ROS交流群
ROS Group
产品服务
Product Service
开源代码库
Github
官网
Official website
技术交流
Technological exchanges
激光雷达
LIDAR
ROS教程
ROS Tourials
深度学习
Deep Learning
机器视觉
Computer Vision

opencv中IplImage, CvMat, Mat 数据结构的使用简介



  • 本文转自http://www.cnblogs.com/summerRQ/articles/2406109.html

    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;    /* IplImage大小 */
        int ID;    /* 版本 (=0)*/
        int nChannels;  /* 大多数OPENCV函数支持1,2,3 或 4 个通道 */ 
        int alphaChannel;  /* 被OpenCV忽略 */ 
        int depth;   /* 像素的位深度: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U, 
                    IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F 可支持 */ 
        
        char colorModel[4]; /* 被OpenCV忽略 */ 
        char channelSeq[4]; /* 被OpenCV忽略 */ 
        int dataOrder;      /* 0 - 交叉存取颜色通道, 1 - 分开的颜色通道. cvCreateImage只能创建交叉存取图像 */ 
        int origin;     /* 0 - 顶—左结构,1 - 底—左结构 (Windows bitmaps 风格) */ 
        int align;     /* 图像行排列 (4 or 8). OpenCV 忽略它,使用 widthStep 代替 */ 
        
        int width;     /* 图像宽像素数 */ 
        int height;    /* 图像高像素数*/ 
        
        struct _IplROI *roi;  /* 图像感兴趣区域. 当该值非空只对该区域进行处理 */ 
        struct _IplImage *maskROI; /* 在 OpenCV中必须置NULL */ 
        void *imageId;  /* 同上*/ 
        struct _IplTileInfo *tileInfo;  /*同上*/ 
        
        int imageSize;    /* 图像数据大小(在交叉存取格式下imageSize=image->height*image->widthStep),单位字节*/ 
        char *imageData;    /* 指向排列的图像数据 */ 
        int widthStep;     /* 排列的图像行大小,以字节为单位 */ 
        int BorderMode[4];     /* 边际结束模式, 被OpenCV忽略 */ 
        int BorderConst[4];    /* 同上 */ 
        
        char *imageDataOrigin;    /* 指针指向一个不同的图像数据结构(不是必须排列的),是为了纠正图像内存分配准备的 */ 
    } 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channel of 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 *):

    /*间接存取*/
    IplImage* img=cvLoadImage("lena.jpg", 1);
    CvScalar s;       /*sizeof(s) == img->nChannels*/
    s=cvGet2D(img,i,j);  /*get the (i,j) pixel value*/
    cvSet2D(img,i,j,s);   /*set the (i,j) pixel value*/
    
    /*宏操作*/
    IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
    for(int row = 0; row < img->height; row++)
    {
        for (int col = 0; col < img->width; col++)
        {
            b = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 0); 
            g = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 1); 
            r = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 2);
        }
    }
    
    /*直接存取*/
    IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
    uchar b, g, r; // 3 channels
    for(int row = 0; row < img->height; row++)
    {
        for (int col = 0; col < img->width; col++)
        {
            b = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 0]; 
            g = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 1]; 
            r = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 2];
        }
    }
    
    初始化使用IplImage *,是一个指向结构体IplImage的指针:
    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,我们需要知道,第一,在OpenCV中没有向量(vector)结构。任何时候需要向量,都只需要一个列矩阵(如果需要一个转置或者共轭向量,则需要一个行矩阵)。第二,OpenCV矩阵的概念与我们在线性代数课上学习的概念相比,更抽象,尤其是矩阵的元素,并非只能取简单的数值类型,可以是多通道的值。CvMat 的结构:

    typedef struct CvMat 
    { 
        int type;         
        int step;          /*用字节表示行数据长度*/
        int* refcount;     /*内部访问*/
        union {
            uchar*  ptr;
            short*  s;
            int*    i;
            float*  fl;
            double* db;
        } data;    /*数据指针*/
         union {
            int rows;
            int height;
        };
        union {
            int cols;   
            int width;
        };
    } CvMat; /*矩阵结构头*/
    
    创建CvMat数据:
    CvMat * cvCreateMat(int rows, int cols, int type); /*创建矩阵头并分配内存*/
    CV_INLine CvMat cvMat((int rows, int cols, int type, void* data CV_DEFAULT); /*用已有数据data初始化矩阵*/
    CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP)); /*(用已有数据data创建矩阵头)*/
    
    对矩阵数据进行访问:
    /*间接访问*/
    /*访问CV_32F1和CV_64FC1*/
    cvmSet( CvMat* mat, int row, int col, double value);
    cvmGet( const CvMat* mat, int row, int col );
    
    /*访问多通道或者其他数据类型: scalar的大小为图像的通道值*/
    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);
    
    /*直接访问: 取决于数组的数据类型*/
    /*CV_32FC1*/
    CvMat * cvmat = cvCreateMat(4, 4, CV_32FC1);
    cvmat->data.fl[row * cvmat->cols + col] = (float)3.0;
    
    /*CV_64FC1*/
    CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1);
    cvmat->data.db[row * cvmat->cols + col] = 3.0;
    
    /*一般对于单通道*/
    CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1);
    CV_MAT_ELEM(*cvmat, double, row, col) = 3.0; /*double是根据数组的数据类型传入,这个宏不能处理多通道*/
    
    /*一般对于多通道*/
    if (CV_MAT_DEPTH(cvmat->type) == CV_32F)
        CV_MAT_ELEM_CN(*cvmat, float, row, col * CV_MAT_CN(cvmat->type) + ch) = (float)3.0; // ch为通道值
    if (CV_MAT_DEPTH(cvmat->type) == CV_64F)
        CV_MAT_ELEM_CN(*cvmat, double, row, col * CV_MAT_CN(cvmat->type) + ch) = 3.0; // ch为通道值
    
    /*多通道数组*/
    /*3通道*/
    for (int row = 0; row < cvmat->rows; row++)
    {    
        p = cvmat ->data.fl + row * (cvmat->step / 4);
        for (int col = 0; col < cvmat->cols; col++)   
        {       
             *p = (float) row + col;       
             *(p+1) = (float)row + col + 1;       
             *(p+2) = (float)row + col + 2;       
             p += 3;    
        }
    }
    /*2通道*/
    CvMat * vector = cvCreateMat(1,3, CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0, 0) = cvPoint(100,100);
    /*4通道*/
    CvMat * vector = cvCreateMat(1,3, CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0, 0) = CvScalar(0, 0, 0, 0); 
    
    复制矩阵操作:
    /*复制矩阵*/
    CvMat* M1 = cvCreateMat(4,4,CV_32FC1);
    CvMat* M2;
    M2=cvCloneMat(M1);
    

    3.Mat

    Mat是opencv2.0推出的处理图像的新的数据结构,现在越来越有趋势取代之前的cvMat和lplImage,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,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,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:
     
    /*..很多方法..*/
    /*............*/
     
    int flags;(Note :目前还不知道flags做什么用的)
    int dims;  /*数据的维数*/
    int rows,cols; /*行和列的数量;数组超过2维时为(-1,-1)*/
    uchar *data;   /*指向数据*/
    int * refcount;   /*指针的引用计数器; 阵列指向用户分配的数据时,指针为 NULL
    
     
    /* 其他成员 */ 
     
    };
    

    从以上结构体可以看出Mat也是一个矩阵头,默认不分配内存,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,以下整理自opencv2.3.1 Manual:

    Mat(nrows, ncols, type, fillValue]); 
    M.create(nrows, ncols, type);
    
    例子:
    Mat M(7,7,CV_32FC2,Scalar(1,3)); /*创建复数矩阵1+3j*/
    M.create(100, 60, CV_8UC(15)); /*创建15个通道的8bit的矩阵*/
    
    /*创建100*100*100的8位数组*/
    int sz[] = {100, 100, 100}; 
    Mat bigCube(3, sz, CV_8U, Scalar:all(0));
    
    /*现成数组*/
    double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};
    Mat M = Mat(3, 3, CV_64F, m).inv();
    
    /*图像数据*/
    Mat img(Size(320,240),CV_8UC3); 
    Mat img(height, width, CV_8UC3, pixels, step); /*const unsigned char* pixels,int width, int height, int step*/
    
    /*使用现成图像初始化Mat*/
    IplImage* img = cvLoadImage("greatwave.jpg", 1);
    Mat mtx(img,0); // convert IplImage* -> Mat; /*不复制数据,只创建一个数据头*/
    
    访问Mat的数据元素:
    /*对某行进行访问*/
    Mat M;
    M.row(3) = M.row(3) + M.row(5) * 3; /*第5行扩大三倍加到第3行*/
    
    /*对某列进行复制操作*/
    Mat M1 = M.col(1);
    M.col(7).copyTo(M1); /*第7列复制给第1列*/
    
    /*对某个元素的访问*/
    Mat M;
    M.at<double>(i,j); /*double*/
    M.at(uchar)(i,j);  /*CV_8UC1*/
    Vec3i bgr1 = M.at(Vec3b)(i,j) /*CV_8UC3*/
    Vec3s bgr2 = M.at(Vec3s)(i,j) /*CV_8SC3*/
    Vec3w bgr3 = M.at(Vec3w)(i,j) /*CV_16UC3*/
    
    /*遍历整个二维数组*/
    double sum = 0.0f;
    for(int row = 0; row < M.rows; row++)
    {    
        const double * Mi = M.ptr<double>(row); 
        for (int col = 0; col < M.cols; col++)      
            sum += std::max(Mi[j], 0.);
    }
    
    /*STL iterator*/
    double sum=0;
    MatConstIterator<double> it = M.begin<double>(), it_end = M.end<double>();
    for(; it != it_end; ++it)    
    sum += std::max(*it, 0.);
    
    Mat可进行Matlab风格的矩阵操作,如初始化的时候可以用initializers,zeros(), ones(), eye(). 除以上内容之外,Mat还有有3个重要的方法:
    Mat mat = 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 -> CvMat
    /*cvGetMat*/
    CvMat matheader;
    CvMat * mat = cvGetMat(img, &matheader);
    /*cvConvert*/
    CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3);
    cvConvert(img, mat)
    
    
    IplImage -> Mat
    Mat::Mat(const IplImage* img, bool copyData=false);/*default copyData=false,与原来的IplImage共享数据,只是创建一个矩阵头*/
    例子:
    IplImage* iplImg = cvLoadImage("greatwave.jpg", 1);
    Mat mtx(iplImg); /* IplImage * -> Mat,共享数据; or : Mat mtx = iplImg;*/
    
     
    
    Mat -> IplImage
    Mat M
    IplImage iplimage = M; /*只创建图像头,不复制数据*/
    
    CvMat -> Mat
    Mat::Mat(const CvMat* m, bool copyData=false); /*类似IplImage -> Mat,可选择是否复制数据*/
    
    Mat -> CvMat
    例子(假设Mat类型的imgMat图像数据存在):
    CvMat cvMat = imgMat;/*Mat -> CvMat, 类似转换到IplImage,不复制数据只创建矩阵头
    

Log in to reply