OpenCV - Mat、CvMat、IplImage类型浅析

OpenCV中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage。

 

一、Mat类型：矩阵类型，Matrix。

       在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。

       Mat有3个重要的方法：

         1、Mat mat = imread(const String* filename);            读取图像

         2、imshow(const string frameName, InputArray mat);      显示图像

         3、imwrite (const string& filename, InputArray img);    储存图像

       Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。

关于Mat的数学方面的函数略过。

 

二、CvMat类型与IplImage类型：“图像”类型

       在openCV中，Mat类型与CvMat和IplImage类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，openCV对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。

       我们知道openCV是完全用C实现的，但是，IplImage类型与CvMat类型的关系就像是java（C++？）中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr，这在源代码中会常见。

 

       关于CvMat：

其定义如下：

01	<span style="font-size: medium;">typedef struct CvMat

02

{

03

int type;

04

int step;

05

06	/* for internal use only */

07	int* refcount;

08	int hdr_refcount;

09

10

union

11

{

12	uchar* ptr;

13

short* s;

14

int* i;

15	float* fl;

16	double* db;

17

} data;

18

19	#ifdef __cplusplus

20

union

21

{

22

int rows;

23	int height;

24

};

25

26

union

27

{

28

int cols;

29	int width;

30

};

31

#else

32

int rows;

33

int cols;

34

#endif

35

36

}

37	CvMat;</span>

在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵：

              CvMat* cvCreatMat(int rows ,int cols , int type);

这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。

 

关于IplImage：

在类型关系上，我们可以说IplImage类型继承自CvMat类型，当然还包括其他的变量将之解析成图像数据。

其定义如下：

01	<span style="font-size: medium;">typedef struct _IplImage

02

{

03	int  nSize;             /* sizeof(IplImage) */

04	int  ID;                /* version (=0)*/

05	int  nChannels;         /* Most of OpenCV functions support 1,2,3 or 4 channels */

06	int  alphaChannel;      /* Ignored by OpenCV */

07	int  depth;             /* Pixel depth in bits: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16S,

08	IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F are supported.  */

09	char colorModel[4];     /* Ignored by OpenCV */

10	char channelSeq[4];     /* ditto */

11	int  dataOrder;         /* 0 - interleaved color channels, 1 - separate color channels.

12	cvCreateImage can only create interleaved images */

13	int  origin;            /* 0 - top-left origin,

14	1 - bottom-left origin (Windows bitmaps style).  */

15	int  align;             /* Alignment of image rows (4 or 8).

16	OpenCV ignores it and uses widthStep instead.    */

17	int  width;             /* Image width in pixels.                           */

18	int  height;            /* Image height in pixels.                          */

19	struct _IplROI *roi;    /* Image ROI. If NULL, the whole image is selected. */

20	struct _IplImage *maskROI;      /* Must be NULL. */

21	void  *imageId;                 /* "           " */

22	struct _IplTileInfo *tileInfo;  /* "           " */

23	int  imageSize;         /* Image data size in bytes

24	(==image->height*image->widthStep

25	in case of interleaved data)*/

26	char *imageData;        /* Pointer to aligned image data.         */

27	int  widthStep;         /* Size of aligned image row in bytes.    */

28	int  BorderMode[4];     /* Ignored by OpenCV.                     */

29	int  BorderConst[4];    /* Ditto.                                 */

30	char *imageDataOrigin;  /* Pointer to very origin of image data

31	(not necessarily aligned) -

32	needed for correct deallocation */

33

}

34	IplImage;</span>

 我们可以看到，IplImage类型较之CvMat多了很多参数，比如depth和nChannels。在普通的矩阵类型当中，通常深度和通道数被同时表示，如用32位表示RGB+Alpha.但是，在图像处理中，我们往往将深度与通道数分开处理，这样做是OpenCV对图像表示的一种优化方案。

IplImage 的对图像的另一种优化是变量origin----原点。在计算机视觉处理上，一个重要的不便是对原点的定义不清楚，图像来源，编码格式，甚至操作系统都会对原地的选取产生影响。为了弥补这一点，openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角，1表示左下角。

dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值，前者便是对于像素，不同的通道的数据交叉排列，后者表示所有通道按顺序平行排列。

IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。

转自：http://263796001-qq-com.iteye.com/blog/1409639