OPENCV的MAT类详细讲解.docx

参考材料 参考材料 类Mat导言 Ope nCV c + + n 维稠密数组类 类 CV_EXPORTS Mat { public : / / …很多的方法... /*!包括几位字段： -神奇的签名 -连续性标志 -深度（Note :应该是位深） -通道数 */ int flags; （ Note :目前还不知道flags做什么用的） //!数组的维数，＞ =2 int dims ; //!行和列的数量或 （-1，-1）此时数组已超过 2维 int rows,cols; //!指向数据的指针 uchar *data ; //!指针的引用计数器 ； / /阵列指向用户分配的数据时，当指针为NULL int * refcount ; / /其他成员 ｝； Mat类表示一个n维的密集数值单通道或多通道数组。它可以用于存储实数或复数值的向 量和矩阵、灰度或彩色图像、体素、向量场、点云、张量、直方图 (尽管较高维的直方图 存储在SparseMat可能更好)。M数组的数据布局是由阵列 M.step[]定义的，使元素的 地址(io,。。。。iM.dims-i ),其中 0= i k M.size [k]，可以计算为: addr( Mi o iM.dims-1 ) = M.data+ M.step[ 0]*i o + M.step[ 1] *i 1 + .…+ M.step[ M:dims- 1] iM:dims- 1 2维的数组的情况下根据上述公式被减至 ： addr( M i,j)= M.data+ M.step[ 0]*i+ M.step[ 1] *j 请注意，M.step[i] =M.step[i+1] (事实上，M.step[i] =M.step[i+1]*M.size[i+1] )。 这意味着2维矩阵是按行存储的，3维矩阵是由平面存储，以此类推。M.step[M.dims-1] 是最小的而且总是等于元素大小 M.elemSize()。因此，Mat中的数据布局完全兼容 OpenCV 1.x 中CvMat、 IplImage、 CvMatND类型。它也和标准工具包和 SDK,女口 Numpy (ndarray ) , Win32(独立设备位图)等主流的密集数组类型相兼容 ，也就是说，与 任何使用步进(或步长)来计算像素位置的阵列相兼容 。由于这种兼容性，使用户分配的 数据创建Mat头以及用OpenCV函数实时处理该头成为可能 。有很多不同的方法，创建一 个Mat的对象。下面列出了最常见的选项 ： 使用 create (nrows,ncols,type )方法或类似的 Mat (nrows,ncols,type [,fillValue]) 为另一个数组的一部分构建头 。它可以是单个行、单个列，几个行，几个列，矩形区域 为另一个数组的一部分构建头 。它可以是单个行、单个列，几个行，几个列，矩形区域 参考材料 参考材料 构造函数 构造函数。一个新的指定了大小和类型的数组被分配 。type和cvCreateMat方法中的type 参考材料 参考材料 参数具有相同的含义。例如，CV_8UC1是指一个8位单通道阵列，CV_32FC2指2通 道 (复)浮点阵列，以此类推。 //创建一个用1+3j填充的7 x 7复矩阵。 Mat M(7,7,CV_32FC2,Scalar(1,3)); / /现在将 M转换为100 x 60的CV_8UC(15)的矩阵。 / /旧内容将会被释放 M.create(100,60,CV_8UC(15)); 这一章导言中指出，当当前的数组与指定的数组的形状或类型 create()分配唯一的新数组 时的形状或类型。 创建多维数组： / /创建 100 x 100 x 100 8 位数组 int sz[] = {100, 100, 100}; Mat. bigCube (3,sz,CV_8U,Scalar::all(0)); 它将维度数 (=1)传递给 Mat 的构造函数，但列 数设置为1时，创建数组将是 2维的。因此，Mat::dims 始终是＞=2的(该数组为空时， 也可以是0 )。 使用的复制构造函数或赋值运算符可以是一个数组或右侧的表达式 (请参阅 下图)。正像在导言中指出的，数组赋值运算复杂度是 0(1)因为当你需要它的时候，它仅 复制头和增加引用计数 。Mat::clone()方法可用于获取全(深)的副本数组。 (代数中称为较小值)的数组或对角线。这种操作也是复杂度为 0(1)，因为，新头引用 相同的数据。实际上，您可以使用此特性修改该数组的一部分例如 ： / /第5行，乘以3，加到第3行， M.row(3) = M.row(3) + M.row (5) * 3 ; / /现在将第7列复制到第1列 / / M