聊聊Qt+OpenCV联合开发之图像的创建与赋值问题

目录

• 一、Mat基本结构
•  二、图像的克隆及拷贝
• 1、clone函数
• 2、copyTo函数
• 3、示例
•  三、创建图像
• 1、创建空白图像：
• 2、创建通道都为1的图：
•  3、拷贝和赋值的区别
• 3.1用Scalar函数设置m3对象为绿色
•  3.2m3赋值给m4，m4改为黄色
• 3.3拷贝m3给m4，m4改为黄色

一、Mat基本结构

1、Mat不但是一个非常有用的图像容器类,同时也是一个通用的矩阵类，它mat分为头部（包括图像的大小、宽高、类型、通道数等）和数据部分（像素的值的集合）

2、获取的mat对象赋值给另一个对象时候，相当于把这个指针重新指向原来的数据，实质上还是指向同一个DataBlock。只有在进行克隆或者拷贝的时候，才会把这个Mat中所有的数据复制一份供你使用。Mat基本结构如图所示。

 补充：

1、数据部分主要包含图像的像素数据，各个像素点的像素值。若单通道，每个像素点只有一个值；若三通道，每个像素点有三个值。

2、Mat 对象的创建有多种方式：克隆、复制、赋值、构造函数。速度从快到慢：构造函数、赋值、复制、克隆

赋值法：赋值产生的对象与原赋值对象指向同一个内存地址Data Block。（浅拷贝）Copy/clone法：会产生的新内存对象，指向独立的Data Block。（深拷贝）构造函数：Mat img_constructe(src);//src为图片源地址

下面主要介绍图像的克隆及拷贝 

 二、图像的克隆及拷贝

1、clone函数

Mat img_clone = src.clone();

2、copyTo函数

c++原型：

 参数一：OutputArray，目标矩阵（输出的图片）。

3、示例

同以前一样，声明函数放在test1.h文件里，实现放在test1.cpp文件里

在main中测试

从下图可以看出，显示的两张图没什么区别

 三、创建图像

1、创建空白图像：

 如图所示

 此处zeros的函数原型:

  参数一：size，矩阵（图像）大小。

  参数二：type，图像类型

OpenCv的源代码中提到：(_type is CV_8UC1, CV_64FC3, CV_32SC(12) etc.)

CV_8UC1,CV_64FC3是枚举类型，所以这里的type可以是任何的预定义类型，结构如下:

CV_(S|U|F)C

1、bit_depth-----比特数-----代表8bite,16bites,32bites,64bites
如果你现在创建了一个存储--灰度图片的Mat对象,这个图像的大小为宽100,高100,那么,现在这张灰度图片中有10000个像素点，它每一个像素点在内存空间所占的空间大小是8bite,8位对应的就是CV_8

 2、S|U|F--S--代表signed int---有符号整形
 U--代表--unsigned int----无符号整形
 F--代表--float---------单精度浮点型

3、C----代表一张图片的通道数,比如:
 1--灰度图片--grayImg---单通道图像
 2--RGB彩色图像---------3通道图像
 3--带Alph通道的RGB图像----4通道图像

如果不带通道数的这些类型就是默认通道数为1。

例如，CV_8U就等同于CV_8UC1，CV_32S就等同于CV_32SC1。

 将上述的代码修改成三通道后：

 可以看出原矩阵从8×8变为了24×8，因为原来是单通道，而现在为3通道，代表着每个像素点包含了3个像素值，可以说明图像在Mat上面真正的宽度等于通道数乘以Mat定义矩阵的宽度，即3*8=24。

2、创建通道都为1的图：

但是每个通道都为1的图不能用在三通道上，如图，结果就是每个像素点的第一个通道为1，其余通道都为0。

其实我们也可以对m3赋值，来改变他的第一个通道的值。

如果想要每个通道的值都为127，可以通过调用Scalar函数

 3、拷贝和赋值的区别

3.1用Scalar函数设置m3对象为绿色

 3.2m3赋值给m4，m4改为黄色

3.3拷贝m3给m4，m4改为黄色

区别：拷贝不会改变原对象，而赋值则m4一变m3也会随之改变

 原创不易，转载请注明出处：

https://blog.csdn.net/hml111666/article/details/122696593

CV_8UC1,CV_32FC3等参数的含义参考链接：

https://blog.csdn.net/qq_37764129/article/details/82078255

到此这篇关于Qt+OpenCV联合开发之图像的创建与赋值的文章就介绍到这了,更多相关Qt+OpenCV联合开发内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！