Opencv中 Mat矩阵中属性【随笔记】

Opencv Mat矩阵中data、size、depth、elemSize、step等属性的理解

• data：  

       uchar类型的指针，指向Mat数据矩阵的首地址。可以理解为标示一个房屋的门牌号；

• dims： 

        Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一个平面上的矩阵。

data：  
       uchar类型的指针，指向Mat数据矩阵的首地址。可以理解为标示一个房屋的门牌号；
dims： 
        Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一个平面上的矩阵。
        可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房；
rows：
        Mat矩阵的行数。可理解为房屋内房间行数；
cols： 
        Mat矩阵的列数。可理解为房屋内房间列数；
size()：
        首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：
         image.size().width==image.cols;        image.size().height==image.rows                                                      

         可以理解为房屋内房间的整体布局，这其中包括了房间分别在行列上分布的数量信息；
channels()：
        Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels==3；而灰度图像只有一个灰度分量信息，channels==1。
        可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床；
depth： 
        用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。在Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：                            
        enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}          

        其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。

        可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系；
elemSize：
        elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么elemSize==1；如果是CV_8UC3或CV_8SC3，那么elemSize==3；如果是CV_16UC3或者CV_16SC3，那么             elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；
        可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了；
elemSize1：
        elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很容易解释这个属性了：表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有： 
        eleSize1==elemSize/channels；
step：
        可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所有元素、所有通道、所有通道的elemSize1之后的值；
step1()： 
       以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：
        step1==step/elemSize1；
type：
        Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道数)，所有取值如下：

 

        可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房；

• rows：

        Mat矩阵的行数。可理解为房屋内房间行数；

• cols： 

        Mat矩阵的列数。可理解为房屋内房间列数；

• size()：

        首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：

 

         image.size().width==image.cols;        image.size().height==image.rows                                                      

         可以理解为房屋内房间的整体布局，这其中包括了房间分别在行列上分布的数量信息；

• channels()：

        Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels==3；而灰度图像只有一个灰度分量信息， channels==1。

 

        可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床；

• depth： 

        用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。在Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：                            

 

        enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}          

        其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。

        可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系；

• elemSize：

        elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么elemSize==1；如果是CV_8UC3或CV_8SC3，那么elemSize==3；如果是CV_16UC3或者CV_16SC3，那么elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；

 

        可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了；

• elemSize1：

        elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很容易解释这个属性了：表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有： 

 

        eleSize1==elemSize/channels；

• step：

        可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所有元素、所有通道、所有通道的elemSize1之后的值；

• step1()： 

       以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：

 

        step1==step/elemSize1；

• type：

        Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道数)，所有取值如下：