【学习Opencv3笔记】4、图像和大型数组类型

opencv引入了Mat类用于管理图像（从数字图像处理的角度看，图像其实就是矩阵），Mat类采用了很巧妙的内存管理机制，可以让开发人员不必把注意力放在内存的管理上，这大大降低了opencv的学习门槛。

cv::Mat可以作为任意维度的数组使用，在一维数组中元素是按照顺序存储的，二维数组是按照行排列的方式排列，每一行元素同样按照顺序存储，对于三维数组，每个通道被一个二维数组填充，每个通道的存储方式与二维数组是一样的。

0、概述

cv::Mat最重要的几个信息：元素数据类型、通道数、每个通道的尺寸（rows和cols），指明数据存储位置的data指针。

• 信息头：包含尺寸、存储方法、存储地址等信息。
• 数据指针：指向数据实体。
• data：数据存储的起始地址 (uchar*类型)；
• dims：矩阵维度。如 3 * 4 的矩阵为 2 维， 3 * 4 * 5 的为3维；
• channels()：通道数量，矩阵中表示一个元素所需要的值的个数。例：3 * 4矩阵中共有12个元素，如果每个元素需要3个值表示，那么此矩阵的通道数为3。常见的是一张彩色图片有B蓝、G绿、R红3个通道；
• depth()：深度，即表示单通道中元素值的位数(bits)。Mat.depth()返回的是一个 0~6 的数字，分别代表不同的位数：enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }; 可见 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位；
• elemSize() : 单个元素在所有通道中大小之和，elemSize() = sizeof(数据类型) * channels()。如果Mat中的数据的数据类型是 CV_8U 那么 elemSize() = 1；CV_8UC3 那么 elemSize() = 3，CV_16UC2 那么 elemSize() = 4；
• elemSize1() : 单个元素在1个通道中的大小。elemSize1() = sizeof(数据类型) = elemSize()  / channels()。 
• step[]：可以看作是一个有dims个元素的动态数组，定义了矩阵的在各维度之间跳变时的最大步长（单位：字节。如2维Mat时，step[0]表示行长度，step[1]表示元素长度）。
  step1(n)：与step[n]对应范围的总通道数， step1(n) = step[n] / elemSize1()；

尺寸是常数，但是矩阵本身的尺寸是可变的。创建和复制图像的开支，主要来源于图像矩阵的操作，可想而知复制一个图像是一笔很大的开销。cv::Mat类处理这个问题的机制是：在保留对象自己的信息头的情况下共用矩阵。

m和n是两个cv::Mat对象，当用其中一个对象赋值给另一个时m=n，m内部的数据指针指向的数据实体将被释放，m和n将会共享同一块内存，这块内存的引用指针会增加一个引用计数，m变成了新的数据实体的头，其行、列、数据类型信息等会依据新的数据实体进行更新！

例子

	cv::Mat A, C; //仅创建信息头部分
	A = cv::imread(file_path);
	C = A; //赋值运算符，A和C的数据指针指向同一个数据实体，对一个对象的操作会影响到另一个
	cv::Mat B(C); //拷贝构造
	cv::Mat D = A.clone(); //复制操作

	cv::rectangle(C, cv::Point(100, 200), cv::Point(300, 400), cv::Scalar(0, 0, 255), 1, 1, 0); //对C对象进行操作
	cv::rectangle(B, cv::Point(200, 300), cv::Point(400, 500), cv::Scalar(255, 0, 255), 1, 1, 0); //对B对象进行操作
	cv::rectangle(D, cv::Point(250, 350), cv::Point(450, 550), cv::Scalar(0, 255, 0), 1, 1, 0); //对D对象进行操作

	cv::imshow("A", A); //显示A对象图像
	cv::imshow("B", B); //显示B对象图像
	cv::imshow("C", C); //显示C对象图像
	cv::imshow("D", D); //显示D对象图像

	cout << &A << "," << &C;

结果表明对A、B、C对象的操作是在操作同一个对象，或者严格的说操作的是同一个矩阵（各个对象有自己的信息头），说明C和B对象创建时发生了浅拷贝，矩阵部分没有进行复制。对D的操作不再是同一个矩阵，说明clone()接口被调用时发生了深拷贝，矩阵的内容也被复制了一份到D对象自己的地址空间。

1、cv::Mat初始化

二维三通道的32位浮点型数组，数组元素就是占用12字节的32位浮点型数据（4字节*3通道）。n维单通道和（n-1）维多通道数组有非常接近的存储结构，区别在于，后者数组元素中的通道是按照顺序进行存储的。

通过cv::Mat的默认构造可以创建一个没有大小和数据类型的数组，之后可以通过create成员函数来进行内存空间的申请—通过指定行数、列数和数据类型（type）来配置数组。数组的类型（type）决定了它包含什么样的元素，一个有效的数据类型包含数据的类型和通道数，例如CV_32FC3表示三通道的32位浮点型数据。

S--代表---signed int---有符号整形

U--代表--unsigned int--无符号整形

F--代表--float--单精度浮点型

CV_{8U,16S,16U,32S,32F,64F}C{1,2,3}

注意：你可以创建超过3通道的数组，但是没有既定的宏用于创建，但是可以通过CV_8UC(7)创建一个7通道的8U数据类型数组。

cv::Mat m;
m.create(3,10,CV_32FC3);
m.setTo(cv::Scalar(1.0f, 0.0f, 1.0f));//将第1通道数据设为1.0，第2通道数据设为0.0，第三通道设为1.0

cv::Mat(3, 10, CV_32FC3, cv::Scalar(1.0f, 0.0f, 1.0f));

上面两种初始化的方式是等价的。

  cv::Mat test;
  test.create(2, 3, CV_32FC3);
  test.setTo(cv::Scalar(1.0, 2.0, 3.0));
  LOG(INFO) << "channel0: " << test.at(1, 1)[0];
  LOG(INFO) << "channel1: " << test.at(1, 1)[1];
  LOG(INFO) << "channel2: " << test.at(1, 1)[2];

  float priors_[] = {1.0, 10.0};
  cv::Mat priors(1, 2, CV_32F, priors_);
  LOG(INFO) << "channel0: " << priors.at(0, 0)[0];
  LOG(INFO) << "channel1: " << priors.at(0, 0)[1];

• Mat_对应的是CV_8U
• Mat_对应的是CV_8S
• Mat_对应的是CV_32S
• Mat_对应的是CV_32F
• Mat_对应的是CV_64F

2、cv::Mat区块访问

m.row(i)	m中第i行数组
m.col(j)	m中第j列数组
m.rowRange( i0, i1)	m中第i0行到第i1-1行所构成的数组
m.rowRange(cv::Range(i0, i1))	m中第i0行到第i1-1行所构成的数组
m.colRange(j0, j1)	m中第j0列到第j1-1列所构成的数组
m.colRange(cv::Range(j0, j1));	m中第j0列到第j1-1列所构成的数组
m.diag( d);	m中偏移为d的对角线所组成的数组
m(cv::Range(i0,i1),cv::Range(j0,j1))	m中从点(i0, j0)到点(i1-1, j1-1)所包含数据构成的数组
m(cv::Rect(i0, i1, w, h))	m中从点(i0, j0)到点(i0+w-1, j0+h-1)所包含数据构成的数组
m(ranges)	m中依据ranges[0]到ranges[ndim-1]所索引区域构成的数组

3、cv::Mat的其他操作

m1= m0.clone()	从m0进行完全复制，该复制将复制所有的数据元素
m0.copyTo(m1)	将m0复制给m1，如果有必要，将给m1重分配内存空间(等同于m1=m0.clone())
m0.copyTo(m1，mask )	和m0.copyTo(m1)一样，但是只复制mask所指示的区域
m0.convertTo(m1，type，scale，offset)	转换m0中元素的类型(比如CV 32F)并且在尺度变换(默认为1)和增加偏置(默认为0)之后赋值给m1
m0.assignTo( m1，type )	只在内部使用(集成在convertTo中)
m0.setTo( s，mask )	设置m0所有元素为s，如果存在mask，则只对mask指示区域进行操作
m0.reshape( chan，rows）	改变二维数组的有效形状，chan和rows变量可能为0，表示不做更改
m0.push_back(s)	在末尾增加一个mx1大小的数组
m0.push_back( m1)	向mxn大小的矩阵m0增加k行并且复制到m1中，m1大小必须是kxn
m0.pop_back( n)	从mxn大小的矩阵移除n行(默认是1)a
m0.locateROI( size，offset )	将m0的全尺寸写入cv::size 变量size 如果m0只是一个大矩阵的一块小区域，还会写入一个Point类型的offset
m0.adjustROI( t,b,l,r )	通过四个值t (最上)，b(最下)，1(最左)，(最右)调整ROI范围
m0.total()	计算数组序列的元素的数目 (不包括通道)
m0.isContinuous()	如果m0的行之间没有空隙，将返回true
m0.elemSize()	返回m0的位长度(比如三通道浮点矩阵将返回12)
m0.elemSize1()	返回m0最基本元素的位长度(比如三通道浮点矩阵将返回4)
m0.type()	返回m0元素的类型(比如CV 32FC3)
m0.depth()	返回m0通道中的元素类型(比如CV 32F)
m0.channels()	返回m0的通道数目
m0.size()	以cv::Size返回m0的大小
m0.empty()	如果数组没有元素，将返回true (比如m0.total==0或者m0.data==NULL)

通过参数传递Mat对象是怎么处理的？

答案：浅拷贝，形参和实参共用矩阵。

例

void A()
{
    Mat A; //仅创建信息头部分
    A = imread("1.jpg");

    rectangle(A, cvPoint(250, 350), cvPoint(450, 550), Scalar(0, 255, 0), 1, 1, 0); //对A对象进行操作

    imshow("A", A); //显示A对象图像
	
    test(A);
    
    cout << "实参指针地址：" << &A;    
    
    imshow("A", A); //显示A对象图像
    
}

void test(Mat B)
{
    cout << "形参指针地址：" << &B;
    rectangle(B, cvPoint(100, 200), cvPoint(300, 400), Scalar(0, 0, 255), 1, 1, 0); //对B对象进行操作
    imshow("B", B);
}

在函数调用的过程中，对B对象和A对象的操作会彼此影响，说明两个对象的矩阵是同一个。

传参的过程中，传地址和传值还有区别吗？

答案：有区别，传值时对象发生浅拷贝，传地址传递对象地址。

例子

void test(Mat E)
{
    cout << "形参指针地址：" << &E << endl;
    rectangle(E, cvPoint(150, 250), cvPoint(350, 450), Scalar(0, 0, 255), 1, 1, 0); //对E对象进行操作
    imshow("E", E);
}

void test2(Mat & E)
{
    cout << "形参指针地址：" << &E << endl;
    rectangle(E, cvPoint(200, 300), cvPoint(400, 500), Scalar(0, 0, 255), 1, 1, 0); //对E对象进行操作
    imshow("E2", E);
}

void mat()
{
    Mat A; //仅创建信息头部分
    A = imread(MediaPath + "1.jpg");
	
    rectangle(A, cvPoint(100, 200), cvPoint(300, 400), Scalar(0, 0, 255), 1, 1, 0); //对C对象进行操作

    imshow("A", A); //显示A对象图像

    cout << "实参地址：" << &A << endl;

    test2(A);
    test(A);

    imshow("A", A); //显示A对象图像
}

结果