OpenCV—基本矩阵操作与示例

OpenCV的基本矩阵操作与示例

OpenCV中的矩阵操作非常重要，本文总结了矩阵的创建、初始化以及基本矩阵操作，给出了示例代码，主要内容包括：

• 创建与初始化
• 矩阵加减法
• 矩阵乘法
• 矩阵转置
• 矩阵求逆
• 矩阵非零元素个数
• 矩阵均值与标准差
• 矩阵全局极值及位置
• 其他矩阵运算函数列表

1. 创建与初始化矩阵

1.1 数据类型

建立矩阵必须要指定矩阵存储的数据类型，图像处理中常用的几种数据类型如下：

CV_8UC1// 8位无符号单通道
CV_8UC3// 8位无符号3通道
CV_8UC4
CV_32FC1// 32位浮点型单通道
CV_32FC3// 32位浮点型3通道
CV_32FC4

包括数据位深度8位、32位，数据类型U:uchar、F:float型以及通道数C1：单通道、C3：三通道、C4：四通道。

1.2 基本方法

我们可以通过载入图像来创建Mat类型矩阵，当然也可以直接手动创建矩阵，基本方法是指定矩阵尺寸和数据类型：

// 基本方法
	cv::Mat a(cv::Size(5,5),CV_8UC1); // 单通道
	cv::Mat b = cv::Mat(cv::Size(5,5),CV_8UC3); //3通道每个矩阵元素包含3个uchar值
	cout<<"a  = "<

运行结果：

3通道矩阵中，一个矩阵元素包含3个变量。

1.3 初始化方法

上述方法不初始化矩阵数据，因此将出现随机值。如果想避免这种情况，可使用Mat类的几种初始化创建矩阵的方法：

// 初始化方法
	cv::Mat mz = cv::Mat::zeros(cv::Size(5,5),CV_8UC1); // 全零矩阵
	cv::Mat mo = cv::Mat::ones(cv::Size(5,5),CV_8UC1);  // 全1矩阵
	cv::Mat me = cv::Mat::eye(cv::Size(5,5),CV_32FC1);  // 对角线为1的对角矩阵
	cout<<"mz = "<
 
   

 
   
 
   
2. 矩阵运算
 
   

 
   
2.1 基本概念
 
   
 OpenCV的Mat类允许所有的矩阵运算。
 
   

 
   
2.2 矩阵加减法
 我们可以使用"+"和"-"符号进行矩阵加减运算。 
  

cv::Mat a= Mat::eye(Size(3,2), CV_32F);
cv::Mat b= Mat::ones(Size(3,2), CV_32F);
cv::Mat c= a+b;
cv::Mat d= a-b;

2.3 矩阵乘法

使用"*"号计算矩阵与标量相乘，矩阵与矩阵相乘（必须满足矩阵相乘的行列数对应规则）

	Mat m1= Mat::eye(2,3, CV_32F); //使用cv命名空间可省略cv::前缀，下同
	Mat m2= Mat::ones(3,2, CV_32F);
	cout<<"m1  = "<

2.4 矩阵转置

矩阵转置是将矩阵的行与列顺序对调（第i行转变为第i列）形成一个新的矩阵。OpenCV通过Mat类的t()函数实现。

// 转置
	Mat m1= Mat::eye(2,3, CV_32F);	
	Mat m1t = m1.t();
	cout<<"m1  = "<

运行结果：

2.5 求逆矩阵

逆矩阵在某些算法中经常出现，在OpenCV中通过Mat类的inv()方法实现

// 求逆
	Mat meinv = me.inv();
	cout<<"me  = "<

运行结果：

单位矩阵的逆就是其本身。

2.6 计算矩阵非零元素个数

计算物体的像素或面积常需要用到计算矩阵中的非零元素个数，OpenCV中使用countNonZero()函数实现。

// 非零元素个数
	int nonZerosNum = countNonZero(me); // me为输入矩阵或图像
	cout<<"me  = "<

运行结果：

2.7 均值和标准差

OpenCV提供了矩阵均值和标准差计算功能，可以使用meanStdDev(src,mean,stddev)函数实现。

参数

• src – 输入矩阵或图像
• mean – 均值，OutputArray
• stddev – 标准差，OutputArray

// 均值方差
	Mat mean;
	Mat stddev;
	meanStdDev(me, mean, stddev); //me为前文定义的5×5对角阵
	cout<<"mean = "<

运行结果：

需要说明的是，如果src是多通道图像或多维矩阵，则函数分别计算不同通道的均值与标准差，因此返回值mean和stddev为对应维度的向量。

	Mat mean3;
	Mat stddev3;
	Mat m3(cv::Size(5,5),CV_8UC3,Scalar(255,200,100));
	cout<<"m3  = "<

多通道矩阵运算结果：

2.8 求最大最小值

求输入矩阵的全局最大最小值及其位置，可使用函数：

void minMaxLoc(InputArray src, CV_OUT double* minVal,
                           CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,
                           CV_OUT Point* maxLoc=0, InputArray mask=noArray());

参数：

• src – 输入单通道矩阵（图像）.
• minVal – 指向最小值的指针， 如果未指定则使用NULL
• maxVal – 指向最大值的指针， 如果未指定则使用NULL
• minLoc – 指向最小值位置（2维情况）的指针， 如果未指定则使用NULL
• maxLoc – 指向最大值位置（2维情况）的指针， 如果未指定则使用NULL
• mask – 可选的蒙版，用于选择待处理子区域

// 求极值 最大、最小值及其位置
	Mat img = imread("Lena.jpg",0);
	imshow("original image",img);

	double minVal=0,maxVal=0;
	cv::Point minPt, maxPt;
	minMaxLoc(img,&minVal,&maxVal,&minPt,&maxPt);
	cout<<"min value  = "<

运行结果：


输入图像及其最大最小值位置

3. 其他矩阵运算

其他矩阵运算函数见下表：

Function (函数名)	Use (函数用处)
add	矩阵加法，A+B的更高级形式，支持mask
scaleAdd	矩阵加法，一个带有缩放因子dst(I) = scale * src1(I) + src2(I)
addWeighted	矩阵加法，两个带有缩放因子dst(I) = saturate(src1(I) * alpha + src2(I) * beta + gamma)
subtract	矩阵减法，A-B的更高级形式，支持mask
multiply	矩阵逐元素乘法，同Mat::mul()函数，与A*B区别，支持mask
gemm	一个广义的矩阵乘法操作
divide	矩阵逐元素除法，与A/B区别，支持mask
abs	对每个元素求绝对值
absdiff	两个矩阵的差的绝对值
exp	求每个矩阵元素 src(I) 的自然数 e 的 src(I) 次幂 dst[I] = esrc(I)
pow	求每个矩阵元素 src(I) 的 p 次幂 dst[I] = src(I)p
log	求每个矩阵元素的自然数底 dst[I] = log|src(I)| (if src != 0)
sqrt	求每个矩阵元素的平方根
min, max	求每个元素的最小值或最大值返回这个矩阵 dst(I) = min(src1(I), src2(I)), max同
minMaxLoc	定位矩阵中最小值、最大值的位置
compare	返回逐个元素比较结果的矩阵
bitwise_and, bitwise_not, bitwise_or, bitwise_xor	每个元素进行位运算，分别是和、非、或、异或
cvarrToMat	旧版数据CvMat,IplImage,CvMatND转换到新版数据Mat
extractImageCOI	从旧版数据中提取指定的通道矩阵给新版数据Mat
randu	以Uniform分布产生随机数填充矩阵，同 RNG::fill(mat, RNG::UNIFORM)
randn	以Normal分布产生随机数填充矩阵，同 RNG::fill(mat, RNG::NORMAL)
randShuffle	随机打乱一个一维向量的元素顺序
theRNG()	返回一个默认构造的RNG类的对象  theRNG()::fill(...)
reduce	矩阵缩成向量
repeat	矩阵拷贝的时候指定按x/y方向重复
split	多通道矩阵分解成多个单通道矩阵
merge	多个单通道矩阵合成一个多通道矩阵
mixChannels	矩阵间通道拷贝，如Rgba[]到Rgb[]和Alpha[]
sort, sortIdx	为矩阵的每行或每列元素排序
setIdentity	设置单元矩阵
completeSymm	矩阵上下三角拷贝
inRange	检查元素的取值范围是否在另两个矩阵的元素取值之间，返回验证矩阵
checkRange	检查矩阵的每个元素的取值是否在最小值与最大值之间，返回验证结果bool
sum	求矩阵的元素和
mean	求均值
meanStdDev	均值和标准差
countNonZero	统计非零值个数
cartToPolar, polarToCart	笛卡尔坐标与极坐标之间的转换
flip	矩阵翻转
transpose	矩阵转置，比较 Mat::t() AT
trace	矩阵的迹
determinant	行列式 |A|, det(A)
eigen	矩阵的特征值和特征向量
invert	矩阵的逆或者伪逆，比较 Mat::inv()
magnitude	向量长度计算 dst(I) = sqrt(x(I)2 + y(I)2)
Mahalanobis	Mahalanobis距离计算
phase	相位计算，即两个向量之间的夹角
norm	求范数，1-范数、2-范数、无穷范数
normalize	标准化
mulTransposed	矩阵和它自己的转置相乘 AT * A, dst = scale(src - delta)T(src - delta)
convertScaleAbs	先缩放元素再取绝对值，最后转换格式为8bit型
calcCovarMatrix	计算协方差阵
solve	求解1个或多个线性系统或者求解最小平方问题(least-squares problem)
solveCubic	求解三次方程的根
solvePoly	求解多项式的实根和重根
dct, idct	正、逆离散余弦变换，idct同dct(src, dst, flags | DCT_INVERSE)
dft, idft	正、逆离散傅立叶变换, idft同dft(src, dst, flags | DTF_INVERSE)
LUT	查表变换
getOptimalDFTSize	返回一个优化过的DFT大小
mulSpecturms	两个傅立叶频谱间逐元素的乘法

上表引自：http://blog.sina.com.cn/s/blog_7908e1290101i97z.html

转载请注明出处（本文更新链接）：http://blog.csdn.net/iracer/article/details/51296631