C++ opencv图像存储和MAT容器

news2024/11/26 12:44:01

1.图像在内存之中的存储方式:

图像矩阵的大小取决于所用的颜色模型，确切说，取决于所用通道数。如果是灰度图像，矩阵就会如图5.1所示。

对于多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相同，如图5.2所示RGB颜色模型的矩阵。

可以看到，OpenCV中子列的通道顺序是反过来的——BGR而不是RGB。有时候，由于内存足够大，可实现连续存储，图像中的各行是一行一行连接起来的，形成一个长行。可以使用isContinuous()来判断矩阵是否是连续存储的。

2.mat矩阵（图像存储类型）

1.概念：

Mat是一个类，由两部分组成：

什么是Mat呢，Mat其实就是matrix（矩阵）的缩写
我们看到的图像，就是以数字矩阵的形式存储在计算机中，在opencv中，我们用Mat类的对象存储图像。

在opencv中，Mat类分为两个部分

矩阵头
矩阵数据

矩阵头

图像有很多属性。如：大小，宽和高，数据类型，通道数。这些数据存储在矩阵头中

矩阵数据

图像也有很多的数据，图像的数据部分是所有像素的值的一个集合，存储在矩阵数据中

在这里插入图片描述

如下边代码：

Mat A, C;  // 仅创建信息头部分
A = imread("1.jpg", CV_LOAD_IMAGE_COLOR)  // 这里为矩阵开辟内存
Mat B(A)  //使用拷贝构造函数
C=A;     //赋值运算符
上述代码中的所有Mat对象最终都指向同一个也是唯一一数据矩阵。虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其他对象。

创建部分信息数据的信息头：只需要创建包含边界信息的信息头
Mat D(A, Rect(10, 10, 100, 100));  //使用矩形界定
Mat E = A(Range:all(), Range(1, 3)
复制矩阵本身（不只是复制信息头和矩阵指针）：使用函数clone()、copyTo()
Mat F = A.clone();
Mat G;
A.copyTo(G)
上述代码，改变F和G就不会影响Mat信息头所指向的矩阵。

2.Mat对象复制

看上图，我们发现Mat对象复制是有三种方法的

克隆
拷贝
赋值

这里说一下它们的区别

赋值：相当于浅复制，只复制了矩阵头，指向的是同一个数据块。类似浅拷贝，指针直接指向

克隆/拷贝：相当于深复制，还会复制相应的数据块

//1.赋值——浅复制
Mat src = imread("……");
Mat m3 = src;

//2.克隆——深复制
Mat src = imread("……");
Mat m1 = src.clone();

//3.拷贝——深复制
Mat src = imread("……");
Mat m2;
src.copyTo(m2);

3.Mat对象属性

Mat对象存储了一些属性，如：列数，行数，通道数（维度），位深度，图像类型

Mat image= imread("……");

获取方式：

image.cols;列
image.rows;行
image.channels();通道
image.depth();深度
image.type();类型

image.size() 长x高

数据类型和通道数
图像的数据类型type由两部分组成

std::cout << m << std::endl;//为了说明以上语句的不同，我们把矩阵进行打印

说明：

通道数

在opencv中type是枚举类型的数值
如CV_8UC3：表示 8位无符号整数（字节类型）三通道。枚举数值16

忽略掉前面的字符，我们只关注Cx，可以很快的发现，Cx即表示通道数channels。
如C1——单通道，C2——双通道……

注意：

当为单通道时，C1可以省略，直接为CV_8U
单通道为灰度图像，三通道为彩色图像

深度

图像深度depth和数据类型关联密切，其在opencv中也为枚举数值。

图像深度有真实值和枚举值之分。

枚举值

图像depth的枚举值跟通道数无关，相同类型下如CV_8UC1和CV_8UC3，图像深度的枚举值是一样的

真实值

图像depth的真实值还要考虑通道数，如CV_8UC3 的通道数为 8*3=24位

3.Mat对象的创建与初始化

1.使用无参数构造函数，创建Mat对象。

Mat image = Mat();
image.create(4, 4, CV_8UC3);//创建一个4x4大小的像素块，每个像素都是三通道每个通道的位数都是8位
1
2
上述CV_8UC3中的8表示8位，UC表示uchar类型，3表示三个通道。

2.使用带行、列、类型这个三个参数的构造函数创建Mat对象

Mat m = Mat(4, 4, CV_8UC3); //创建一个4x4大小的像素块，每个像素都是三通道每个通道的位数都是8位
与方法二创建的像素块一样。

3.使用行、列、类型、Scalar向量四个参数的构造函数创建Mat对象。

Mat m = Mat(4, 4, CV_8UC3, Scalar(0, 255, 255)); 
//创建一个4x4大小的像素块，每个像素都是三通道每个通道的位数都是8位，指定三通道颜色值向量Scalar(0, 255, 255)

同样表示创建一个4x4的像素块，唯一的区别是颜色不是默认值，而是我们指定的三通道颜色值向量Scalar(0, 255, 255)。其中Scalar向量数目永远是等于通道数目。

4.使用大小、类型两个参数的构造函数创建Mat对象。

Mat m = Mat(Size(4, 4), CV_8UC3); //创建一个4x4大小的像素块，每个像素都是三通道每个通道的位数都是8位

5.使用大小、类型、Scalar向量三个参数的构造函数创建Mat对象。

Mat m = Mat(Size(4, 4), CV_8UC3, Scalar(255, 0, 0)); //创建一个4x4大小的像素块，每个像素都是三通道每个通道的位数都是8位

Mat对象创建，常用的是创建空白图像。如下演示了三种

Mat src = imread("……");

Mat m4 = Mat::zeros(src.size(),src.type())
/*
矩阵填充0
    行列为src行列
        数据类型为src的数据类型
*/

Mat m5 = Mat::zeros(Size(512,512),CV_8UC3);
/*
矩阵填充0
    行列为512*512
        数据类型为CV_8UC3（8UC指8位无符号字符，3指3个通道）
*/

Mat m6 = Mat::ones(Size(512,512),CV_8UC3);
/*
矩阵填充1
    其余与上相同
*/

Mat kernel = (Mat_<char>(3,3)<<0,-1,0,-1,5,-1,0,-1,0); 位数，只有灰度
/*
矩阵自由填充类型

*/

4.Mat对象的赋值

最常用的有4种方法

Mat::zeros()
Mat::ones();
=
Scalar

现在开始分别说明

Mat::zeros

创建空矩阵

Mat m = Mat::zeros(Size(8, 8), CV_8UC1);
Mat m = Mat::zeros(Size(8, 8), CV_8UC3);

矩阵宽度 = 图像的列 * 通道数

当为CV_8UC1时，单通道，矩阵宽度8
当为CV_8UC3时，三通道，矩阵宽度24

在这里插入图片描述

Mat::ones

创建1矩阵

Mat m = Mat::ones(Size(8, 8), CV_8UC1);
Mat m = Mat::ones(Size(8, 8), CV_8UC3);

注：

当填充为1的时候，要特别小心

单通道没问题，但是三通道这种多通道，只在第一个通道为1

重载的 =

直接赋值

m=127;

和Mat::ones相同，单通道没问题，多通道只赋值第一个
在这里插入图片描述

Scalar

前面的三种方式，只用Mat::zeros实现了多通道的赋值，但是只能赋值为0，非常局限。

下面介绍一个非常常用的赋值方法，比如我们赋值三通道，全变127

m=Scalar(127,127,127);

在这里插入图片描述

5.Mat对象的显示

在opencv中Mat矩阵就是图像，那我们来显示一下全127对应的图像

void QuickDemo::mat_creation_demo(Mat& image) {

    //创建空白图像
    Mat m3 = Mat::ones(Size(400, 400), CV_8UC3);

    m3 = Scalar(127, 127, 127);

    imshow("创建图像", m3);
}