OpenCV學(xué)習(xí)筆記（05）：Mat類詳解（二）

2019-11-09 19:22:53

字體：大中小

供稿：網(wǎng)友

1. 前言：Mat類的深入解讀

我在學(xué)《數(shù)據(jù)結(jié)構(gòu)》的時(shí)候，每接觸一種新的ADT（abstract data type，抽象數(shù)據(jù)類型），一般的套路都是這樣的—— 1.先了解ADT的結(jié)構(gòu)，如何定義？包括哪些數(shù)據(jù)對(duì)象？如，線性表是n個(gè)具有相同特性的數(shù)據(jù)元素的有限序列。 2.再學(xué)習(xí)基于該ADT結(jié)構(gòu)的一些操作和算法。如，線性表的增刪查改，基于順序表的排序算法； 3.最后再學(xué)習(xí)該ADT的存儲(chǔ)方式和實(shí)現(xiàn)過程。如，鏈表在計(jì)算機(jī)內(nèi)存中的存儲(chǔ)。

那么，在了解了基本結(jié)構(gòu)之后，作為OpenCV最重要的ADT——Mat類，在計(jì)算中如何存儲(chǔ)，以及有哪些基本操作的呢？

2.元素?cái)?shù)據(jù)尋址

Mat類是一個(gè)n維單通道或多通道的稠密型數(shù)值陣列，可以用于存儲(chǔ)實(shí)數(shù)或者負(fù)數(shù)向量和矩陣（real or complex-valued vectors or matrices）、灰度圖和彩色圖（grayscale or color images ）、矢量場(chǎng)（vector fields）等，陣列M的數(shù)據(jù)分布取決于數(shù)組M.step[]，因此M陣列中元素(i0,...,iM.dims?1)的地址可以計(jì)算為：

addr(Mi0,...,iM.dims?1)=M.data+M.step[0]?i0+M.step[1]?i1+...+M.step[M.dims?1]?iM.dims?1

其中， step[i]是Mat類中十分重要的一個(gè)屬性，表示第i維的總大小，單位字節(jié) M.data指向存儲(chǔ)這列的首地址（類似于數(shù)組名） M.dims是總維度

例如，二維矩陣的尋址可以表示為：

addr(Mi,j)=M.data+M.step[0]?i+M.step[1]?j

注意， M.step[i] >= M.step[i+1] ，實(shí)際上， M.step[i] >= M.step[i+1]* M.size[i+1]，其中，M.size[i]表示第i維包含的個(gè)數(shù)，這也就意味著，二維矩陣是按行存儲(chǔ)（stored row-by-row），而三維矩陣是按面存儲(chǔ)（stored plane-by-plane），高維以此類推。M.size[M.dims-1]表示矩陣的最低維，大小與M.elemSize() 相等。

舉個(gè)例子，來說明矩陣的存儲(chǔ)方式，以及矩陣各個(gè)屬性的意義——

int sizeMat[] = { 3, 4, 6 };Mat src(3, sizeMat, CV_32FC3, Scalar::all(0));cout << "src.dims = " << src.dims << endl;cout << "src.step[0] = " << src.step[0] << endl;cout << "src.step[1] = " << src.step[1] << endl;cout << "src.step[2] = " << src.step[2] << endl << endl;cout << "src.size[0] = " << src.size[0] << endl;cout << "src.size[1] = " << src.size[1] << endl;cout << "src.size[2] = " << src.size[2] << endl << endl;cout << "src.step1[0] = " << src.step1(0) << endl;cout << "src.step1[1] = " << src.step1(1) << endl;cout << "src.step1[2] = " << src.step1(2) << endl << endl;cout << "src.elemSize() = " << src.elemSize() << endl;cout << "src.elemSize1() = " << src.elemSize1() << endl;

創(chuàng)建一個(gè)3維的矩陣，尺寸為 3 * 4 * 6，那么輸出為

Mat類型維度是從高維度到低維度排列的，比如3維矩陣，按照面、行、點(diǎn)的順序?qū)?yīng)其維度大小，我們上面所定義的矩陣包含3個(gè)面、每個(gè)面包含4行，每行包含6個(gè)點(diǎn)。

因此，step[0]表示第一維，面( plane)，所包含總元素的字節(jié)大小

我們定義的矩陣每個(gè)面有4*6=24個(gè)點(diǎn)，每個(gè)點(diǎn)定義為CV_32FC3類型，即3通道的32位float型，一個(gè)元素包含3個(gè)float，即 3 *4=12字節(jié)，那么整個(gè)面的大小就為 24 *12 =288 字節(jié)

同理，step[1]表示第二維，行( row) ，所包含總元素的大小

step[1] = 6 *12 =72 字節(jié)

step[2]表示第三維，點(diǎn)( point) ，所包含總元素大小

step[2] = 12字節(jié)

step1(i)表示第i維的包含的通道數(shù) 第一維，包含4 * 6個(gè)點(diǎn)，每個(gè)點(diǎn)都是3通道的，因此，第一維包含4 * 6 * 3 =72個(gè)通道同理，第二維包含 18個(gè)通道，第三維包含3個(gè)通道

屬性size表示每個(gè)維度的大小，即—— 第一維大小為3，size(0) = 3 第二維為4，size(1) = 4 第三維為6，size(2) = 6

屬性elemSize表示的是每一個(gè)矩陣元素的大小，這個(gè)元素可能包含多個(gè)通道，而elemSize1表示的是每個(gè)通道下所包含基本類型的大小，即elemSize=channels * elemSize1

最后再通過一張圖來表示Mat類的尋址方式

3.Mat類元素訪問方法

（1）Mat成員函數(shù)at<>()訪問元素

Mat的成員函數(shù)at()是一個(gè)模板函數(shù)，針對(duì)不同的情況，有多個(gè)重載函數(shù)可供選擇，在這里，我們使用最常見的二維矩陣的at函數(shù)

for (int r = 0; r < src.rows; r++) { for (int c = 0; c < src.cols; c++) { cout<< src.at<Vec3f>(r,c)<<endl; } }

注意，使用at函數(shù)時(shí)，應(yīng)該知道矩陣元素的類型和通道數(shù)，根據(jù)矩陣元素類型和通道數(shù)來確定at函數(shù)傳遞的類型，在上例當(dāng)中，我們定義的src矩陣是CV_32FC3，即3通道float型，對(duì)應(yīng)Vec3f可以兼容該類型。

（2）使用Mat的成員函數(shù)ptr<>()訪問元素

Vec3f*temp(NULL);for (int r = 0; r < src.rows; r++) { temp = src.ptr<Vec3f>(r); for (int c = 0; c < src.cols; c++) { cout<< temp[c]; } }

注意，ptr 是指向矩陣的行，同樣，使用ptr函數(shù)也應(yīng)該知道矩陣元素的類型和通道數(shù)

（3）使用OpenCV迭代器

MatIterator_<Vec3b> it_src; MatIterator_<Vec3b> itEnd_src;it_src = src.begin<Vec3f>(); itEnd_src = src.end<Vec3f>(); for (; it_src != itEnd_src; it_src++) { cout<< *it_src; }