Mat常用成員屬性
- data 是指向矩陣資料的uchar類指標，用*解參考后再強轉為int可以讀到第一個像素資料，
- dims 矩陣的維度，例如5*6矩陣是二維矩陣，則dims=2，三維矩陣dims=3，
- rows 矩陣的行數，
- cols 矩陣的列數，
- size 矩陣的大小，回傳一個向量，二維矩陣即為 行數 x 列數，
Mat常用成員方法
channels()矩陣元素擁有的通道數，例如常見的彩色影像，每一個像素由RGB三部分組成，則image.channels() = 3，type()表示了矩陣中元素的型別以及矩陣的通道個數，它是一系列的預定義的常量，其命名規則為CV_(位數）+（資料型別）+（通道數），depth()矩陣中元素的一個通道的資料型別，這個值和type是相關的，例如 type為 CV_16SC2，一個2通道的16位的有符號整數，那么，depth則是CV_16S，depth也是一系列的預定義值，
常用的建構式有：
● Mat::Mat() 無引數構造方法；
● Mat::Mat(int rows, int cols, int type) 創建行數為 rows，列數為 col，型別為 type 的影像；
● Mat::Mat(Size size, int type) 創建大小為 size，型別為 type 的影像；
● Mat::Mat(int rows, int cols, int type, const Scalar& s) 創建行數為 rows，列數為 col，型別為 type 的影像，并將所有元素初始化為值 s；
● Mat::Mat(Size size, int type, const Scalar& s) 創建大小為 size，型別為 type 的影像，并將所有元素初始化為值 s；
● Mat::Mat(const Mat& m) 將 m 賦值給新創建的物件，此處不會對影像資料進行復制，m 和新物件共用影像資料；
● Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP) 創建行數為 rows，列數為 col，型別為 type 的影像，此建構式不創建影像資料所需記憶體，而是直接使用 data 所指記憶體，影像的行步長由 step指定，
● Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP) 創建大小為 size，型別為 type 的影像，此建構式不創建影像資料所需記憶體，而是直接使用 data 所指記憶體，影像的行步長由 step 指定，
● Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange) 創建的新影像為 m 的一部分，具體的范圍由 rowRange 和 colRange 指定，此建構式也不進行影像資料的復制操作，新影像與 m 共用影像資料；
● Mat::Mat(const Mat& m, const Rect& roi) 創建的新影像為 m 的一部分，具體的范圍 roi 指定，此建構式也不進行影像資料的復制操作，新影像與 m 共用影像資料，
● 這些建構式中，很多都涉及到型別type，type可以是CV_8UC1，CV_16SC1，…，CV_64FC4 等，里面的 8U 表示 8 位無符號整數，16S 表示 16 位有符號整數，64F表示 64 位浮點數（即 double 型別）；C 后面的數表示通道數，例如 C1 表示一個通道的影像，C4 表示 4 個通道的影像，以此類推，如果你需要更多的通道數，需要用宏 CV_8UC(n)，
create()函式
Mat類的create()函式可以重新分配記憶體空間：
Mat M(2,2, CV_8UC3);//建構式創建影像
M.create(3,2, CV_8UC2);//釋放記憶體重新創建影像
使用 create()函式無法設定影像像素的初始值
零矩陣等Matlab風格函式zeros(),ones(),eye()等
OpenCV 2 中提供了 Matlab 風格的函式，如 zeros()，ones()和 eyes()，可以方便指定影像大小和型別等，使用方法如下：
Mat Z = Mat::zeros(2,3, CV_8UC1);
cout << "Z = " << endl << " " << Z << endl;
Mat O = Mat::ones(2, 3, CV_32F);
cout << "O = " << endl << " " << O << endl;
Mat E = Mat::eye(2, 3, CV_64F);
cout << "E = " << endl << " " << E << endl;
讀寫像素函式at()
at()可以用來讀取像素值或者寫入像素值，使用方法如下：
uchar value = grayim.at<uchar>(i,j);//讀出第 i 行第 j 列像素值
grayim.at<uchar>(i,j)=128; //將第 i 行第 j 列像素值設定為 128
使用at()進行遍歷效率不高
迭代器-矩陣元素遍歷
使用迭代器就不需要再使用兩個for 和ij了，能夠加大效率
Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
// accept only char type matrices
CV_Assert(I.depth() != sizeof(uchar));
const int channels = I.channels();
switch(channels)
{
case 1:
{
MatIterator_<uchar> it, end;
for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
*it = table[*it];
break;
}
case 3:
{
MatIterator_<Vec3b> it, end;
for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
{
(*it)[0] = table[(*it)[0]];
(*it)[1] = table[(*it)[1]];
(*it)[2] = table[(*it)[2]];
}
}
}
return I;
}
選取影像區域
-
單行和單列選擇
//引數 i 和 j 分別是行標和列標，例如取出 A 矩陣的第 i 行可以使用如下代碼： Mat line = A.row(i); //例如取出 A 矩陣的第 i 行，將這一行的所有元素都乘以 2，然后賦值給第 j行，可以這樣寫： A.row(j) = A.row(i)*2; -
選擇多行或多列-Range
a. 該類有兩個關鍵變數 star 和 end，Range 物件可以用來表示矩陣的多個連續的行或者多個連續的列，其表示的范圍為從 start到 end，包含 start，但不包含 end，
b. Range 類還提供了一個靜態方法 all()，這個方法的作用如同 Matlab 中的“:”，表示所有的行或者所有的列，//創建一個單位陣 Mat A = Mat::eye(10, 10, CV_32S); //提取第 1 到 3 列（不包括 3） Mat B = A(Range::all(), Range(1, 3)); //提取 B 的第 5 至 9 行（不包括 9） //其實等價于 C = A(Range(5, 9), Range(1, 3)) Mat C = B(Range(5, 9), Range::all()); -
感興趣區域 （關于Rect類見openCV_Rect筆記）
a. 使用建構式：//創建寬度為 320，高度為 240 的 3 通道影像 Mat img(Size(320,240),CV_8UC3); //roi 是表示 img 中 Rect(10,10,100,100)區域的物件 Mat roi(img, Rect(10,10,100,100));b. 使用括號運算子：
Mat roi2 = img(Rect(10,10,100,100));c. 使用range物件：
//使用括號運算子 Mat roi3 = img(Range(10,100),Range(10,100)); //使用建構式 Mat roi4(img, Range(10,100),Range(10,100)); -
對角線元素
a. 矩陣的對角線元素可以使用 Mat 類的 diag()函式獲取，該函式的定義如下：
Mat Mat::diag(int d) const
b.引數 d=0 時，表示取主對角線；當引數 d>0 是，表示取主對角線下方的次對角線，如 d=1 時，表示取主對角線下方，且緊貼主多角線的元素；當引數 d<0 時，表示取主對角線上方的次對角線，
c.如同row()和col()函式，diag()函式也不進行記憶體復制操作，其復雜度也是O(1)，
Mat運算式-矩陣運算
利用 C++中的運算子多載，OpenCV 2 中引入了 Mat 運算運算式，這一新特點使得使用 C++進行編程時，就如同寫 Matlab 腳本，代碼變得簡潔易懂，也便于維護，
如：C = A + B + 1;
以下為Mat支持的運算方法：
● 加法，減法，取負：A+B，A-B，A+s，A-s，s+A，s-A，-A
● 縮放取值范圍：A * alpha
● 矩陣對應元素的乘法和除法： A.mul(B)，A/B，alpha/A
● 矩陣乘法：A*B （注意此處是矩陣乘法，而不是矩陣對應元素相乘）
● 矩陣轉置：A.t()
● 矩陣求逆和求偽逆：A.inv()
● 矩陣比較運算：A cmpop B，A cmpop alpha，alpha cmpop A，此處 cmpop可以是>，>=，==，!=，<=，<，如果條件成立，則結果矩陣（8U 型別矩陣）的對應元素被置為 255；否則置 0，
● 矩陣位邏輯運算：A logicop B，A logicop s，s logicop A，~A，此處 logicop可以是&，|和^，
● 矩陣對應元素的最大值和最小值：min(A, B)，min(A, alpha)，max(A, B)，max(A, alpha)，
● 矩陣中元素的絕對值：abs(A)
● 叉積和點積：A.cross(B)，A.dot(B)
Mat_類
如果使用 Mat_類，那么就可以在變數宣告時確定元素的型別，訪問元素時不再需要指定元素型別，即使得代碼簡潔，又減少了出錯的可能性，
//在變數宣告時指定矩陣元素型別
Mat_<uchar> M1 = (Mat_<uchar>&)M;
參考文獻：
-
https://blog.csdn.net/zhjm07054115/article/details/25503781
-
OpenCV 入門教程.于仕琪/shiqi.yu@szu.edu.cn./http://www.opencv.org.cn
-
https://blog.csdn.net/kakiebu/article/details/79085556
-
https://blog.csdn.net/mc_linfen/article/details/82115594
撰寫時間
20210719
給個三連吧爹爹們，比心心
/*
* **************************************************************************
* ******************** ********************
* ******************** COPYRIGHT INFORMATION ********************
* ******************** ********************
* **************************************************************************
* *
* _oo8oo_ *
* o8888888o *
* 88" . "88 *
* (| -_- |) *
* 0\ = /0 *
* ___/'==='\___ *
* .' \\| |// '. *
* / \\||| : |||// \ *
* / _||||| -:- |||||_ \ *
* | | \\\ - /// | | *
* | \_| ''\---/'' |_/ | *
* \ .-\__ '-' __/-. / *
* ___'. .' /--.--\ '. .'___ *
* ."" '< '.___\_<|>_/___.' >' "". *
* | | : `- \`.:`\ _ /`:.`/ -` : | | *
* \ \ `-. \_ __\ /__ _/ .-` / / *
* =====`-.____`.___ \_____/ ___.`____.-`===== *
* `=---=` *
* **************************************************************************
* ******************** ********************
* ******************** ********************
* ******************** 佛祖保佑 永遠無BUG ********************
* ******************** ********************
* **************************************************************************
*/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/292279.html
標籤：其他