OpenCV4（C++） —— Mat类

---

前言

在python的opencv中，也就是导入：import cv2。使用的是numpy和内置ndarray来存储和处理图像数据。而对于C++的opencv是没有ndarray的，也没有numpy库，而是使用cv::Mat类来表示图像数据与进行处理的。

python是一种动态类型语言，无需显示的指定变量的类型。直接使用imread返回的就是ndarray对象，后续使用numpy库可以直接对其进行相关图像操作。

import  cv2
import  numpy as np
image = cv2.imread("lena.jpg")
print(type(image)) # 
print(image.shape) # h,w,c

C++是一种静态类型语言，任何变量都需要显示地指定一个数据类型。而对于图像这种多维数组来说，就定义了Mat类来管理。

#include   
#include  
using namespace std;

int main()
{
    cv::Mat image = cv::imread("lena.jpg");
    int h = image.rows;  // row为高度
    int w = image.cols;  // col为宽度
    int ch = image.channels();  // 通道
    cout << h << " " << w <<" "<< ch << endl;
}

一、初识Mat类

  Mat类分为矩阵头和指向存储数据的矩阵指针。矩阵头中包含矩阵的尺寸、存储方法、地址和引用次数等，只存放这几个固定的数据类型，所以矩阵头所占空间是固定的。图像复制和传递过程中主要的开销是存放矩阵数据。
  一般的赋值操作，只是复制矩阵头和存放矩阵数据的指针，两者还是指向同一矩阵数据（浅拷贝），若需克隆一份新的矩阵数据，则要深拷贝。（在python中也是如此）
：

int main()
{
    cv::Mat image1   // 矩阵头
    image1 = cv::imread("lena.jpg");  // 矩阵指针将指向该矩阵像素
    cv::Mat image2 = image1;  // 浅拷贝
    cv::Mat image3 = image1.clone();  // 深拷贝
}

注：Mat类利用自动内存管理技术解决了内存自动释放的问题，当变量不再需要时立即释放内存。
  当发生A浅拷贝B时，两种指向同一矩阵数据。只删除A，B仍然指向该矩阵数据；当A、B都删除时，才会释放该内存。能够这么做的原因是上面说到的矩阵头中的引用次数，复制一次，引用次数+1，删除一次，引用次数-1，当引用次数为0时才会释放内存（发现了吗，和智能指针shared_ptr一样的原理）。

（2）图像数据类型
  C++中，内置的数据类型有int，float，char等。我们指定，不同的编译平台，位数会发生变化。所以OpenCV中根据数值变量存储位数长度重新命名了新的数据类型，如下表：

数据类型	所代表类型与取值范围
CV_8U	8位无符号整数（0-——255）
CV_8S	8位符号整数（-128——127）
CV_16U	16位无符号整数（0——65535）
CV_16S	16位符号整数（-32768——32767）
CV_32S	32位无符号整数
CV_32F	32位浮点整数

  图像的单个灰度像素值为（0-255），所以CV_8U是最常用的。但图像还有RGB通道之分，所以OpenCV还定义了通道标识符：C1、C2、C3、C4，来分别表示单通道、双通道、三通道和四通道。为此，完整的图像数据类型为：CV_8UC3，表示8位的三通道数据

二、Mat类的创建（构造）与赋值

1、类的常规三种构造（默认、有参、拷贝）

（1）默认构造

  Mat可以进行默认构造，这种方式不需要输入任何的参数，在后续给变量赋值的时候会自动判断矩阵的类型与大小，实现灵活的存储，常用于存储读取的图像数据或某个函数运算的输出结果

cv::Mat image;
image = cv::imread("lena.jpg"); 

cv::Mat zero_roi;
cv::inRange(mask2, 0, 0, zero_roi); //cv::inRange(输入图像，下界，上界，输出图像);

（2）输入矩阵尺寸和数据类型——有参构造

常规语法：

//cv::Mat image(rows, cols, type)
cv::Mat image(600, 400, CV_8UC3);  // 创建一个高600，宽400，3通道的8位无符号矩阵数据

还有一种方式是采用cv::Size()进行赋值。
cv::Size 类可以方便地指定图像的尺寸，例如创建一个具有特定宽度和高度的图像，或者在图像处理过程中获取图像的尺寸信息。但要注意，Size()里的高、宽与常规语法是相反的，宽在前，高在后。

//cv::Size size(cols, rows);
cv::Size size(400, 600);
cv::Mat image(size, CV_8UC3);  // 创建一个高600，宽400，3通道的8位无符号矩阵数据

（3）利用已有矩阵构造——拷贝构造

  默认的拷贝是浅拷贝，若想创建一份不会影响到原数据的，需要用clone()来进行深拷贝，常用在函数参数上

cv::Size size(400, 600);
cv::Mat image1(size, CV_8UC3);
cv::Mat image2 = image1;  //浅拷贝
cv::Mat image3 = image1.clone(); // 深拷贝
//cv::Mat image3(image1.clone) 拷贝构造的另一种写法，隐式构造

//当要对图片传入函数中进行处理，而又不会影响到原图
cv::Mat func(cv::Mat& images)
{
	cv::Mat img_input;
	ima_input = images.clone();
	......
	return xxx;
}

利用已有矩阵构造，还可以进行类似截图的操作，可以采用cv::Range或cv::Rect。注意cv::Rect里的高和宽与默认相反，先定义宽，再定义高。

// 1、Range指定行(高)和列(宽)的范围。下例是0到299行，共300行；0到399列，共400列
cv::Mat image2 = image1(cv::Range(0, 300), cv::Range(0, 400)); 
// cv::Mat image2(image1, (cv::Range(0, 300), cv::Range(0, 400)); 隐式构造

//2、Rect指定左上角坐标和矩形的宽度和高度来定义区域
cv::Mat image2(image1, cv::Rect(0, 0, 400, 300));//左上角左边(0,0)，宽400，高300

2、赋值方式

上面讲述了多种构造方式，但只是创建了对象，还没有数据值赋给它。OpenCV4给予了多种赋值方式。

（1）构造时给每个通道赋值

  在构造时，加上从cv::Scalar()直接赋值。这种方式是赋给一个通道的所有相同数据，如单通道时cv::Scalar(0)，表示全部赋值0；三通道时，cv::Scalar(0,0,0)，表示三个通道全都赋值为0。另外一提，彩色图片在OpenCV中默认三通道的顺序是B、G、R。但是，在用这种方式赋值时，实际应用中大多数都是为了得到一个全黑或全白的矩阵，来用作后续处理。

cv::Mat image(600, 400, CV_8UC3, cv::Scalar(0,0,0));  // 全黑的3通道

（2）给通道内每个元素赋值

   （1）中的方式是赋给一个通道(矩阵)相同的数据，也可以给矩阵内每一个元素进行赋值，如枚举、循环、数组。枚举的个数要与矩阵元素个数相同，所以此方法一般用在矩阵数据比较少的情况。但一般图像数据都较大，所以在实际应用中很少使用。

（3）使用成员函数赋值

   Mat类中，自定义了可以初始化的矩阵，如eys，ones，zeros，diag，来生成单位矩阵、对角矩阵等。很少用，这种类型的矩阵一般都是为了后续计算而创建，所以通常采用张量tensor来创建这些矩阵。如： auto zero_tensor = torch::zeros_like(image); //创建一个与image大小相同的全零张量zero_tensor