LabVIEW AI视觉工具包OpenCV Mat基本用法和属性

‍‍博客主页： virobotics的CSDN博客：LabVIEW深度学习、人工智能博主
所属专栏：『LabVIEW深度学习工具包』
上期文章： 【YOLOv5】LabVIEW+TensorRT的yolov5部署实战（含源码）
如觉得博主文章写的不错或对你有所帮助的话，还望大家多多支持呀！ 欢迎大家✌关注、点赞、✌收藏、订阅专栏

前言

在 OpenCV 中，Mat 是一个非常重要的类，它代表了一个 n 维的稠密数组，其中每个元素都具有相同的数据类型。Mat 可以用来表示图像、矩阵、向量和其他数学对象，它支持多种数据类型，如整型、浮点型、布尔型等。

Mat 是 OpenCV 中的一个重要组件，几乎所有的图像处理和计算机视觉任务都涉及到它。因此，了解 Mat 的基本用法和属性是非常重要的。

本文主要和大家分享LabVIEW AI视觉工具包OpenCV Mat的基本用法和属性。

一、Mat的基本用法

1、创建Mat对象

可以使用Creat_mat.vi来创建一个空的 Mat 对象，也可以创建一个指定大小和数据类型的 Mat 对象。Creat_mat.vi数据类型选择8UC1_size，则可以创建一个灰度图Mat，选择8UC3_size，则可以创建某种颜色的彩图Mat,选择其他数据类型，则会创建一个空的Mat对象

Creat_mat.vi是一个多态VI，用于创建创建不同数据类型的Mat，即多维数组。

常用的数据类型包括：

• 8U：8 位无符号整型，取值范围为 0 到 255。
• 16U：16 位无符号整型，取值范围为 0 到 65535。
• 16S：16 位有符号整型，取值范围为 -32768 到 32767。
• 32S：32 位有符号整型，取值范围为 -2147483648 到 2147483647。
• 32F：32 位浮点型，取值范围为 -3.4028235e+38 到 3.4028235e+38。
• 64F：64 位浮点型，取值范围为 -1.7976931348623158e+308 到 1.7976931348623158e+308。

除了上述基本数据类型外，还支持复合数据类型，例如：

• 8UC1_size：8 位无符号整型，1 个通道。
• 8UC3_size：8 位无符号整型，3 个通道。

8U 表示 8 位无符号整型，C 表示通道数，1、3 分别表示通道数为 1、3。在创建 Mat 对象时，需要指定矩阵的数据类型，可根据实际所需数据类型来创建Mat。

多态VI概念：可以处理多种不同数据类型的VI被称为“多态VI”。多态VI根据输入或输出的 数据类型，再选择调用一个针对这种数据类型实现功能的VI，这些针对某种数据类型实现功能的VI称作“实例VI”。一般一个VI调用多个实例VI，简而言之：一个多态VI就是多个实例VI的封装和组合。

2、释放 Mat 对象

可以使用Release.vi释放Mat 对象占用的内存。

下面是一个示例代码，演示了如何创建和释放 Mat 对象：

• 创建一个大小为480*640，数据类型为 8UC3 ，颜色为全红的RGB 彩色图像，代码如下：

• 创建一个大小为480*640，数据类型为 8UC1 ，灰度为0的灰度图像，代码如下：

二、不同数据类型Mat对象的属性

Mat的属性可以由属性节点（property node.vi）获取，如数据类型为8U的Mat，有如下属性：

1、Mat对象基本属性

• channels：通道数。

• cols：矩阵的列数。

• rows：矩阵的行数。

• data_Pointer：矩阵中第一个元素的指针，可以通过该指针访问整个矩阵的数据。

• dims：矩阵的维度，通常是 2 或 3。

• elemSize：表示矩阵中每个元素所占用的字节数。它等于 elemSize1 * channels

• elemSize1 ：表示矩阵中每个元素的字节数（即数据类型大小），而 channels 是矩阵中的通道数。

例如：
如果 Mat 对象表示一个 3x3 的灰度图像，其数据类型为 8UC1（即 8 位无符号单通道图像），则 elemSize1为 1，channels 为 1，因此 elemSize 为 1。
如果 cv::Mat 对象表示一个 3x3 的 RGB彩色图像，其数据类型为 8UC3（即 8 位无符号三通道图像），则 elemSize1 为 8/8=1，channels 为3，因此 elemSize 为 3。
elemSize 在计算 cv::Mat 对象的内存大小时非常有用。矩阵的内存大小可以通过以下公式计算：
size_t size_in_bytes = rows * step; // 每行的字节数乘以行数

• length：矩阵的大小，是一个一维数组，包含 rows 和 cols。

• step：矩阵在内存中每一行的字节数，通常是一个包含两个或三个元素的整数数组，其中 step[0] 表示每行元素所占用的字节数，step[1] 和 step[2] 分别表示相邻两行在内存中的地址偏移量。

• total：矩阵中元素的总数，等于 cols * rows

• type：矩阵的数据类型，表示矩阵中每个元素的数据类型。

2、Mat对象的数据属性

• 1d_data：是一个一维数组，数组大小为cols * rows * channels,该数组中每一个元素都代表一个像素，对于灰度图像，像素用8位无符号数，0表示黑色，255表示白色。对于彩色像素而言，每个像素需要三位这样的8位无符号数来表示，即三个通道（R,G,B），数组则依次存储一个像素的三个通道的值，然后再存储下一个像素点。
• 8UC1_data：是一个二维数组，数组行数为rows，列数为cols * channels，该数组中每一个元素都代表一个像素；
• 8UC3_data：是一个二维数组，数组行数为rows，列数为cols * channels，该数组中每一个元素都代表一个像素；
• image：LabVIEW自带的图片控件。
• picture：二维图片，图片控件
• U32_data：表示一个32位整型数组，数组行数为rows，列数为cols，用于存储图像中每个像素的颜色值。每个像素都由一组颜色值来表示，这些颜色值可以是灰度值、RGB值或其他颜色空间（RGBA）的值。该数组中每一个元素都代表一个像素；像素值由16进制表示

总结

以上就是今天要给大家分享的内容，希望对大家有用

如果文章对你有帮助，欢迎✌关注、点赞、✌收藏、订阅专栏