OPENCVMat类存取方法元素访问

《OPENCVMat类存取方法元素访问》由会员分享，可在线阅读，更多相关《OPENCVMat类存取方法元素访问（16页珍藏版）》请在装配图网上搜索。

1、Opencv-Mat 类 cv:Matdepth/dims/cha nn els/step/data/elemSizeMat矩阵中数据元素的地址计算公式：addr(MiO,ii,i-1)= M.data + M.step0 * i 0 + M.step1 * i 1 + + M.stepm-1 * i m-i。其中 m二M.dims是指M的维度i. data： Mat对象中的一个指针，指向内存中存放矩阵数据的一块内存(uchar*data).ii. row: 行；col:歹U； rows: 行数；cols: 列数。iii. dims :Mat所代表的矩阵的维度，如 3 * 4的矩阵为2维，3

2、* 4 * 5的为3维.iv. channels通道，矩阵中的每一个矩阵元素拥有的值的个数，比如说 3 * 4矩阵中一共12个元素，如果每个元素有三个值，那么就说这个矩阵是3通道的，即channels = 3。常见的是一张彩色图片有红、绿、蓝三个通道。但是 opencv用imread (opencv读图的函数)读进来的图像，三通道存放顺序为B、G、Rov. depth：深度，即每一个像素的位数(bits)，在opencv的Mat.depth()中得到的是一个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

3、, 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；vi. step：是一个数组，定义了矩阵的布局，具体见下面图片分析，另外注意step1(step / elemSizel), M.stepm-1总是等于 elemSize M.stepl(i)返回的是第 i 维的步长，因此 M.stepl(m-I)总是等于channels m是M的维度；这里是解 释步长stepk的，步长也可以看作是与第k维的存储单位，在2维的矩阵中， 因为存储是按照行的顺序存储的，整个矩阵存储为一个平面，所以第k=0维的步长也就是单位肯定就是一行所

4、占的字节数；如果是3维的话，第0维是按照面为单位来存储的，第1维是按照行为单位来存储的，第2维是按照元素类 型为单位存储的，每个元素类型是基本类型(即uchar,float,short等等)与通道数 的乘积；也就是基本数据类型与通道数组成元素，多个元素组成了行，多行组成了面，多个面组成了 3维体，多个3维体 组成4维超体。以此类推，如 此看来某一维的步长应该等于高一维的步长step*低一维的大小size。vii.elemSize :矩阵中每一个元素的数据大小，如果是n通道，就是(n*数据类型)。 如果Mat中的数据的数据类型是 CV_8U那么elemSize = 1,CV_8UC3那么 ele

5、mSize = 3, CV_16UC2 那么 elemSize = 4；记住另外有个 elemSize1 表示的是矩阵中数据类型的大小，即elemSize / channels的大小。图片分析1考虑二维情况（stored row by roW按行存储M.step（U :每一笫一维度的第二维度的单位长度（在 这里是每一行的列的大小即一个元素的大小uchar1,上面是一个3 X 4的矩阵，假设其数据类型为 CV_8U，也就是单通道的类型*这是一个二维矩阵，那么维度为2 ( M.dims = 2)；* M.rows = 3; M.cols = 4 ；* sizeof(uchar) = 1，那么每一个

6、数据元素大小为1 ( M.elemSize()=M.elemSize1() = 1)；* CV_8U 得到 M.depth() = 0, M.channels() = 1；因为是二维矩阵，那么step数组只有两个值，stepO和step1分别代表一行的数据大小和一个元素的数据大小，贝U M.stepO = 4, M.step1=1； M.stepl(O) = M.cols = 4; M.step1(1) = 1;假设上面的矩阵数据类型是CV_8UC3，也就是三通道 M.dims = 2； M.channels() = 3； M.depth() = 0； M.elemSize() = 3 (每一

7、个元素包含 3个 uchar值) M.elemSize1() = 1(elemSize / cha nn els M.step0 = M.cols * M.elemSize() = 12, M.step1 = M.cha nn els() *M.elemSize1() = M.elemSize() = 3； M.step(O) = M.cols * M.cha nn els() = 12 ; M.step(1) = M.cha nn els() = 3；图片分析2：考虑三维情况（stored plane by plane按面存储遂的k小ht&poj:山j的人小M.data + M.stepO

8、* 0+ M.stepl * 1+ M.step2 * 2上面是一个3 X 4 X 6的矩阵，假设其数据类型为 CV_16SC4,也就是short类型* M.dims = 3 ; M.cha nn els() = 4 ; M.elemSize1() = sizeof(short) = 2 ;* M.rows = M.cols = ;* M.elemSize() = M.elemSize1() * M.cha nn els() = M.stepM.dims-1=M.step2 = 2 * 4 = 8; M.step0 = 4 * 6 * M.elemSize() = 192 ；* M.step1

9、 = 6 * M.elemSize() = 48 ；* M.step2 = M.elemSize() = 8 ； M.stepl(O) = M.stepO / M.elemSize() = 48 / 2 = 96 (第一维度(即面的元素个数）*通道数）; M.step1(1) = M.step1 / M.elemSize() = 12 / 2 = 24(第二维度(即行的元素个数/列宽）*通道数）； M.step1(2) = M.step2 / M.elemSize() = M.channels() = 4 (第三维度(即元素）*通道数）;End以上为Mat的存放形式以下为Mat的一些操作方法F

10、n 1 :利用 step。Code 1:具体使用方法int mai n()/新建一个uchar类型的单通道矩阵(grayscale image灰度图)Mat m(400, 400, CV_8U, Scalar(O);for ( int col = 0; col 400; col+)for ( int row = 195; row inline _Tp& Mat:at(其中参数有多个，也就是说at函数有多个重载* 返回值为Mat类型,Mat有个索引的重载，也就是符号的重载，用这个 重载可以定位多通道数据，具体示例可以看下面代码。下面的代码把红色通道值大于128的颜色的置为白色，左边为原图，右边为

11、处理 过后的图。Code 2 :int mai n()Mat img = imread(le na.jpg );imshow(Le na Origi nal, img);for ( int row = 0; row img.rows; row+)for ( int col = 0; col img.cols; col+)/*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*

12、/if (img.at(row, col)2 128)img.at(row, col) = Vec3b(255, 255, 255);imshow(Le na Modified, img);cvWaitKey();return 0;亍 LenaCode 3 :Output 2 :这段代码用的是Fn1的方式，效果和 Code 2等价，不过是处理三通道数据而int mai n()Mat img = imread(le na.jpg );imshow(Le na Origi nal, img);for ( int row = 0; row img.rows; row+)for ( int col =

13、 0; col 128)/row, col像素的第1通道地址被*解析(blue 通道)*(img.data + img.step0 * row + img.step1 * col) = 255;/row, col像素的第2通道地址被*解析(green通道),关于elemSize1函数的更多描述请见Fn1里所列的博文链接*(img.data + img.step0 * row + img.step1 * col +img.elemSize1() = 255;/row, col 像素的第3通道地址被*解析(red通道)*(img.data + img.step0 * row + img.step1

14、 * col +img.elemSize1() * 2) = 255;imshow( Le na Modified , img);cvWaitKey();return 0;Output 3 = Output 2Fn 3 :使用Mat的一个模板子类Mat_的()符号重载定位一个像素Code 4 :int mai n()Mat m(400, 400, CV_8UC3, Scalar(255, 255, 255);/ m2 是Mat_ 类型的，因为m中元素的类型是 CV_8UC3,可以用Vec3b 存 储3个通道的值/注意Mat_ 这种写法是错误的，因为CV_8UC3只是一个宏定义/ #defi n

15、e CV_8UC3 CV_MAKETYPE(CV_8U, 3)Mat_ m2 = m;/ for循环画一个红色的实心圆for (int y = 0; y m.rows; y+)for (int x = 0; x m.rows; x+)if (pow( double (x-200), 2) + pow(double (y-200), 2) - 10000.0 0.00000000001)/ Mat_模板类实现了对()的重载，可以定位到一个像素m2(x, y) = Vec3b(0, 0, 255);imshow( Image , m);cvWaitKey();return 0;Output 4 :

16、看上去怎么有点不爽Fn 4 :使用Mat:ptr 模板函数Code 5 :int mai n()Mat m(400, 400, CV_8UC3, Scalar(226, 46, 166); imshow( Before , m);for ( int row = 0; row m.rows; row+)if (row % 5 = 0)/ data是 uchar* 类型的,m.ptr(row)返回第row 行数据的首地/需要注意的是该行数据是按顺序存放的，也就是对于一个3通道的Mat,个像素有有3个通道值，B,G,RB,G,RB,G,R.所以一行长度为：/ sizeof(uchar) * m.co

17、ls * m.cha nn els()个字节uchar* data = m.ptr(row);for ( int col = 0; col m.cols; col+)datacol* 3 = 102; / 第datacol * 3 + 1 = 217;datacol * 3 + 2 = 239;row行的第col个像素点的第一个通道值Blue/ Greenimshow( After,m);cout (int)m.at(0, 0)0 素值到控制台cout (int)m.at(0, 0)1 cout (int)m.at(0, 0)2 endl;cvWaitKey();return 0;/利用Fn 1 介绍的方法输岀一下像/ RedOutput 5 :30 C :Wi ndEnd :Author : Ggicci谢谢阅读，有误希望指正!-Ope nCV 初学者