学习OpenCV（3）了解OpenCV的数据类型-1

目录

openCV的数据类型

基础类型

固定向量类cv::Vec<>

固定矩阵类 cv::Matx<>

cv::Point<>类

cv::Scalar<>

Size类

cv::Rect类

cv::RotatedRect类

复数类

---

openCV的数据类型

OpenCV有很多数据类型，他们都基于一些重要视觉概念的抽象而设计，以此提供相对简单、直观的表示和处理。

OpenCV的基础数据类型主要分为三类：

1. 第一类是直接从C++原语中继承的基础数据类型（如int和float等）。

2. 第二类是辅助对象：这些对象代表更抽象的概念，比如垃圾收集指针类、用于数据切片的范围对象（range objects）以及抽象的终止条件等。

3. 第三类可以称为大型数组类型。这些对象原本目的是涵盖数组或一些其他的原语、程序集或更常见的基础数据类型。代表：cv::Mat

OpenCV还使用了很多标准模板库（STL）。OpenCV相当依赖vector类，许多OpenCV库函数在参数列表中有vector模板类。

基础类型

固定向量类cv::Vec<>

最简单的基础数据类型是模板类cv::Vec<>，它是一个原语的容器类，即固定向量类。

固定向量类是从固定矩阵类派生出来的，固定向量模板cv::Vec 是列为 1 的cv::Matx<>

cv::Vec<>是一个适用任何类型的容器。

虽然cv::Vec<>是模板，但一般使用它的别名（typedef）以便用于通用的实例。任何有着cv::Vec{2, 3, 4, 6}{b, w, s, i, f, d}形式的生命，对于2-6个维度的6种数据类型的任何组合都是有效的。

例如：

名称	对应解释
cv::Vec2i	2个元素的整型向量
cv::Vec3i	3个元素的整型向量
cv::Vec4d	4个元素的双精度浮点向量

6种数据类型的对应：

缩写	数据类型
b	unsigned char
w	unsigned short
s	short
i	int
f	float
d	double

cv::Vec 支持的操作

操作	示例
默认构造函数	cv::Vec2s v2s;
复制构造函数	cv::Vec3f u3f(v3f);
值构造函数	cv::Vec6d v6d(x0, x1, x2, x3, x4, x5);
成员访问	u3f[i]; u3f(j); ( ()和[] 操作符都可以使用)
向量叉乘	v3f.cross(u3f);（仅用于三维，其他异常）

int main()
{
	cv::Vec v3b;
	cv::Vec2b v2b(1, 2);
	cv::Vec2b v2b2(3, 5);

	cv::Vec3f v3b2(1, 2, 3);
	cv::Vec3f v3b3(2, 5, 3);

	int n = v2b[1];
	cout << "元素访问：" << (int)v2b[1] << (int)v2b(1) << endl;

	cv::Vec3f res = v3b2.cross(v3b3);
	cout << "叉乘：" << res[1] << endl;

	return EXIT_SUCCESS;
}

固定矩阵类 cv::Matx<>

cv::Matx<>并不是用于大型数组的，相反，它是设计用于一些特定的小型矩阵操作。

cv::Matx<>一般都以别名cv::Matx{1,2,3,4,6}{1,2,3,4,6}{f,d}的形式应用。

固定矩阵类的维度在编译之前必须已知，正因如此使得固定矩阵类的运算效率高，同时消除了许多动态内存分配操作。内部的数据都是在栈上分配的，所以分配和清楚都很快。

固定矩阵类也是在OpenCV的C++接口中基本类型的核心。

当你要表示一个用来处理矩阵代数的矩阵时，就需要用到固定矩阵类。

cv::Matx支持的操作

操作	示例
默认构造函数	cv::Matx33f m33f; cv::Matx43d m43d;
复制构造函数	cv::Matxm22d(n22d);
值构造函数	cv::Matx22d m(x0, x1, x2, x3);
含相同元素的矩阵	m33f = cv::Matx33f::all(x);
全零矩阵	m23d = cv::Matx23d::zeros();
全一矩阵	m16f = cv::Matx16f::ones();
创建一个单位矩阵	m33f = cv::Matx33f::eye();
创建一个可以容纳另一个矩阵对角线的矩阵	m31f = cv::Matx33f::diag();
创建一个均匀分布的矩阵	m33f = cv::Matx33f::randu(min, max);
创建一个正态分布的矩阵	m33f = cv::Matx33f::nrandn(mean, variance);
成员访问	m(i, j); m(i)（一个参数只对应一维矩阵）
矩阵代数运算	m1 = m0; m1 * m0; m0 + m1; m0 - m1
单例（singleton）代数	m*a; a*m; m / a;
比较	m1 == m2; m1 != m2;
点积（元素相乘的积，单精度）	m1.dot(m2);
点积（元素相乘的积，双精度）	m1.ddot(m2);
改变矩阵形状	m91f = m33f.reshape<9, 1>();
变换操作符(类型转换)	m44f = (cv::Matx44f)m44d;
提取（i,j）处的2*2子矩阵	m44f.get_minor<2, 2>(i, j);
提取第 i 行	m14f = m44f.row(i);
提取第 j 列	m41f = m44f.col(j);
提取矩阵对角线	m41f = m44f.diag();
计算转置	m44f = m44f.t();
逆矩阵	n44f = m44f.inv(method);（默认方法：cv::DECOMP_LU）
解线性系统	m31f = m33f.solve( rhs31f, method ); m32f = m33f.solve<2>( rhs32f, method );（默认方法:DECOMP_LU）
逐元素相乘	m1.mul( m2 );

解线性系统：当隐含的矩阵方程的右边有多个列时使用模板的形式，在上例中，本质是在同时解决k个不同的系统，k的值必须作为模板参数传递给solve<>();它还决定结果矩阵中的列数。

bool cv::solve(
	inputArray		src1,
    inputArray		src2,
    outputArray		dst,
    int				flags = DECOMP_LU
);
//解线性方程 A*X=B
//src1 线性系统的左侧（相当于上面的A），src2 线性系统的右侧（相当于上面的B），dst 输出的解决方案（相当于要求解的X）,flag为使用的方法
//使用CV_LU方法，如果src1不是奇异矩阵（奇异矩阵行列式为0 ，没有逆矩阵）则返回1，否则返回0 
//如果A是奇异矩阵 也就不存在逆矩阵 所以无法计算

cv::Point<>类

Point类由自己的模板派生的，但同时他们也可以从固定向量类转换得到。

Point类和固定向量类之间不同处：

1. Point类：成员通过名称变量访问的（mypoint.x, mypoint.y）

2. Vec类：成员通过下标访问（myvec[0], myvec[1]）

Point类是通过别名调用作为一个正确模板的实例。这些别名可以是：cv::Point2i, cv::Point2f, cv::Point2d, cv::Point3i, cv::Point3f, cv::Point3d.

下表中有几个非常重要的受支持的操作，但它们是间接的通过隐式转换到固定向量类而受支持。这些操作显著包含所有的向量(vector)和标量（singleton），重载了线性代数的操作符以及比较运算符。

注释：singleton表示：任何类型的向量都是一个数组的实例。

Point类支持的操作

操作	示例
默认构造函数	cv::Point2i p;cv::Point3i p;
复制构造函数	cv::Point3f p2(p1);
值构造函数	cv::point2i(x0, x1); cv::Point3d p(x0, x1, x2);
构造成固定向量类	(cv::Vec3f) p;
成员访问	p.x; p.y;p.z;
点乘	float x = p1.dot( p2 )
双精度点乘	double x = p1.ddot( p2 )
叉乘(矢量积)	p1.cross( p2 )（只针对3维point）
判断一个点p是否在矩形r内	p.inside( r )（只针对2维point）

cv::Scalar<>

cv::Scalar本质上是一个四维Point类，且一般是双精度四元素向量的别名。其所有成员都是双精度浮点数。

cv::Scalar对象的元素是通过证书下标来访问的，与cv::Vec<>相同，因为cv::Scalar直接继承cv::Vec实例。

cv::Scalar类支持的操作

操作	示例
默认构造函数	cv::Scalar s;
复制构造函数	cv::Scalar s2(s1);
值构造函数	cv::Scalar s(x0); cv::Scalar s(x0, x1, x2, x3);
元素相乘	s1.mul(s2);
（四元数）共轭	s.conj();(返回cv::Scalar(s0, -s1, -s2, -s3))
（四元数）真值测试	s.isReal(); (如果s1 == s2 == s3 == 0, 返回true)

cv::Scalar直接从固定向量类模板实例中继承而来，它继承了所有的向量代数操作、成员访问函数（操作符[]）和一些固定向量类的特性。

Size类

Size类在实际操作时与Point类相似，而且可以与Point类相互转换。区别在于Point类的数据成员是x和y，而Size的成员是 width 和 height。

Size类有三个别名：cv::Size, cv::Size2i, cv::Size2f. 前两个是等价的。

Size类支持的操作

操作	示例
默认构造函数	cv::Size sz; cv::Size2i sz; cv::Size2f sz;
复制构造函数	cv::Size sz2(sz1);
值构造函数	cv::Size2f sz(w, h);
成员访问	sz.width, sz.height;
计算面积	sz.area();

cv::Rect类

矩形类包含Point类的成员x和y（矩形左上角）和Size类的成员width和height（代表矩形的大小）。然而他们并没有继承关系。

cv::Rect支持的操作

操作	示例
默认构造函数	cv::Rect r;
复制构造函数	cv::Rect r2(r1);
值构造函数	cv::Rect(x, y, w, h);
由起始点和大小构造	cv::Rect(cv::Point, cv::Size);
由两个对角构造	cv::Rect(cv::Point, cv::Point);
成员访问	r.x; r.y; r.width; r.height
计算面积	r.area()
提取左上角	r.tl();
提取右下角	r.br();
判断点p是否在矩形r内	r.contains(p);

cv::Rect 对象的覆写操作符

操作	示例
矩形r1和矩形r2的交集	cv::Rect r3 = r1 & r2; r1 &= r2;
同时包含矩形r1和矩形r2的最小面积矩形	cv::Rect r3 = r1 | r2; r1 |= r2;
平移矩形r x个数量	cv::Rect rx = r + x; r += x;
扩大矩形r s大小	cv::Rect rs = r + s; r += s;
比较矩形r1 和矩形r2是否相等	bool eq = (r1 == r2);
比较矩形r1 和矩形r2是否不相等	bool ne = (r1 != r2);

cv::RotatedRect类

cv::RotatedRect类是OpenCV中少数底层没有使用模板的C++接口类之一。它包含一个中心点cv::Point2f，一个大小 cv::Size2f 和一个额外的角度 float 的容器。其中浮点型数据（float）的角度代表图形绕中心点旋转的角度。

1. cv::RotatedRect 是以中心为原点

2. cv::Rect 以左上角为原点

cv::RotatedRect 支持的操作

操作	示例
默认构造函数	cv::RotatedRect rr();
复制构造函数	cv::RotatedRect rr2(rr1);
从两个点构造	cv::RotatedRect(cv::Point, cv::Point);
值构造函数（一个点，一个大小，一个角度）	cv::RotatedRect rr(cv::Point, cv::Size, float angle);
成员访问	rr.center, rr.size, rr.angle;
返回四个角的列表	rr.points(pts[4]);

复数类

OpenCV的复数类与STL复数类模板complex<> 不一样，但与之兼容，可以互相转换。

区别：STL中，使用成员函数 real() 和 imag() 获取实部和虚部

OpenCV中通过成员变量 re 和 img 获取。

Opencv复数类支持的操作

操作	示例
默认构造函数	cv::Complexf z1; cv::Complexd z2;
复制构造函数	cv::Complexf z2(z1);
值构造函数	cv::Complexd z1(re0);cv::Complexd(re0, im1);
复制构造函数	cv::Complexf u2f(v2f);
成员访问	z1.re; z1.im;
复共轭	z2 = z1.conj();