热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

(转载)IplImage、CvMat等图像处理库的使用方法详解

opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种类型都可以代表和显示图像,但是,M

opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种类型都可以代表和显示图像,但是,Mat类型侧重于计算,数学性较高,openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”,opencv对其中的图像操作(缩放、单通道提取、图像阈值操作等)进行了优化。在opencv2.0之前,opencv是完全用C实现的,但是,IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上,CvMat之上还有一个更抽象的基类----CvArr,这在源代码中会常见。

1. IplImage

opencv中的图像信息头,该结构体定义:  

typedef struct _IplImage { int nSize; int ID; int nChannels; int alphaChannel; int depth; char colorModel[4]; char channelSeq[4]; int dataOrder; int origin; int align; int width; int height; struct _IplROI *roi; struct _IplImage *maskROI; void *imageId; struct _IplTileInfo *tileInfo; int imageSize; char *imageData; int widthStep; int BorderMode[4]; int BorderConst[4]; char *imageDataOrigin; } IplImage;

dataOrder中的两个取值:交叉存取颜色通道是颜色数据排列将会是BGRBGR...的交错排列。分开的颜色通道是有几个颜色通道就分几个颜色平面存储。roi是IplROI结构体,该结构体包含了xOffset,yOffset,height,width,coi成员变量,其中xOffset,yOffset是x,y坐标,coi代表channelof interest(感兴趣的通道),非0的时候才有效。访问图像中的数据元素,分间接存储和直接存储,当图像元素为浮点型时,(uchar*) 改为 (float *): 

IplImage* img=cvLoadImage("lena.jpg", 1);CvScalar s; s=cvGet2D(img,i,j); cvSet2D(img,i,j,s); IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
for(int row &#61; 0; row < img->height; row&#43;&#43;){for (int col &#61; 0; col width; col&#43;&#43;){b &#61; CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels &#43; 0); g &#61; CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels &#43; 1); r &#61; CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels &#43; 2);}}IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
uchar b, g, r; // 3 channels
for(int row &#61; 0; row < img->height; row&#43;&#43;){for (int col &#61; 0; col width; col&#43;&#43;){b &#61; ((uchar *)(img->imageData &#43; row * img->widthStep))[col * img->nChannels &#43; 0]; g &#61; ((uchar *)(img->imageData &#43; row * img->widthStep))[col * img->nChannels &#43; 1]; r &#61; ((uchar *)(img->imageData &#43; row * img->widthStep))[col * img->nChannels &#43; 2];}}

 初始化使用IplImage *&#xff0c;是一个指向结构体IplImage的指针&#xff1a; 

IplImage * cvLoadImage(const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); //load images from specified image
IplImage * cvCreateImage(CvSize size, int depth, int channels); //allocate memory

 

2.CvMat

首先&#xff0c;我们需要知道&#xff0c;第一&#xff0c;在OpenCV中没有向量(vector)结构。任何时候需要向量&#xff0c;都只需要一个列矩阵(如果需要一个转置或者共轭向量&#xff0c;则需要一个行矩阵)。第二&#xff0c;OpenCV矩阵的概念与我们在线性代数课上学习的概念相比&#xff0c;更抽象&#xff0c;尤其是矩阵的元素&#xff0c;并非只能取简单的数值类型&#xff0c;可以是多通道的值。CvMat的结构&#xff1a; 

typedef struct CvMat { int type; int step; int* refcount; union {uchar* ptr;short* s;int* i;float* fl;double* db;} data; union {int rows;int height;};union {int cols; int width;};} CvMat;

 创建CvMat数据&#xff1a; 

CvMat * cvCreateMat(int rows, int cols, int type); CV_INLine CvMat cvMat((int rows, int cols, int type, void* data CV_DEFAULT); CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP));

 对矩阵数据进行访问&#xff1a; 

cvmSet( CvMat* mat, int row, int col, double value);cvmGet( const CvMat* mat, int row, int col );CvScalar cvGet2D(const CvArr * arr, int idx0, int idx1); //CvArr只作为函数的形参void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);

CvMat * cvmat &#61; cvCreateMat(4, 4, CV_32FC1);cvmat->data.fl[row * cvmat->cols &#43; col] &#61; (float)3.0;CvMat * cvmat &#61; cvCreateMat(4, 4, CV_64FC1);cvmat->data.db[row * cvmat->cols &#43; col] &#61; 3.0;

CvMat * cvmat &#61; cvCreateMat(4, 4, CV_64FC1);CV_MAT_ELEM(*cvmat, double, row, col) &#61; 3.0;

if (CV_MAT_DEPTH(cvmat->type) &#61;&#61; CV_32F)CV_MAT_ELEM_CN(*cvmat, float, row, col * CV_MAT_CN(cvmat->type) &#43; ch) &#61; (float)3.0; // ch为通道值
if (CV_MAT_DEPTH(cvmat->type) &#61;&#61; CV_64F)CV_MAT_ELEM_CN(*cvmat, double, row, col * CV_MAT_CN(cvmat->type) &#43; ch) &#61; 3.0; // ch为通道值

for (int row &#61; 0; row rows; row&#43;&#43;){ p &#61; cvmat ->data.fl &#43; row * (cvmat->step / 4);for (int col &#61; 0; col cols; col&#43;&#43;) { *p &#61; (float) row &#43; col; *(p&#43;1) &#61; (float)row &#43; col &#43; 1; *(p&#43;2) &#61; (float)row &#43; col &#43; 2; p &#43;&#61; 3; }}CvMat * vector &#61; cvCreateMat(1,3, CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0, 0) &#61; cvPoint(100,100);CvMat * vector &#61; cvCreateMat(1,3, CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0, 0) &#61; CvScalar(0, 0, 0, 0);

 复制矩阵操作&#xff1a;

CvMat* M1 &#61; cvCreateMat(4,4,CV_32FC1);CvMat* M2;M2&#61;cvCloneMat(M1);

 

3.Mat

Mat是opencv2.0推出的处理图像的新的数据结构&#xff0c;现在越来越有趋势取代之前的cvMat和lplImage&#xff0c;相比之下Mat最大的好处就是能够更加方便的进行内存管理&#xff0c;不再需要程序员手动管理内存的释放。opencv2.3中提到Mat是一个多维的密集数据数组&#xff0c;可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。 

class CV_EXPORTS Mat{public&#xff1a;int flags;&#xff08;Note &#xff1a;目前还不知道flags做什么用的&#xff09;int dims; int rows,cols; uchar *data; int * refcount; ...};

 从以上结构体可以看出Mat也是一个矩阵头&#xff0c;默认不分配内存&#xff0c;只是指向一块内存(注意读写保护)。初始化使用create函数或者Mat构造函数&#xff0c;以下整理自opencv2.3.1Manual:

Mat(nrows, ncols, type, fillValue]); M.create(nrows, ncols, type);

例子&#xff1a;Mat M(7,7,CV_32FC2,Scalar(1,3)); M.create(100, 60, CV_8UC(15));

int sz[] &#61; {100, 100, 100}; Mat bigCube(3, sz, CV_8U, Scalar:all(0));

double m[3][3] &#61; {{a, b, c}, {d, e, f}, {g, h, i}};Mat M &#61; Mat(3, 3, CV_64F, m).inv();

Mat img(Size(320,240),CV_8UC3); Mat img(height, width, CV_8UC3, pixels, step);

IplImage* img &#61; cvLoadImage("greatwave.jpg", 1);Mat mtx(img,0); // convert IplImage* -> Mat;

访问Mat的数据元素&#xff1a;

Mat M;M.row(3) &#61; M.row(3) &#43; M.row(5) * 3; Mat M1 &#61; M.col(1);M.col(7).copyTo(M1); Mat M;M.at<double>(i,j); M.at(uchar)(i,j); Vec3i bgr1 &#61; M.at(Vec3b)(i,j) Vec3s bgr2 &#61; M.at(Vec3s)(i,j) Vec3w bgr3 &#61; M.at(Vec3w)(i,j) double sum &#61; 0.0f;for(int row &#61; 0; row const double * Mi &#61; M.ptr<double>(row); for (int col &#61; 0; col 0.);}double sum&#61;0;MatConstIterator<double> it &#61; M.begin<double>(), it_end &#61; M.end<double>();for(; it !&#61; it_end; &#43;&#43;it) sum &#43;&#61; std::max(*it, 0.);

Mat可进行Matlab风格的矩阵操作&#xff0c;如初始化的时候可以用initializers,zeros(), ones(), eye().除以上内容之外&#xff0c;Mat还有有3个重要的方法&#xff1a;

Mat mat &#61; imread(const String* filename); // 读取图像
imshow(const string frameName, InputArray mat); // 显示图像
imwrite (const string& filename, InputArray img); //储存图像

 

4. CvMat, Mat, IplImage之间的互相转换

IpIImage -> CvMatCvMat matheader;CvMat * mat &#61; cvGetMat(img, &matheader);CvMat * mat &#61; cvCreateMat(img->height, img->width, CV_64FC3);cvConvert(img, mat)

IplImage -> MatMat::Mat(const IplImage* img, bool copyData&#61;false);例子&#xff1a;IplImage* iplImg &#61; cvLoadImage("greatwave.jpg", 1);Mat mtx(iplImg);


Mat -> IplImageMat MIplImage iplimage &#61; M;

CvMat -> MatMat::Mat(const CvMat* m, bool copyData&#61;false);

Mat -> CvMat例子(假设Mat类型的imgMat图像数据存在)&#xff1a;CvMat cvMat &#61; imgMat;/*Mat -> CvMat, 类似转换到IplImage&#xff0c;不复制数据只创建矩阵头



推荐阅读
  • 本文介绍了如何在React Native应用中获取组件的实际宽度和高度,并详细说明了屏幕单位(如dp)与像素(px)之间的转换方法。 ... [详细]
  • 本文详细介绍了Oracle RMAN中的增量备份机制,重点解析了差异增量和累积增量备份的概念及其在不同Oracle版本中的实现。通过对比两种备份方式的特点,帮助读者选择合适的备份策略。 ... [详细]
  • 深入解析mt_allocator内存分配器(二):多线程与单线程场景下的实现
    本文详细介绍了mt_allocator内存分配器在多线程和单线程环境下的实现机制。该分配器以2的幂次方字节为单位分配内存,支持灵活的配置和高效的性能。文章分为内存池特性描述、内存池实现、单线程内存池实现、内存池策略类实现及多线程内存池实现等部分,深入探讨了内存池的初始化、内存分配与回收的具体实现。 ... [详细]
  • 深入解析C++ Atomic编程中的内存顺序
    在多线程环境中,为了防止多个线程同时修改同一数据导致的竞争条件,通常会使用内核级同步对象,如事件、互斥锁和信号量等。然而,这些方法往往伴随着高昂的上下文切换成本。本文将探讨如何利用C++11中的原子操作和内存顺序来优化多线程编程,减少不必要的开销。 ... [详细]
  • NumPy 的 random 模块提供了多种生成不同类型随机数的方法,包括均匀分布、正态分布等。本文详细介绍了 uniform、rand、random、randint 等函数的具体用法及其应用场景。 ... [详细]
  • C基本语法C程序可以定义为对象的集合,这些对象通过调用彼此的方法进行交互。现在让我们简要地看一下什么是类、对象,方法、即时变量。对象-对象具有状态和行为 ... [详细]
  • 本文主要解决了在编译CM10.2时出现的关于Samsung Exynos 4 HDMI HAL库中SecHdmiV4L2Utils.cpp文件的编译错误。 ... [详细]
  • 本文介绍如何使用Python编程语言合并字典中具有相同集合值的键,并提供两种实现方法。 ... [详细]
  • [编程题] LeetCode上的Dynamic Programming(动态规划)类型的题目
    继上次把backTracking的题目做了一下之后:backTracking,我把LeetCode的动态规划的题目又做了一下,还有几道比较难的Medium的题和Hard的题没做出来,后面会继续 ... [详细]
  • 深入理解Java反射机制
    本文将详细介绍Java反射的基础知识,包括如何获取Class对象、反射的基本过程、构造器、字段和方法的反射操作,以及内省机制的应用。同时,通过实例代码加深对反射的理解,并探讨其在实际开发中的应用。 ... [详细]
  • 面对快应用开发时需要获取摘要值的需求,但官方API并未直接提供相应支持。通过探索发现,利用第三方加密库crypto-js可有效解决此问题。本文将详细介绍如何集成并使用该库来实现摘要值的获取。 ... [详细]
  • 基于OpenCV的小型图像检索系统开发指南
    本文详细介绍了如何利用OpenCV构建一个高效的小型图像检索系统,涵盖从图像特征提取、视觉词汇表构建到图像数据库创建及在线检索的全过程。 ... [详细]
  • 本文探讨了如何利用数组来构建二叉树,并介绍了通过队列实现的二叉树层次遍历方法。通过具体的C++代码示例,详细说明了构建及打印二叉树的过程。 ... [详细]
  • 2022年4月15日的算法练习题,包括最长公共子序列和线段树的应用。 ... [详细]
  • 详解MyBatis二级缓存的启用与配置
    本文深入探讨了MyBatis二级缓存的启用方法及其配置细节,通过具体的代码实例进行说明,有助于开发者更好地理解和应用这一特性,提升应用程序的性能。 ... [详细]
author-avatar
qt70ewi
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有