 171, 162, 183, 185, 186, 185, 182;
178, 180, 179, 177, 178, 179, 174, 167, 172, 174, 175, 174, 172;
175, 178, 179, 178, 180, 182, 179, 173, 172, 174, 175, 175, 174;
175, 179, 181, 180, 181, 183, 181, 177, 178, 180, 182, 183, 182]
內容來自《OpenCV 2 Computer Vision Application Programming Cookbook》
OpenCV2 訪問影象的各個畫素有各種方法
我們來用各種方法來實現減少影象的顏色數量
color = color/div*div +div/2;
若div為8，則原來RGB每個通道的256種顏色減少為32種。
若div為64，則原來RGB每個通道的256種顏色減少為4種，此時三通道所有能表示的顏色有4×4×4 = 64 種
首先，我們來看一個函式
C++: uchar* Mat::ptr(int i=0)
i 是行號，返回的是該行資料的指標。
在OpenCV中，一張3通道影象的一個畫素點是按BGR的順序儲存的。
先來看看第一種訪問方案
void colorReduce1(cv::Mat& image, cv::Mat& result, int div=64){
int nrow = image.rows;
int ncol = image.cols * image.channels();
for(int i=0; i<nrow; i++){
uchar* data = image.ptr<uchar>(i);
uchar* data_out = result.ptr<uchar>(i);
for(int j=0; j<ncol; j++){
data_out[j] = data[j]/div*div +div/2;
}
}
}
第二種方案：
先來看如下函式：
C++: bool Mat::isContinuous() const
C++: Mat Mat::reshape(int cn, int rows=0) const
出於效能方面的考慮，在影象每一行的最後可能會填充一些畫素，這樣影象的資料就不是連續的了
我們可以用函式isContinuous()來判斷影象的資料是否連續
reshape函式的作用如下：
Changes the shape and/or the number of channels of a 2D matrix without copying the data.
這樣，我們就提出了對第一種方法的改進
void colorReduce2(cv::Mat& image, cv::Mat& result, int div){
if(image.isContinuous()){
image.reshape(1,image.cols*image.rows);
}
int nrow = image.rows;
int ncol = image.cols * image.channels();
for(int i=0; i<nrow; i++){
uchar* data = image.ptr<uchar>(i);
uchar* data_out = result.ptr<uchar>(i);
for(int j=0; j<ncol; j++){
data_out[j] = data[j]/div*div +div/2;
}
}
}
第三種方案：
先來看看下面的函式
C++: template<typename T> T& Mat::at(int i, int j)
其作用是Returns a reference to the specified array element.
void colorReduce3(cv::Mat& image, cv::Mat& result, int div){
int nrow = image.rows;
int ncol = image.cols * image.channels();
for(int i=0; i<nrow; i++){
for(int j=0; j<ncol; j++){
image.at<cv::Vec3b>(j,i)[0]= image.at<cv::Vec3b>(j,i)[0]/div*div + div/2;
image.at<cv::Vec3b>(j,i)[1]= image.at<cv::Vec3b>(j,i)[1]/div*div + div/2;
image.at<cv::Vec3b>(j,i)[2]= image.at<cv::Vec3b>(j,i)[2]/div*div + div/2;
}
}
}
第四種方案是使用迭代器
會使用到如下函式：
C++: template<typename _Tp> MatIterator_<_Tp> Mat::begin()
C++: MatIterator_<_Tp> Mat::end()
void colorReduce4(cv::Mat& image, cv::Mat& result, int div){
cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
cv::Mat_<cv::Vec3b>::iterator itout = result.begin<cv::Vec3b>();
for(; it!=itend; ++it,++itout){
(*itout)[0] = (*it)[0]/div*div + div/2;
(*itout)[1] = (*it)[1]/div*div + div/2;
(*itout)[2] = (*it)[2]/div*div + div/2;
}
}
OpenCV中矩陣資料的訪問（二）(Learning OpenCV第三章3)
2009-08-14 21:45:19| 分類： 科研學習 |字號 訂閱
上一篇文章提到了訪問矩陣中元素的前兩種方式，下面講第三種方式：正確的訪問矩陣中資料的方式：
正確的方式
前面介紹的一些讀取和寫入矩陣資料的方式，實際上，你可能很少會使用它們。因為，在大多數情況下，你需要使用最有效率的方式來訪問矩陣中的資料。如果使用以上的函式介面來訪問資料，效率比較低，你應該使用指標方式來直接訪問矩陣中資料。特別是，如果你想遍歷矩陣中所有元素時，就更需要這樣做了。
在用指標直接訪問矩陣元素時，就需要格外注意矩陣結構體中的step成員。該成員是以位元組為單位的每行的長度。而矩陣結構體的cols或width就不適合此時使用，因為為了訪問效率，矩陣中的記憶體分配上，是以每四個位元組做為最小單位的。因此如果一個矩陣的寬度是三個位元組，那麼就會在寬度上分配四個位元組，而此時每行最後一個位元組會被忽略掉。所以我們用step則會準確地按行訪問資料。
我們可以通過以下例子，看一下rows,cols,height,width,step的資料,你可以通過改變矩陣的元素型別定義，來檢視step的改變：
#pragma comment(lib,"cxcore.lib")
#include"cv.h"
#include<stdio.h>
void main()
{
//矩陣元素為三通道8位浮點數
CvMat *mat=cvCreateMat(3,3,CV_32FC3 );
printf("rows=%d,cols=%d,height=%d,width=%d,step=%d\n",mat->rows,mat->cols,mat->height,mat->width,mat->step);
}
如果我們的矩陣儲存的是浮點型（或整數型別）資料，此時矩陣中每個元素佔4位元組，則如果我們用float型別指標指向下一行時，我們實際上要用float型別指標挪動step/4的長度，因為float型別指標每挪動一個單位就是4個位元組長度。
如果我們的矩陣儲存的是double型別資料，此時矩陣中每個元素佔8位元組，則如果我們用double型別指標指向下一行時，我們實際上要用double型別指標挪動step/8的長度，因為double型別指標每挪動一個單位就是8個位元組長度。
我們重新看一下CvMat型別的資料結構定義，其中，data就是資料部分，指向data的指標可以是多種資料型別的：
typedef struct CvMat {
int type;
int step;
int* refcount; // for internal use only
union {
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data;//資料部分
union {
int rows;
int height;
};
union {
int cols;
int width;
};
} CvMat;
我們可以通過為矩陣賦值，和讀取的例子，檢視怎樣使用step:
#pragma comment(lib,"cxcore.lib")
#include"cv.h"
#include<stdio.h>
void main()
{
//矩陣元素為三通道8位浮點數
CvMat *mat=cvCreateMat(3,3,CV_32FC3 );
float *p;
int row,col;
for(row=0; row< mat->rows; row++)
{
p = mat->data.fl + row * (mat->step/4);
for(col = 0; col < mat->cols; col++)
{
*p = (float) row+col;
*(p+1) = (float) row+col+1;
*(p+2) =(float) row+col+2;
p+=3;
}
}
for(row = 0; row < mat->rows; row++)
{
p = mat->data.fl + row * (mat->step/4);
for(col = 0; col < mat->cols; col++)
{
printf("%f,%f,%f\t",*p,*(p+1),*(p+2));
p+=3;
}
printf("\n");
}
}
如果我們使用的指標型別為uchar*型別，則事情可能會簡單一些，不用考慮step/4，step/8等類似情況,我們推薦用這種方式。如下例所示：
#pragma comment(lib,"cxcore.lib")
#include"cv.h"
#include<stdio.h>
void main()
{
//矩陣元素為三通道8位浮點數
CvMat *mat=cvCreateMat(3,3,CV_32FC3 );
float *p;
int row,col;
for(row=0; row< mat->rows; row++)
{
p = (float*)(mat->data.ptr + row * mat->step);
for(col = 0; col < mat->cols; col++)
{
*p = (float) row+col;
*(p+1) = (float) row+col+1;
*(p+2) =(float) row+col+2;
p+=3;
相關推薦
OpenCV中對Mat裡面depth,dims,channels,step,data,elemSize和資料地址計算的理解 （轉）
cv::Matdepth/dims/channels/step/data/elemSizeThe class Mat represents an n-dimensional dense numerical single-channel or multi-channel ar
OpenCV中對Mat裏面depth,dims,channels,step,data,elemSize和數據地址計算的理解 （轉）
ima 忽略 learning note 數組 進行 每一個 ber 初始 cv::Matdepth/dims/channels/step/data/elemSizeThe class Mat represents an n-dimensional dense numeri
音頻中采樣位數，采樣率，比特率的名詞解釋（轉）
工程 性能 dvd 工作室 轉化 術語 意思 普通 時間間隔 采樣位數： 采樣位數可以理解為采集卡處理聲音的解析度。這個數值越大，解析度就越高，錄制和回放的聲音就越真實。我們首先要知道：電腦中的聲音文件是用數字0和1來表示的。所以在電腦上錄音的本質就是把模擬聲音信號轉換成
C++中sizeof（struct）怎麽計算？（轉）
color 發現 pre blank str io7 bsp com 說明 struct為空時，大小為1. 1、 sizeof應用在結構上的情況 請看下面的結構： 1 struct MyStruct 2 { 3 double dda1; 4 char dda; 5 int
TCP協議中的三次握手和四次揮手(圖解)（轉）
繼續 丟失 get 所有 如果 idt 請求報文 網絡 center 轉自：http://blog.csdn.net/whuslei/article/details/6667471 建立TCP需要三次握手才能建立，而斷開連接則需要四次握手。整個過程如下圖所示： 先來看看如
Spring中AOP的一個通俗易懂的理解（轉）
學會 事物 nbsp 連接 新的 之前 天都 這不 proxy 這是看到的一個最易懂得AOP簡介了，適合初學者理解。 轉自：http://www.verydemo.com/demo_c143_i20837.html 1.我所知道的aop 初看aop,上來就是一大堆術語，
Java中泛型T和Class<T>以及Class<?>的理解（轉）
tcl ota 特定 類型 基本 ext pla enum extend 註意：class是java的關鍵字, 在聲明Java類時使用; Class類的實例表示Java應用運行時的類（class ans enum）或接口（interface and annotatio
關於JS中變量提升的規則和原理的一點理解（二）
cnblogs 打印 blog javascrip 誤區 down mark fun ont 上篇文章中講到變量提升和函數提升的先後順序時蒙了，後來去查了一下資料，特別整理一下。 在《你不知道的JavaScript（上卷）》一書的第40頁中寫到：函數會首先被提升，然後才是變
對Spring框架的理解（轉）
體系 工廠方法 面向對象編程 整合 控制 應用 aop 低耦合 ati ① spring框架是一個開源而輕量級的框架，是一個IOC和AOP容器 ② spring的核心就是控制反轉（IOC）和面向切面編程（AOP） ③ 控制反轉（IOC）：是面向對象編程中的一種設計原則，
Linux中硬盤物理扇區與文件系統文件對應關系（轉）
通過命令 wid lsp www sta fdisk -l echo net 我們 1 概述 系統讀寫文件過程中，如下面內核打印信息，報告讀寫某個扇區錯誤。那麽我們如何能夠通過sector找到讀寫哪個文件錯誤？ kernel: end_reque
對TCP協議握手的理解（轉）
向上 重新啟動 應該 開始 不發送 開發 釋放 還要 knowledge 目錄： 31.Tcp握手的一些問題？ 21.Tcp三次握手及SYN攻擊； 四次握手？ 為什麽建立連接是三次握手，而關閉連接卻是四次揮手？ 13.TCP釋放連接四次握手 12.TCP建立連接三次握
python3對k-mean演算法的理解（轉）
1.隨機選取k個質心（k值取決於你想聚成幾類） random.sample(dataSet, k) k你是想聚類的個數 dataset是資料集合 是陣列 2.dataSet 取出一條資料 然後分別與centroidList中的k的值進行歐氏距離
JMeter中返回Json資料的處理方法（轉）
Json 作為一種資料交換格式在網路開發，特別是 Ajax 與 Restful 架構中應用的越來越廣泛。而 Apache 的 JMeter 也是較受歡迎的壓力測試工具之一，但是它本身沒有提供對於 Json&nb
無線網絡中，使用MDK3把指定的用戶或者熱點踢到掉線（轉）
欺騙 超過 bsp 信息 code www 參數 參考 wifi熱點 閱讀目錄 準備 驗證洪水攻擊 / Authentication Flood Attack 取消身份驗證攻擊 / Deauth攻擊 參考 回到頂部 準備 1：系統環境為ubu
Java中abstract class 和 interface 的解釋和他們的異同點（轉）
（一）概述 在Java語言中， abstract class 和interface 是支援抽象類定義的兩種機制。正是由於這兩種機制的存 在，才賦予了Java強大的 面向物件能力。abstract class和interface之間在對於抽象類定義的支援方面具有 很大的
對代理模式理解（轉）
代理，代表打理，以他人的名義代表委託人打理其本職工作之外或不所能及的事務，達成合作關係並更高效地促成事務完成的目的。例如明星經紀人，他們並沒有像明星一樣會唱歌、跳舞或演戲，而是替明星打理一些無暇顧及的事務（這並不代表可以代理分外之事），比如推廣與宣傳，合同談判啊之類，達成和約後他們才會通知明星去表演
LR中URL方式錄製和基於HTML錄製指令碼（轉）
1、 如何在lr中錄製js等 在錄製設定中選擇url_base,即可 2、cookie問題？ Simulate a new user on each iteration意味著每次Iteration的時候LR會把cookie和session之類的清除。所以如果指令碼中登入過程放
對mysql樂觀鎖、悲觀鎖、共享鎖、排它鎖、行鎖、表鎖概念的理解 （轉）
而在 狀態 line 主鍵 n) efault 你家 不一致 開啟 實驗環境： mysql5.6 存儲引擎：innoDB 我們在操作數據庫的時候，可能會由於並發問題而引起的數據的不一致性（數據沖突） 樂觀鎖樂觀鎖不是數據庫自帶的，需要我們自己去實現。樂觀鎖是指操作數據庫
MySQL中character set與collation的理解（轉）
var 數量 field nis ins character href The 方法 character set和collation的是什麽？ character set即字符集 我們常看到的UTF-8、GB2312、GB18030都是相互獨立的character se
opencv中的Mat型別向Eigen中的Matrix型別轉換
https://blog.csdn.net/yangliuqing19/article/details/60874290 參考：http://www.cnblogs.com/shang-slam/p/6064905.html