OpenCV C++
- 1 数据载入、显示与保存
- 1.1 概念
- 1.2 Mat 类构造与赋值
- 1.3 Mat 类的赋值
- 1.4 Mat 类支持的运算
- 1.5 图像的读取与显示
- 1.6 视频加载与摄像头调用
- 1.7 数据保存
参考：《OpenCV4快速入门》作者冯 振 郭延宁 吕跃勇
1 数据载入、显示与保存
1.1 概念
- Mat 类 : Mat 类用来保存矩阵类型的数据信息。Mat 类分为 矩阵头和指向存储数据的矩阵指针两部分。矩阵头中包含矩阵的尺寸、存储方法、地址和引用次数等（eg:(h,w,c,a),jpg,0001,2 + p）。在 OpenCV 中复制和传递图像时，只是复制了矩阵头和指向存储数据的指针，而非存放矩阵数据，从而节省计算机资源。
- 创建 Mat类
// 创建 Mat类
cv::Mat a; // 创建一个名为a的矩阵头
a = cv::imread('1.jpg'); // 向a中赋值图像数据，a的矩阵指针指向图像数据
cv::Mat b = a; // 复制矩阵头，并命名为b
// 用Mat 类只存储矩阵头和矩阵指针的优点？
// 通过a,b可以修改图像内容吗？
// 删除a对b有影响吗？
//
- Mat 类可以存储的数据类型：double、float、uchar、unsigned char。用模版制定Mat类存放数据类型。
cv::Mat A = Mat_<double>(3,3); //创建一个3*3的矩阵用于存放double类型数据
cv::Mat B = Mat_<float>(640,640,256);
- 通过 OpenCV 数据类型创建 Mat 类
// 1. OpenCV 中的数据类型与取值范围
CV_8U 8位无符号整数 0~255 [0~2**8]
CV_8S 8位符号整数 −128~127 [-2**7~2**7-1]
CV_16U 16位无符号整数 0~65535 [0~2**16]
CV_16S 16位符号整数 −32768~32767 [-2**15~2**15-1]
CV_32S 32位符号整数 −2147483648~2147483647 [-2**32~2**32-1]
CV_32F 32位浮点整数 -FLT_MAX~FLT_MAX, INF, NAN
CV_64F 64位浮点整数 -DBL_MAX~DBL_MAX, INF, NAN
// 2. OpenCV 还定义了通道 数标识，C1、C2、C3、C4、C512 分别表示单通道、双通道、3 通道和 4 通道
// 3. OpenCV 中对图像数据类型的完整定义，例如 CV_8UC1 表示的是 8 位单通道数据，用于表示 8 位灰度图，而 CV_8UC3 表示的是 8 位 3 通道数据，用于表示 8 位彩色图。
cv::Mat a(640,480,CV_8UC3); // 创建一个640*480的3通道矩阵用于存放彩色图像
cv::Mat b(3,3,CV_8UC1); // 创建一个3*3的8位无符号整数的单通道矩阵
cv::Mat c(3,3,CV_8U); // 创建单通道矩阵，C1标识可以省略
// 4. 错误
cv::Mat a = Mat_<CV_8U>(3,3)； // Mat_<>()模版只识别float、double、int等C++的数据类型
cv::Mat a(3,3,uchar)； // 据Mat类构造函数只能用只能用OpenCV 中的数据类型
1.2 Mat 类构造与赋值
- 使用默认构造函数方式创建Mat
- 根据输入矩阵尺寸和类型构造
- 用 Size()结构构造 Mat 类
- 利用已有矩阵构造 Mat 类
- 构造已有 Mat 类的子类
- 使用默认构造函数方式创建Mat
cv::Mat::Mat(int rows,
int cols,
int type,
const Scalar & s）
// cv::Mat::Mat();
cv::Mat a;
- 根据输入矩阵尺寸和类型构造
cv::Mat::Mat( int rows,
int cols,
int type)
cv::Mat a(1280,1280,CV_32FC512);
- 用 Size()结构构造 Mat 类
cv::Mat::Mat(Size size(cols, rows),
int type
)
cv::Mat a(Size(10,20),CV_8S3); //构造一个行为640、列为480的3通道矩阵
cv::Mat b(Size(480,640),CV_32FC3); //构造一个行为640、列为480的3通道矩阵
- 利用已有矩阵构造 Mat 类
cv::Mat::Mat( const Mat & m);
cv::Mat a(Size(10,20),CV_8S3);
cv::Mat b(a); // b复制了a的矩阵头，矩阵指针指向的是同一个地址
cv::Mat b=a; // 同cv::Mat b(a)的效果一样
cv::Mat c=a.clone(); // c复制两个一模一样a，c更改数据，a不受影响。
- 构造已有 Mat 类的子类
通过这种方式构造的 Mat 类与已
有 Mat 类享有共同的数据，即如果两个 Mat 类中有一个数据发生更改，那么另一个也会随之更改。
cv::Mat::Mat(const Mat & m,
const Range & rowRange,
const Range & colRange = Range::all()
)
cv::Mat a(Size(10,20),CV_8S3);
cv::Mat b(a,Range(2,5),Range(2,5)); // 从a中截取部分数据构造b cv::Mat c(a,Range(2,5)); // 默认最后一个参数构造c
1.3 Mat 类的赋值
- 在构造时赋值的方法
- 枚举法赋值示例
- 循环法赋值
- 类方法赋值
- 利用数组进行赋值示例
- 在构造时赋值的方法
cv::Mat::Mat(int rows,
int cols,
int type,
const Scalar & s
)
cv::Mat a(20,20,CV_8UC1,CV::Scalar(255,0,0)); //创建一个3通道矩阵，每个像素都是255,0,0
cv::Mat b(2,2,CV_8UC2,cv::Scalar(0,255)); //创建一个2通道矩阵，每个像素都是0，255
cv::Mat c(2, 2, CV_8UC1, cv::Scalar(255)); //创建一个单通道矩阵，每个像素都是 255
// Scalar 结构中变量的个数一定要与定义中的通道数相对应。如果 Scalar 结 构中变量的个数大于通道数，则位置在大于通道数之后的数值将不会被读取， 例如执行 a(2, 2, CV_8UC2, Scalar(0,0,255))后，每个像素值都将是(0,0)，而 255 不会被读取;如果 Scalar 结构中变量的个数小于通道数，则会以 0 补充。
- 枚举法赋值
这种赋值方式是将矩阵中所有的元素一一列举，并用数据流的形式赋值给 Mat 类。
在采用枚举法时，输入的数据个数一定要与矩阵元素个数相同,否则会现报错。本方法常适用于矩阵数据比较少的情况。
cv::Mat a=(Mat_<float>(2,4)<< 1.0,2.,3.,4.,5.,6.,7.,8.);
cv::Mat b=(Mat_<int>(2,2)<<2,4,9,16);
- 循环法赋值
循环法赋值也是对矩阵中的每一个元素进行赋值，但是可以不在
声明变量的时候进行赋值，而且可以对矩阵中的任意部分进行赋值。在给矩阵每个元素赋值的时候，赋值函数中声明的变量类型要与矩阵定义时的变量类型相同，
cv::Mat a=Mat_<int>(2,3);
for (int i=0;i<a.rows;++i)
{
for (int j=0;j<a.cols;++j)
{
c.at<int>(i,j)=i*j;
}
}
- 类方法赋值
在 Mat 类里，提供了可以快速赋值的方法，可以初始化指定的矩阵。
cv::Mat a = cv::Mat::eye(3,3,CV_8Uc1);
cv::Mat b = (cv::Mat_<int>(1,3)<<1,2,3);
cv::Mat c = cv::Mat::diag(b);
cv::Mat d = cv::Mat::ones(3,3,cv_8UC1);
cv::Mat 3 = cv::Mat::zerons(2,3,cv_8UC3);
- 利用数组进行赋值示例
这种赋值方式首先将需要存入 Mat 类中的变量存入一个数组中，之后通过设置 Mat 类矩阵的 尺寸和通道数将数组变量拆分成矩阵，这种拆分方式可以自由定义矩阵的通道数。当矩阵中的元素 数目大于数组中的数据时，将用−1.073 741 8e+08 填充赋值给矩阵;当矩阵中元素的数目小于数组 中的数据时，将矩阵赋值完成后，数组中剩余数据将不再赋值。由数组赋值给矩阵的过程是首先将 矩阵中第一个元素的所有通道依次赋值，之后再赋值下一个元素。
float a[8]={1,2,3,4,5,6,7,8};
cv::Mat b = cv::Mat(2,2,CV_8UC2,a);
cv::Mat c = cv::Mat(2,4,CV_8UC1,a);
cv::Mat d = cv::Mat(2,2,CV_8UC1,a);
cv::Mat e = cv::Mat(3,4,CV_8UC3,a);
1.4 Mat 类支持的运算
- Mat 类的加减乘除运算,当两个 Mat 类变量进行加减运算时，必须保证两个矩阵中的数据类型是相同的。
cv::Mat a = (cv::Mat_<int>(3,3)<<1,2,3,4,5,6,7,8,9);
cv::Mat b = (cv::Mat_<int>(3,3)<<1,2,3,4,5,6,7,8,9);
cv::Mat c = (cv::Mat_<double>(3,3)<<1.,2.,3.,4.,5.,6.,7.,8.,9.);
cv::Mat d = (cv::Mat_<double>(3,3)<<1.1,2.2,3.2,4.4,5.5,6.6,7.7,8.8,9.9);
cv::Mat e,,f,g,h,i;
e = a+b;
f = c-d;
g = 2*a;
h = d/2.3;
i = a-1;
- 两个 Mat 类矩阵的乘法运算
- *：Mat 类中的数据类型必须是 CV_32FC1、 CV_64FC1、 CV_32FC2、 CV_64FC2 这 4 种中的一种。
- dot():dot()方法 结果是一个 double 类型的变量，该运算的目的是求取一个行向量和一个列向量点乘。
- mul()：表示两个 Mat 类矩阵对应位的乘积。根据输出结果可以知道 mul() 方法运算结果同样是一个 Mat 类矩阵。
cv::Mat j,m;
double x;
j = c*d; // 矩阵乘法，c的列数必须等于d的行数；
double x= a.dot(b); // 内积
m = a.mul(b); //
- Mat 类矩阵常用的属性
'''
a[2,2,3]
[(1,2,3),(4,5,6)
(7,8,9),(10,11,12)]
'''
cv::Mat a(3,4,CV_32FC3);
a.cols // 4
a.rows; // 3
a.elemsize(); // 每个元素的字节数,32/8×channels()=12
a.step; // 以字节为单位的矩阵的有效宽度,每个元素的字节数*cols=12*4=48，矩阵一行的字节数。
a.total; // 矩阵中元素的个数 3*4*200
a.channels() // 矩阵的通道数
- Mat 类元素的读取
- 通过 at 方法读取 Mat 类矩阵中的元素
- 通过指针 ptr 读取 Mat 类矩阵中的元素
- 通过迭代器访问 Mat 类矩阵中的元素
- 通过矩阵元素的地址定位方式访问元素
1）at 方法读取 Mat 类单通道矩阵元素。
单通道图像是一个二维矩阵，因此在 at 方法的最后给出二维平面坐标即可访问对应位置 元素
cv::Mat a = (cv::Mat_<uchar>(3, 3) << 1, 2, 3, 4, 5, 6, 7, 8, 9);
int value = (int)a.at<uchar>(0, 0);
多通道矩阵每一个元素坐标处都是多个数据，因此引入一个变量用于表示同一元素的多个 数据。在 OpenCV 中，针对三通道矩阵，定义了 cv::Vec3b、cv::Vec3s、cv::Vec3w、cv::Vec3d、cv::Vec3f、 cv::Vec3i 共 6 种类型用于表示同一个元素的 3 个通道数据。b 是 uchar 类型的缩写、s 是 short 类型的缩写、w 是 ushort 类型的缩写、d 是 double 类型的缩写、f 是 float 类型的缩写、i 是 int 类型的缩写。OpenCV 也为二通道和四通道定义了对应的变量类型，其命名方式也遵循这个 命名规则，例如二通道和四通道的 uchar 类型分别用 cv::Vec2b 和 cv::Vec4b 表示。
2）at 方法读取 Mat 类多通道矩阵元素
cv::Mat b(3, 4, CV_8UC3, cv::Scalar(0, 0, 1));
cv::Vec3b vc3 = b.at<cv::Vec3b>(0, 0); // vc3的数据类型要与b的数据类型一致，Vec3b中的b 是 uchar 类型的缩写
int first = (int)vc3.val[0];
int second = (int)vc3.val[1];
int third = (int)vc3.val[2];
3）指针 ptr 读取 Mat 类矩阵元素
cv::Mat b(3,4,CV_8UC3,cv::Scale(0,0,1));
for (int i=0;i<b.rows;++i)
{
uchar* ptr = b.ptr<uchar>[i];
for (int j=0;j<b.cols*b.channels;++j)
{
cout<<(int)ptr[j]<<endl;
}
}
b.ptr<uchart>(2)[3]; // 第三行第4个数据
4）通过迭代器访问 Mat 类矩阵中的元素
cv::Mat a(3,4,CV_8UC3,cv::Scale(0,0,1));
cv::MatIterator_<uchar> it = a.begin<uchar>();
cv::MatIterator_<uchar> it_end = a.end<uchar>();
for (int i=0;it != it_end;++it)
{
cout<<(int)(*it)<<"";
if((++i%a.cols)==0)
{
cout<<endl;
}
}
- 通过矩阵元素的地址定位方式访问元素
cv::Mat a(3,4,CV_8UC3,cv::Scale(0,0,1));
(int)(*(a.data+a.step[0]*row+a.step[1]*col+channle));
1.5 图像的读取与显示
// imread()函数的原型
1. cv::Mat cv::imread(const String & filename,
2. int flags=IMREAD_COLOR
3. )
// 图像窗口函数 namedWindow
1. void cv::namedWindow(const String & winname,
2. int flags = WINDOW_AUTOSIZE
3. )
// 图像显示函数 imshow
1. void cv::imshow(const String & winname,
2. InputArray mat
3. )
// 图像显示时常
cv::waitKey(0)
1.6 视频加载与摄像头调用
1）视频数据的读取
cv :: VideoCapture :: VideoCapture(); //默认构造函数
cv :: VideoCapture :: VideoCapture(const String& filename,
int apiPreference =CAP_ANY
)
• filename:读取的视频文件或者图像序列名称。
• apiPreference:读取数据时设置的属性，例如编码格式、是否调用 OpenNI 等。
2）
VideoCapture.cpp 读取视频文件
#include<opencv2\opencv.hpp>
include<iostream>
using namespace std;
using namespace cv;
int main()
{
system("color F0"); //更改输出界面颜色
VideoCapture video("cup.mp4"); // 实例化一个视频
if(video.isOpened()) // 判断视频是否可以正确读取
{
// 显示视频属性
cout << "视频中图像的宽度=" << video.get(CAP_PROP_FRAME_WIDTH) << endl;
cout << "视频中图像的高度=" << video.get(CAP_PROP_FRAME_HEIGHT) << endl;
cout << "视频帧率=" << video.get(CAP_PROP_FPS) << endl;
cout << "视频的总帧数=" << video.get(CAP_PROP_FRAME_COUNT);
}
else
{
cout << "请确认视频文件名称是否正确" << endl;
return -1;
}
while(1)
{
Mat frame;
video >> frame; // 获取当前帧
if(frame.empty())
{
break;
}
imshow("video",frame);
waitKey(1000/video.get(CAP_PROP_FPS));
}
waitKey();
return 0;
}
3）摄像头的直接调用
cv :: VideoCapture :: VideoCapture(int index,
int apiPreference = CAP_ANY
)
#include<opencv2\opencv.hpp>
include<iostream>
using namespace std;
using namespace cv;
int main()
{
system("color F0"); //更改输出界面颜色
VideoCapture video(0); // 实例化一个视频
if(video.isOpened()) // 判断视频是否可以正确读取
{
// 显示视频属性
cout << "视频中图像的宽度=" << video.get(CAP_PROP_FRAME_WIDTH) << endl;
cout << "视频中图像的高度=" << video.get(CAP_PROP_FRAME_HEIGHT) << endl;
cout << "视频帧率=" << video.get(CAP_PROP_FPS) << endl;
cout << "视频的总帧数=" << video.get(CAP_PROP_FRAME_COUNT);
}
else
{
cout << "请确认视频文件名称是否正确" << endl;
return -1;
}
while(1)
{
Mat frame;
video >> frame; // 获取当前帧
if(frame.empty())
{
break;
}
imshow("video",frame);
waitKey(1000/video.get(CAP_PROP_FPS));
}
waitKey();
return 0;
}
1.7 数据保存
OpenCV 提供 imwrite()函数用于将 Mat 类矩阵保存成图像文件
- 图像的保存
1. bool cv :: imwrite(const String& filename,
2. InputArray img,
3. Const std::vector<int>& params =std::vector<int>()
4. )
• filename:保存图像的地址和文件名，包含图像格式。
• img:将要保存的 Mat 类矩阵变量。
• params:保存图片格式属性设置标志。
- imgWriter.cpp 保存图像
#include <opencv2\opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
void AlphaMat(Mat &mat)
{
CV_Assert(mat.channels() == 4);
for (int i = 0; i < mat.rows; ++i)
{
for (int j = 0; j < mat.cols; ++j)
{
Vec4b& bgra = mat.at<Vec4b>(i, j);
bgra[0] = UCHAR_MAX; // 蓝色通道
bgra[1] = saturate_cast<uchar>((float(mat.cols - j)) / ((float)mat.cols)* UCHAR_MAX); // 绿色通道
bgra[2] = saturate_cast<uchar>((float(mat.rows - i)) / ((float)mat.rows) * UCHAR_MAX); // 红色通道
bgra[3] = saturate_cast<uchar>(0.5 * (bgra[1] + bgra[2])); // Alpha 通道
}
}
}
int main(int agrc, char** agrv)
{
Mat mat(480, 640, CV_8UC4);
AlphaMat(mat);
// imwrite()函数中第三个参数设置方式
vector<int> compression_params;
compression_params.push_back(IMWRITE_PNG_COMPRESSION); //PNG格式图像压缩标志
compression_params.push_back(9); //设置最高压缩质量
bool result = imwrite("alpha.png", mat, compression_params);
if (!result)
{
cout<< "保存成 PNG 格式图像失败" << endl;
return -1;
}
cout << "保存成功" << endl;
return 0;
}
3)视频的保存
1. cv :: VideoWriter :: VideoWriter(); //默认构造函数
2. cv :: VideoWriter :: VideoWriter(const String& filename,
3. int fourcc,
4. double fps,
5. Size frameSize,
6. bool isColor=true
7. )
• filename:保存视频的地址和文件名，包含视频格式。
• fourcc:压缩帧的 4 字符编解码器代码，详细参数在表 2-7 中给出。
• fps:保存视频的帧率，即视频中每秒图像的张数。
• frameSize:视频帧的尺寸。
• isColor:保存视频是否为彩色视频。
// 保存视频文件
#include<opencv2\opencv.hpp>
include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat img;
VideoCapture video(0); // 实例化一个视频
if(!video.isOpened()) // 判断视频是否可以正确读取
{
cout << "打开摄像头失败，请确认摄像头是否安装成功
return -1;
}
else
{
cout << "请确认视频文件名称是否正确" << endl;
return -1;
}
video >> img; //获取图像
//检测是否成功获取图像
if (img.empty())
{
cout << "没有获取到图像" << endl;
return -1;
}
bool isColor = (img.type() == CV_8UC3); //判断相机(视频)类型是否为彩色
VideoWriter writer;
int codec = VideoWriter::fourcc('M', 'J', 'P', 'G'); // 选择编码格式
double fps = 25.0; //设置视频帧率
string filename = "live.avi"; //保存的视频文件名称
writer.open(filename, codec, fps, img.size(), isColor); //创建保存视频文件的视频流
if (!writer.isOpened()) //判断视频流是否创建成功
{
cout << "打开视频文件失败，请确认是否为合法输入" << endl;
return -1;
}
while(1)
{
if (!video.read(img))
{
cout << "摄像头断开连接或者视频读取完成" << endl;
break;
}
writer.write(img); //把图像写入视频流
imshow("Live", img); //显示图像
char c = waitKey(50);
if (c == 27) //按“Esc”键退出视频保存
{
break;
}
return 0;
}
