cv::Mat使用笔记_cv::mat size

本文深入探索OpenCV库中cv::Mat类的使用方法和技巧。cv::Mat作为OpenCV中用于存储图像数据的基本数据结构，其使用范围广泛且功能强大。通过本文，你将了解cv::Mat的创建、访问和修改数据的基本操作，以及其在图像处理任务中的具体应用。此外，我还会分享一些在使用cv::Mat时可能遇到的常见问题及其解决方案，帮助你更好地掌握这一工具。无论你是OpenCV的新手还是资深用户，相信这篇博客都能为你提供有价值的参考和启示。

1. 构造

• 无参数构造方法

Mat::Mat()

• 创建行数为 rows，列数为 col，类型为 type 的图像

Mat::Mat(int rows, int cols, int type)

• 创建大小为 size，类型为 type 的图像

Mat::Mat(Size size, int type)

• 创建行数为 rows，列数为 col，类型为 type 的图像，并将所有元素初始化为值 s

Mat::Mat(int rows, int cols, int type, const Scalar& s)

• 创建大小为 size，类型为 type 的图像，并将所有元素初始化为值 s

Mat::Mat(Size size, int type, const Scalar& s)

• 将m赋值给新创建的对象，此处不会对图像数据进行复制，m和新对象共用图像数据，属于浅拷贝

Mat::Mat(const Mat& m)

• 创建行数为rows，列数为col，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由 step指定

Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)

• 创建大小为size，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由step指定

Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)

• 创建的新图像为m的一部分，具体的范围由rowRange和colRange指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据

Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)

• 创建的新图像为m的一部分，具体的范围roi指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据

Mat::Mat(const Mat& m, const Rect& roi)

2. 初始化

• 使用函数初始化

cv::Mat a = cv::Mat::eye(4, 4, CV_64FC1); // 单通道double类型
cv::Mat b = cv::Mat::eye(4, 4, CV_8UC1); // 单通道char类型

• 使用cv::Point3f和cv::Mat_初始化;

cv::Point3f v1(34.0f, 21.34f, 32.0f);
cv::Mat m{ cv::Mat_<cv::Point3f>(v1) };
//得到1行1列3通道的矩阵 

• 使用cv::Point3f初始化

cv::Point3f point(34.0f, 21.34f, 32.0f);
cv::Mat m(point);
//得到3行1列1通道的矩阵 

• 使用vector初始化

std::vector<double> vec{ 21.3, -10, 34.0, 3.2, 3.4 };
cv::Mat m{ vec }; 
//得到5行1列1通道的矩阵 

• 使用std::vector<cv::Point2f>初始化 

//得到2行1列2通道的矩阵 
std::vector<cv::Point2f> vecpts{ cv::Point2f(2.3, 3.1), cv::Point2f(9.3, -10.0) };
cv::Mat m{ vecpts };

• 使用cv::Mat_初始化

//得到3行3列1通道的矩阵
cv::Mat C = (cv::Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

3. 对一部分进行赋值 

这些方式看似正确，但实际不行

cv::Mat matrix = cv::Mat::zeros(4, 4, CV_64FC1);
cv::Mat calibration = cv::Mat::eye(3, 3, CV_64FC1);
 
// 方法一
cv::Mat a = matrix.rowRange(0, 3).colRange(0, 3);　// 共享内存
a = calibration; 
 
// 方法二
cv::Mat matrix = cv::Mat::zeros(4, 4, CV_64FC1);
matrix.rowRange(0, 3).colRange(0, 3) = calibration.clone();
 
// 方法三
calibration.copyTo(matrix.rowRange(0, 3).colRange(0, 3)); // 编译失败

正确的方式

cv::Mat matrix = cv::Mat::zeros(4, 4, CV_64FC1);
cv::Mat a = matrix.rowRange(0, 3).colRange(0, 3);　// 共享内存
xa.copyTo(a);
cv::Mat b = matrix.rowRange(0, 3).col(3); // 共享内存
xb.copyTo(b);

4. 与Eigen矩阵的相互转化

注意：只支持double类型的转换，不支持float类型

#include <opencv2/core/eigen.hpp>
 
cv::cv2eigen(cv_matrix, eigen_matrx);
 
cv::eigen2cv(eigen_matrx, cv_matrix);

5. 指针

cv::Mat matrix = cv::Mat::zeros(4, 4, CV_64FC1);
 
// 方法一
const double *data = matrix.ptr<double>(0);
 
// 方法二
// img.data的默认类型是unsigned char* 
double* data = (matrix*)img.data;

6. cv::Mat的缺点

• 弱类型

C++本来是强类型语言，但cv::Mat却是弱类型的，即当你拿到一个cv::Mat的时候你并不知道它里面存储的数据类型，很容易用错；

• 不安全

当你把你的cv::Mat对象传给某函数时，即使函数的形参加了const关键字，但它依然可能会被修改，这是因为cv::Mat有共享内存机制，它的拷贝是浅拷贝；

• 构造时间长

cv::Mat构造时间很长，如果非必要不建议使用，构造过程尽量写在循环外面；

7. 图像操作

• 读入图像

cv::Mat A = imread(“Imgpath”, CV_LOAD_IMAGE_COLOR);
 
A.at<Vec3b>(row, col)[2] // 访问图像数据

注意 Mat::at 函数是个模板函数, 需要指明参数类型, 因为这张图是具有红蓝绿三通道的图，所以它的参数类型可以传递一个 Vec3b，这是一个存放 3 个 uchar 数据的 Vec(向量)。这里提供了索引重载，[2]表示的是返回第三个通道，在这里是 Red 通道，第一个通道(Blue)用[0]返回

• 保存图像

imwrite(image_path, A);

•  将彩色图片转为灰度图片

Mat src(m, n CV_8UC3);
Mat dst;
cvtColor(src,dst,CV_BGR2GRAY);

参考文献

Mat 的几种初始化和赋值方法 - 骏腾 - 博客园

浅谈Opencv Mat类（常用构造函数和成员函数整理）_古天九等一缕的博客-CSDN博客