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
  • 本文详细介绍如何使用Python进行配置文件的读写操作,涵盖常见的配置文件格式(如INI、JSON、TOML和YAML),并提供具体的代码示例。 ... [详细]
  • 本文详细介绍了如何在BackTrack 5中配置和启动SSH服务,确保其正常运行,并通过Windows系统成功连接。涵盖了必要的密钥生成步骤及常见问题解决方法。 ... [详细]
  • 数据管理权威指南:《DAMA-DMBOK2 数据管理知识体系》
    本书提供了全面的数据管理职能、术语和最佳实践方法的标准行业解释,构建了数据管理的总体框架,为数据管理的发展奠定了坚实的理论基础。适合各类数据管理专业人士和相关领域的从业人员。 ... [详细]
  • CentOS7源码编译安装MySQL5.6
    2019独角兽企业重金招聘Python工程师标准一、先在cmake官网下个最新的cmake源码包cmake官网:https:www.cmake.org如此时最新 ... [详细]
  • 本文深入探讨了 Java 中的 Serializable 接口,解释了其实现机制、用途及注意事项,帮助开发者更好地理解和使用序列化功能。 ... [详细]
  • 本文详细介绍了Akka中的BackoffSupervisor机制,探讨其在处理持久化失败和Actor重启时的应用。通过具体示例,展示了如何配置和使用BackoffSupervisor以实现更细粒度的异常处理。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • UNP 第9章:主机名与地址转换
    本章探讨了用于在主机名和数值地址之间进行转换的函数,如gethostbyname和gethostbyaddr。此外,还介绍了getservbyname和getservbyport函数,用于在服务器名和端口号之间进行转换。 ... [详细]
  • 掌握Mosek矩阵运算,轻松应对优化挑战
    本篇文章继续深入探讨Mosek学习笔记系列,特别是矩阵运算部分,这对于优化问题的解决至关重要。通过本文,您将了解到如何高效地使用Mosek进行矩阵初始化、线性代数运算及约束域的设定。 ... [详细]
  • 利用存储过程构建年度日历表的详细指南
    本文将介绍如何使用SQL存储过程创建一个完整的年度日历表。通过实例演示,帮助读者掌握存储过程的应用技巧,并提供详细的代码解析和执行步骤。 ... [详细]
  • 本文详细介绍如何使用Samba软件配置CIFS文件共享服务,涵盖安装、配置、权限管理及多用户挂载等关键步骤。通过具体示例和命令行操作,帮助读者快速搭建并优化Samba服务器。 ... [详细]
  • 本文详细介绍了优化DB2数据库性能的多种方法,涵盖统计信息更新、缓冲池调整、日志缓冲区配置、应用程序堆大小设置、排序堆参数调整、代理程序管理、锁机制优化、活动应用程序限制、页清除程序配置、I/O服务器数量设定以及编入组提交数调整等方面。通过这些技术手段,可以显著提升数据库的运行效率和响应速度。 ... [详细]
  • 开发笔记:由数据库某字段存数组引发的json_encode/serialize思考
    开发笔记:由数据库某字段存数组引发的json_encode/serialize思考 ... [详细]
  • 当面临数据库清理任务时,若无删除或重建数据库的权限,可以通过编写SQL脚本来实现批量删除用户自定义的数据表和存储过程。本文将详细介绍如何构造这样的SQL脚本。 ... [详细]
  • 本文深入探讨了Scala中的隐式转换机制,包括其在类扩展、隐式解析规则以及隐式参数和上下文绑定等方面的应用。通过具体示例,详细解释了如何利用隐式转换增强类的功能。 ... [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