【opencv学习笔记】第二篇：详解基本图像容器Mat以及常用数据结构和函数
1. Mat简介
在Opencv1代的时候，是使用lplImage 和 CvMat 数据结构来表示图像的，他们都是C语言的结构，申请的内存需要自己手动管理，特别是采用 lplImage 会直接暴露内存，如果忘记释放内存，就会造成内存泄漏。为此，OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁。Mat的优点如下：
- 不需要手动申请一块内存；
- 在不需要时不用再手动
释放内存；- 赋值运算符和拷贝构造函数
只复制信息头；但可以通过函数clone()或者copyTo()来复制一幅图像的矩阵。- 可以通过类的
封装，方便的获取到数据的相关信息。
Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。
class CV_EXPORTS Mat
{
public：
/*..很多方法..*/
/*............*/
int flags;/*flags指定图像的颜色空间
flags > 0 3通道的彩色图像
flags = 0 灰度图像
flags < 0 不作改变
*/
int dims; /*矩阵的维数*/
int rows,cols; /*行和列的数量;矩阵的维数超过2维时为(-1，-1)*/
uchar *data; /*指向数据*/
int * refcount; /*指针的引用计数器; 阵列指向用户分配的数据时，指针为 NULL
/* 其他成员 */
...
};
2. Mat常用成员及含义
2.1 成员变量
Mat的常用成员变量列表如下：
| 变量 | 解释说明 |
|---|---|
| rows | 行 |
| cols | 列 |
| dims | 矩阵的维度，二维矩阵dims=2，三维矩阵dims=3 |
| data | 指是指向矩阵数据的uchar类指针，用*解引用后再强转为int可以读到第一个像素数据。 |
说明：
2.2 成员函数
Mat常用成员函数列表如下：
| 成员函数 | 解释说明 |
|---|---|
| channels() | 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则image.channels() = 3。 |
| size() | 该方法返回一个矩阵大小：size(cols, rows)。矩阵超过 2 维时返回大小为（-1，-1）。 |
| type() | 矩阵中元素的类型以及矩阵的通道个数，它是一系列的预定义的常量，其命名规则为CV_(位数）+（数据类型）+（通道数）。 |
| depth() | 矩阵中元素的一个通道的数据类型,这个值和type是相关的。例如 type为 CV_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV_16S。 |
| empty() | 如果数组有没有 elemens，则返回 true。 |
| isContinuous() | 判断矩阵是否是连续存储的 |
| elemSize() | 矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes，即每个元素占6个字节。 |
| elemSize1() | 单个元素在1个通道中的大小。elemSize1() = sizeof(数据类型) = elemSize() / channels()。 |
| step[i] | step是一个数组，定义了矩阵的布局，以二维矩阵为例，step[0]表示第一维度的单位长度占用字节数(即每行)，step[1]表示第二维度的单位长度占用字节数(即每个元素) |
| step1(i) | step1也是一个数组，但是是使用()访问的，这个数组在step[i]的基础上/elemSize1() |
说明：
- 将type的预定义值
去掉通道信息就是depth值
3. cv::Mat类对象的创建方法
3.1 构造函数
cv::Mat M1(3, 3, CV_8UC4, cv::Scalar(0, 0, 0, 255));
std::cout << "M1 = " << std::endl << M1 << std::endl;
这里使用了构造函数对Mat进行定义，分别指定行数、列数、4通道的矩阵，每个点的颜色为(0, 0, 0, 255)。该例的输出结果为：
M1 =
[ 0, 0, 0, 255, 0, 0, 0, 255, 0, 0, 0, 255;
0, 0, 0, 255, 0, 0, 0, 255, 0, 0, 0, 255;
0, 0, 0, 255, 0, 0, 0, 255, 0, 0, 0, 255]
3.2 通过数组初始化矩阵维数
int sz[2] = { 3, 3 };//矩阵维数3*3
cv::Mat M2(2, sz, CV_8UC1, cv::Scalar::all(0));
std::cout << "M2 = " << std::endl << M2 << std::endl;
M2的分别指定了2维、sz指定了3行3列、单通道8位无符号和全部元素都为0，输出结果如下：
M2 =
[ 0, 0, 0;
0, 0, 0;
0, 0, 0]
3.3 通过create函数来初始化
cv::Mat M3;
M3.create(4, 4, CV_8UC(1));
std::cout << "M3 = " << std::endl << M3 << std::endl;
create构造了4*4的单通道8位无符号，并且矩阵中的数据位随机值。如下：
[205, 205, 205, 205;
205, 205, 205, 205;
205, 205, 205, 205;
205, 205, 205, 205]
3.4 通过opencv提供的类似于matlab的函数创建
cv::Mat mat_eye= cv::Mat::eye(4, 4, CV_64F);//对角
std::cout << "mat_eye= " << std::endl << mat_eye<< std::endl;
cv::Mat mat_ones= cv::Mat::ones(4, 4, CV_64F);//全1
std::cout << "mat_ones= " << std::endl << mat_ones<< std::endl;
cv::Mat mat_zeros= cv::Mat::zeros(4, 4, CV_64F);//全0
std::cout << "mat_zeros= " << std::endl << mat_zeros<< std::endl;
eye函数表示的是单位矩阵，ones为全1的矩阵，zeros表示全是0的矩阵。输出如下：
mat_eye=
[1, 0, 0, 0;
0, 1, 0, 0;
0, 0, 1, 0;
0, 0, 0, 1]
mat_ones=
[1, 1, 1, 1;
1, 1, 1, 1;
1, 1, 1, 1;
1, 1, 1, 1]
mat_zeros=
[0, 0, 0, 0;
0, 0, 0, 0;
0, 0, 0, 0;
0, 0, 0, 0]
3.5 数据自定义矩阵Mat创建
cv::Mat M4 = (cv::Mat_<double>(3, 3) << 0, -1, 0, -1, 0, 0, 0, 0, 1);
std::cout << "M4 = " << std::endl << M4 << std::endl;
创建M4的矩阵如下所示：
M4 =
[0, -1, 0;
-1, 0, 0;
0, 0, 1]
3.6 通过clone或者copyTo() 函数创建不同的Mat
cv::Mat M5 = M4.row(1).clone();//拷贝第一行
std::cout << "M5 = " << std::endl << M5 << std::endl;
Mat F = A.clone();//拷贝A矩阵
Mat G;
A.copyTo(G);//拷贝A矩阵
clone为深拷贝，输出结果如下：
M5 =
[-1, 0, 0]
除了clone和copyTo函数，类似于拷贝构造函数、赋值运算符的运算等都是通过采用引用的方式，即多个Mat对象共享同一个矩阵数据，这里使用的原理类似c++11中的共享指针，也就是说
它们共享矩阵数据,而不共享矩阵头。
3.7 创建感兴趣区域（ROI）
创建感兴趣区域也是共享矩阵。
Mat D(A, Rect(10, 10, 100, 100));//使用矩阵界定
Mat E(Range:all(), Range(1, 3));//使用行和列来界定
R
3.8 为已存在的IplImage指针创建信息头
IplImage* iplImg = cvLoadImage("greatwave.jpg", 1);
Mat mtx(iplImg);
4. 像素值的存储方法
存储像素值需要指定颜色空间和数据类型，最简单的颜色空间为灰度级空间，只处理黑色和白色，对它们进行组合便可以产生不同的灰色。
RGB颜色空间是最常用的颜色空间，这归功于它也是人眼内部构成颜色的方式。有时为了表示透明颜色也会加入第4个元素alpha(A)。
颜色系统有很多，具体如下：
- RGB是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用的。
- HSV和HLS把颜色分解成色调、饱和度和亮度/明度。这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
- YCrCb在JPEG图像格式中被广泛使用。
- CIE Lab*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。
每个组成元素都有其定义域，定义域取决于其数据类型。如最小的数据类型是char，占一个字节，可以是有符号类型(0到255之间)或无符号类型(-127到+127之间)。尽管使用三个char可以表示1600万种颜色，但是使用float或者double则能给出更加精细的颜色分辨能力。
5. 点的表示：Point类
Point类数据结构表示了二维坐标系下的点。
Point point;
point.x = 10;
point.y = 8;
或者
Point point = Point(10, 8);
关于Point有如下定义：
typedef Point_<int> Point2i;
typedef Point2i Point;//Point类型
typedef Point_<float> Point2f;//float类型，同理还有Point3f
5. 颜色的表示：Scalar类
Scalar()表示具有4个元素的数组，在OpenCV中被大量用于传递像素值，如RGB颜色值。
Scalar(a, b, c);//红色：c 绿色：b 蓝色：a
Scalar类的源头为Scalar_类，而Scalar_类是Vec4x的一个变种，我们常用的Scalar其实就是Scalar_
Vec是Matx的一个派生类，Matx是一个轻量级的Mat，Matx必须在使用前规定好大小。
6. 尺寸的表示：Size类
Size的定义如下：
typedef Size_<int> Size2i;
typedef Size2i Size;
Size_是一个模板类，使用频率最高的是下面的这个构造函数：
Size_ (_Tp _width, _Tp -height);
下面给出示例：
Size(5, 5);//宽度和高度都是5
7. 矩阵的表示：Rect类
Rect的成员变量有x，y，width，height，分别为左上角点的坐标和矩阵的宽和高。常用的成员函数有：
- Size()：返回值为Size；
- area()；返回矩阵的面积；
- contains(Point)：判断点是否在矩形内；
- inside(Rect)：判断矩形是否在该矩形内；
- tl()：返回左上角点坐标；
- br()：返回右下角坐标；
求矩阵的常用操作：
Rect rect = rect1 & rect2;//交集
Rect rect = rect1 | rect2;//并集
Rect rectShift = rect + point;//矩阵平移
Rect rectScale = rect + size;//矩阵缩放
9. 颜色空间转换：cvtColor函数
关于cvtColor可以参考这篇文章。