Opencv 常用变量类型(Mat详解)

1.常用变量类型

1.1 基本变量

Basic data types are those that are assembled directly from C++ primitives ( int , float , etc.)

1.2 几何概念

Simple geometric concepts like points, rectangles, sizes, and the like

1.2.1 Matx

Matx是个轻量级的矩阵，必须在使用前确定其尺寸与类型.
源码定义:

/** @brief Template class for small matrices whose type and size are known at compilation time**/
template<typename _Tp, int m, int n> class Matx

使用范例:

    Matx33f m(1, 2, 3,
              4, 5, 6,
              7, 8, 9);
    cout << sum(Mat(m*m.t())) << endl;

1.2.2 Vec

vec是一个模板类，主要用于数值向量。我们可以定义任何类型的向量和大量的组件：
源码定义:

template<typename _Tp, int cn> class Vec : public Matx<_Tp, cn, 1>

使用范例:

Vec<double,19> myVector;

上面的代码表示我们这一类Vec中数据以double类型存储，每个Vec对象可以存储19个值。同理，double可以换为int,float等类型，19也可以变化。显然不能为非正数和极大数。

当然也可以用宏定义：

typedef Vec<uchar,2> Vec2b;
typedef Vec<uchar,3> Vec3b;
typedef Vec<short,2> Vec2s;

typedef Vec<short,3> Vec3s;
typedef Vec<ushort, 2> Vec2w;
typedef Vec<ushort, 3> Vec3w;

typedef Vec<int, 2> Vec2i;
typedef Vec<int, 3> Vec3i;

typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;

typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;

1.2.3 Scalar

Scalar是常量,在opencv中通常用于传递与设置像素值，如RGB的颜色值。而RGB的颜色值为三个参数(三通道)，对与Scalar函数来说，第四个参数可以忽略不写出。
源码定义:

/** @brief Template class for a 4-element vector derived from Vec.
*/
template<typename _Tp> class Scalar_ : public Vec<_Tp, 4>

1.2.4 Point

够直观了吧,不解释了

与Vec类一样，有以下别名：

Point2i Point2f Point3f Point3i

使用范例:

Point2f p1(6,2);
Point3f p2(1,2,3);

即可定义二维点和三维点。

1.2.5 Size

The primary difference between the two is that the point
classes’ data members are named x and y , while the corresponding data members in
the size classes are named width and height .

源码定义:

    //! the area (width*height)
    _Tp area() const;
    //! aspect ratio (width/height)
    double aspectRatio() const;

1.2.6 Rect

也比较直观.


RotateRect 我们后续讲解.

1.2.7 Range

Range类通常用于确定图片的一块范围.
源码定义:

class Range
{
public:
    Range(int _start, int _end);
	/*...*/
    int start, end;
};

使用实例:

roi_img = src_img(Range(0,100),Range(50,200));

这里截取的就是原图第0行至第99行,第50列至199列的区域图像.
这里要注意的就是Range的两个参数范围分别为左闭右开

1.3 Mat

1.3.1特点:

最强大的类.不再需要手动分配其大小并且不再需要手动释放它,OpenCV 函数将手动自动其输出数据。

Mat本质上是由两个数据部分组成的类：
矩阵头（包含信息有矩阵的大小，用于存储的方法，矩阵存储的地址等）
一个指针，指向包含了像素值的矩阵（可根据选择用于存储的方法采用任何维度存储数据）。

注意:使用拷贝构造函数和赋值运算符只是进行了矩阵头和指针的拷贝,矩阵像素值并没有得到相应的拷贝!

Mat A, C; //仅创建了头部
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); //在此我们知道使用的方法（分配矩阵）
Mat B(A); //使用拷贝构造函数
C = A;    //赋值运算符

对于深拷贝,你需要做的是clone 或者 copyTo

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

1.3.2成员属性:

    int flags;
    //! the matrix dimensionality, >= 2
    int dims;
    //! the number of rows and columns or (-1, -1) when the matrix has more than 2 dimensions
    int rows, cols;
    //! pointer to the data
    uchar* data;

1.3.2.1 关于flags:

    /*! includes several bit-fields:
         - the magic signature
         - continuity flag
         - depth
         - number of channels
     */

参考网站:https://blog.csdn.net/yiyuehuan/article/details/43701797

int Mat::type() const
{
    return CV_MAT_TYPE(flags);
    /*
     #define CV_MAT_TYPE(flags)      ((flags) & CV_MAT_TYPE_MASK)
     #define CV_MAT_TYPE_MASK        (CV_DEPTH_MAX*CV_CN_MAX - 1) = 12'1111 1111 1111
     #define CV_CN_MAX     512   
     #define CV_CN_SHIFT   3
	 #define CV_DEPTH_MAX  (1 << CV_CN_SHIFT) == 8 
     */
     == > CV_MAT_TYPE(flags)=((flags) & (12'1111 1111 1111)) 
}

1.3.2.2 关于类型:

CV_ [每一项的位数] [有符号或无符号] [类型前缀] C [通道数]

具体数据类型和返回值关系:

参考网站:https://segmentfault.com/a/1190000015653101

1.3.3 元素访问

at方法:
返回的是一个元素类型!

格式: img.at< type >(row, col)[channel];

ptr 方法:
比at更快

格式: img.ptr< type >(row)[col];
if the array type is CV_32FC3 , the return value will be of type float*

    Mat m(3,3,CV_8UC3,Scalar(3,2,1));
    cout<<m<<endl;
    auto i =m.ptr(0)[1];
    Vec3b k =m.ptr(0)[1];//默认char*
    Vec3b j =m.at<Vec3b>(0,1);
    cout<<"\ni: "<<(int)i<<"\nk: "<<k<<" \nj: "<<j<<endl;

iterator方法:
和STL类似

// 三通道
Mat_<Vec3b>::iterator it = image.begin<Vec3b>() ;
Mat_<Vec3b>::iterator itend = image.end<Vec3b>() ;
for(;it != itend ; ++ it){
	std::cout << (*it)[0] << std::endl;
	std::cout << (*it)[1] << std::endl;
	std::cout << (*it)[2] << std::endl;
}
// 单通道
std::cout << (*it1) << std::endl;

continuous+channels (最好):

int nRows = image.rows ;
int nCols = image.cols * image.channels() ;

if(image.isContinuous()){
    nCols = nRows * nCols ;
    nRows = 1 ;
}
for(int h = 0 ; h < nRows ; ++ h){
    uchar *ptr = image.ptr<double>(h) ;
    for(int w = 0 ; w < nCols ; ++ w)
        std::cout << *ptr++ << std::endl;
}

1.3.4 初始化方法

平地起高楼:


从其他Mat进行浅拷贝:(注意,仍然是矩阵头的拷贝)

    Mat m(3,3,CV_8UC3,Scalar(3,2,1));
    Mat n(m,Range(0,2),Range(0,2));
    n.ptr(0)[1]=55;
    cout<<"m: \n"<<m<<"\nn: \n"<<n<<endl;

2.常用函数