OpenCV CvMat 初窥
小小研究了一下CvMat里面的宏,发现设计人员对位运算的使用 "别具匠心",值得我们学习！
研究结果:
/****************************************************************************************\ * Matrix type (CvMat) * \****************************************************************************************/ #define CV_CN_MAX 512 #define CV_CN_SHIFT 3 #define CV_DEPTH_MAX (1 << CV_CN_SHIFT) #define CV_8U 0 #define CV_8S 1 #define CV_16U 2 #define CV_16S 3 #define CV_32S 4 #define CV_32F 5 #define CV_64F 6 #define CV_USRTYPE1 7 #define CV_MAT_DEPTH_MASK (CV_DEPTH_MAX - 1) #define CV_MAT_DEPTH(flags) ((flags) & CV_MAT_DEPTH_MASK) #define CV_MAKETYPE(depth,cn) (CV_MAT_DEPTH(depth) + (((cn)-1) << CV_CN_SHIFT)) #define CV_MAKE_TYPE CV_MAKETYPE #define CV_8UC1 CV_MAKETYPE(CV_8U,1) #define CV_8UC2 CV_MAKETYPE(CV_8U,2) #define CV_8UC3 CV_MAKETYPE(CV_8U,3) #define CV_8UC4 CV_MAKETYPE(CV_8U,4) #define CV_8UC(n) CV_MAKETYPE(CV_8U,(n)) #define CV_8SC1 CV_MAKETYPE(CV_8S,1) #define CV_8SC2 CV_MAKETYPE(CV_8S,2) #define CV_8SC3 CV_MAKETYPE(CV_8S,3) #define CV_8SC4 CV_MAKETYPE(CV_8S,4) #define CV_8SC(n) CV_MAKETYPE(CV_8S,(n)) #define CV_16UC1 CV_MAKETYPE(CV_16U,1) #define CV_16UC2 CV_MAKETYPE(CV_16U,2) #define CV_16UC3 CV_MAKETYPE(CV_16U,3) #define CV_16UC4 CV_MAKETYPE(CV_16U,4) #define CV_16UC(n) CV_MAKETYPE(CV_16U,(n)) #define CV_16SC1 CV_MAKETYPE(CV_16S,1) #define CV_16SC2 CV_MAKETYPE(CV_16S,2) #define CV_16SC3 CV_MAKETYPE(CV_16S,3) #define CV_16SC4 CV_MAKETYPE(CV_16S,4) #define CV_16SC(n) CV_MAKETYPE(CV_16S,(n)) #define CV_32SC1 CV_MAKETYPE(CV_32S,1) #define CV_32SC2 CV_MAKETYPE(CV_32S,2) #define CV_32SC3 CV_MAKETYPE(CV_32S,3) #define CV_32SC4 CV_MAKETYPE(CV_32S,4) #define CV_32SC(n) CV_MAKETYPE(CV_32S,(n)) #define CV_32FC1 CV_MAKETYPE(CV_32F,1) #define CV_32FC2 CV_MAKETYPE(CV_32F,2) #define CV_32FC3 CV_MAKETYPE(CV_32F,3) #define CV_32FC4 CV_MAKETYPE(CV_32F,4) #define CV_32FC(n) CV_MAKETYPE(CV_32F,(n)) #define CV_64FC1 CV_MAKETYPE(CV_64F,1) #define CV_64FC2 CV_MAKETYPE(CV_64F,2) #define CV_64FC3 CV_MAKETYPE(CV_64F,3) #define CV_64FC4 CV_MAKETYPE(CV_64F,4) #define CV_64FC(n) CV_MAKETYPE(CV_64F,(n)) #define CV_AUTO_STEP 0x7fffffff #define CV_WHOLE_ARR cvSlice( 0, 0x3fffffff ) #define CV_MAT_CN_MASK ((CV_CN_MAX - 1) << CV_CN_SHIFT) #define CV_MAT_CN(flags) ((((flags) & CV_MAT_CN_MASK) >> CV_CN_SHIFT) + 1) #define CV_MAT_TYPE_MASK (CV_DEPTH_MAX*CV_CN_MAX - 1) #define CV_MAT_TYPE(flags) ((flags) & CV_MAT_TYPE_MASK) #define CV_MAT_CONT_FLAG_SHIFT 14 #define CV_MAT_CONT_FLAG (1 << CV_MAT_CONT_FLAG_SHIFT) #define CV_IS_MAT_CONT(flags) ((flags) & CV_MAT_CONT_FLAG) #define CV_IS_CONT_MAT CV_IS_MAT_CONT #define CV_SUBMAT_FLAG_SHIFT 15 #define CV_SUBMAT_FLAG (1 << CV_SUBMAT_FLAG_SHIFT) #define CV_IS_SUBMAT(flags) ((flags) & CV_MAT_SUBMAT_FLAG) #define CV_MAGIC_MASK 0xFFFF0000 #define CV_MAT_MAGIC_VAL 0x42420000 #define CV_TYPE_NAME_MAT "opencv-matrix" /************** 我的研究结果 *****************/ /*** 宏嵌套 ***/ #define C A #define A B #define B 1 /*** A=B=C=1 ***/ #define CV_CN_MAX 512 //最大通道 #define CV_CN_SHIFT 3 //偏移 #define CV_DEPTH_MAX 8 //最大深度8位(单个字节) //DEPTH的取值类型,占3位 #define CV_8U 0 //unsigned char #define CV_8S 1 //char #define CV_16U 2 //unsigned short #define CV_16S 3 //short #define CV_32S 4 //int #define CV_32F 5 //float #define CV_64F 6 //double #define CV_USRTYPE1 7 #define CV_MAT_DEPTH_MASK 7 // 0000 0000 0111 #define CV_MAT_DEPTH(flags) ((flags) & 7) /*** depth + cn 编码 ***/ //depth占低3位,cn-1占高位 #define CV_MAKETYPE(depth,cn) ((depth & 7) + ((cn - 1) << 3)) #define CV_MAKE_TYPE CV_MAKETYPE #define CV_MAT_CN_MASK 4088 // 1111 1111 1000 // (((flags) & CV_MAT_CN_MASK) >> CV_CN_SHIFT) ==> 0 <= flags < 4096时,等价于右移三位 // 后面可以发现 CV_MAT_CN_MASK = 1111 1111 1000, flags确实在这个范围里,所以其实也可以写成 ((flags) >> CV_CN_SHIFT) #define CV_MAT_CN(flags) ((((flags) & CV_MAT_CN_MASK) >> CV_CN_SHIFT) + 1) #define CV_MAT_TYPE_MASK 4095 // 1111 1111 1111 #define CV_MAT_TYPE(flags) ((flags) & 4095) /******************* 规律 *********************/ * TYPE_MASK = DEPTH_MASK | CN_MASK * * CV_MAT_TYPE_MASK 1111 1111 1111 * * CV_MAT_DEPTH_MASK 0000 0000 0111 * * CV_MAT_CN_MASK 1111 1111 1000 * /**********************************************/ #define CV_MAT_CONT_FLAG_SHIFT 14 #define CV_MAT_CONT_FLAG (1 << 14) //16384 #define CV_IS_MAT_CONT(flags) ((flags) & 16384) //二进制表示，右数第15位是否为1 #define CV_IS_CONT_MAT CV_IS_MAT_CONT #define CV_SUBMAT_FLAG_SHIFT 15 #define CV_SUBMAT_FLAG (1 << 15) //32768 #define CV_IS_SUBMAT(flags) ((flags) & 32768) //二进制表示，右数第16位是否为1 #define CV_MAGIC_MASK 0xFFFF0000 // 1111 1111 1111 1111 0000 0000 0000 0000 #define CV_MAT_MAGIC_VAL 0x42420000 // 0100 0010 0100 0010 0000 0000 0000 0000 // 0100 0010 0100 0010 0100 低12位由type决定 // 其中type低3位由DEPTH决定，高9位由(CN-1)<<3决定,显然CN最大为4088，即CV_MAT_CN_MASK cvMat.type = CV_MAT_MAGIC_VAL | CV_MAT_CONT_FLAG | type;
然后我们写一段程序来验证一下：
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
int main()
{
int matrix[] = {1,2,3,4,5,6};
CvMat mat;
cvInitMatHeader(&mat,2,3,CV_32SC1,matrix);
int x = mat.type;
cout<< x <<endl;
//0100 0010 0100 0010 0100 0000 0000 0100
for(int i = 31,j = 0;i >= 0;i--){
if(j%4 == 0) putchar(' ');
cout<<((x & 1<<i) > 0);
j++;
}
return 0;
}
由于CV_32SC1，是单通道，所以低12位的前9位为(1-1)<<3 = 0,这样CV_32SC1 = CV_32S = 4,所以对于单通道图像，其实type = depth，所以我们可以直接写 cvInitMatHeader(&mat,2,3,CV_32S,matrix); 效果是一样的，然后根据上面的分析：cvMat.type = CV_MAT_MAGIC_VAL | CV_MAT_CONT_FLAG | type;
所以前20位为0100 0010 0100 0010 0100，这样我们得到32位数0100 0010 0100 0010 0100 0000 0000 0100，最后我们取mat.type并将其转成二进制，可以发现输出的结果就是我们算出来的这32位，因此验证了我们上面的分析。
接下来我们自己来实现库的部分函数：
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
int main()
{
int matrix[] = {1,2,3,4,5,6};
CvMat mat;
cvInitMatHeader(&mat,1,3,CV_32SC2,matrix);
//0100 0010 0100 0010 0100 0000 0000 1100
//取type
cout<< cvGetElemType(&mat) <<endl;
cout<< (mat.type & ((1 << 12) - 1))<<endl;
cout<< (mat.type & CV_MAT_TYPE_MASK)<<endl;
//取depth
cout<< (mat.type & CV_MAT_DEPTH_MASK)<<endl;
//取cn
cout<< ((mat.type & CV_MAT_CN_MASK) >> 3) + 1<<endl;
return 0;
}
这次是二通道的，所以(2-1)<<3,这样得到CN的贡献度是0000 0000 1000，加上DEPTH的贡献度0000 0000 0100， 我们确定32位数是0100 0010 0100 0010 0100 0000 0000 1100，那么如何获得type呢？就是取后12位啊，所以直接将mat.type & ((1<<12)-1)即可，这个((1<<12)-1)其实就是CV_MAT_TYPE_MASK啊。
同理我们可以取depth，也就是末三位，CV_32S=4，还有cn是右数4~12位，实际上是&4088，就是CV_MAT_CN_MASK，但是注意这不是cn，要知道cn是做了(cn-1)<<3运算的，所以我们做逆运算，将这个值右移3位，再加1，这样就恢复到了cn=2.
上面玩了一点trick，接下来还是要研究一下CvMat的结构啊
typedef struct CvMat
{
int type;
int step;
/* for internal use only */
int* refcount;
int hdr_refcount;
union
{
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data;
#ifdef __cplusplus
union
{
int rows;
int height;
};
union
{
int cols;
int width;
};
#else
int rows;
int cols;
#endif
}
CvMat;
基础知识：
union联合，关于union和struct的最明显的区别就是，union分配空间是分配所有成员占的空间的最大值(注意：不是累加)，比如上面的data，uchar*指针占1个字节，short*占2个字节,int*和float*都占4字节，double*占8字节，所以union分配空间是8字节，而不是累加1+2+4+4+8=19字节，从另一个角度说明union的所有成员共用一片内存，并且起始地址都是一样的。关于union的详细资料，自行百度！
在扯一句uchar*是什么鬼？c++有这种数据类型吗？当然没有了，这个是opencv自己定义的一个宏，其实就是c++中的unsigned char... 类似还有很多，uint，int64，uint64什么的...
知道字面意思就可以了...
还有：
#ifdef __cplusplus
...A...
#else
...B...
#endif
这个是条件宏了，表示如果定义了宏名__cplusplus，那么就编译A部分，否则编译B部分，这个是给编译器看的...就这样，详细资料自行百度！
__cplusplus是什么鬼？其实看名字啊，就是cpp的全称啊，所以这玩意表示你的编译环境，可以看到如果是c++的话，条件宏会编译A部分，否则编译B部分。
显然博主用的是c++了，可以看到B部分就非常普通了，rows 和 cols，表示矩阵的行和列，但c++呢？A部分了，当然c++要兼容c,明显要更强大，是两个联合，用于联合的成员是共用的，所以可以发现rows等价于height，cols等价于width，这样你就可以喜欢写rows就写rows，喜欢写width就width，甚至1个rows，1个width交替写都可以，反正编译器认为他们是等价的。
还有几个成员，type开篇就讲了，其实包含了depth和cn两部分，step是什么鬼？官方说行的字节数，也就是存矩阵一行元素所需要的空间，以字节为单位。
下面两个refcount，hdr_refcount，这个是内部使用，换句话说这是写OpenCV库的人自己用的，我们用不着，不必关心，除非要仔细看源码...本博主能力有限还没看呢...
好了，差不多讲完了...
最后补充一点，OpenCV还将CvMat分成了两部分，一部分是data，就是存矩阵数据的，另一部分就是剩余的成员了，描述了矩阵的信息，这部分叫header，所以你可能会看到有一些什么create...Header之类的函数，就大概知道，这个函数只创建header，data域并没有分配空间。