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。
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
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
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。
看上图,我们发现Mat对象复制是有三种方法的
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);
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:
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
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。其他赋值情况也一样
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_(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
*/
最常用的有4种方法
- Mat::zeros()
- Mat::ones();
- =
- Scalar
现在开始分别说明
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
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
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
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
不能直接加,会有问题,加法减法见后面
m=Scalar(127,127,127);
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);
- }
OpenCV函数中输出图像的内存分配是自动完成的(如果不特别指定的话)
使用OpenCV的C++接口时不需要考虑内存释放问题
赋值运算符和拷贝构造函数(构造函数)只复制信息头和矩阵指针
使用clone()函数或copyTo()来复制一幅图像的矩阵
像素值的存储方法:
RGB:最常见HSV、HSL:将颜色分解成色调、饱和度、亮度/明度
YCrCb:JPEG图像格式广泛使用
CIE L*a*b*:在感知上均匀的颜色空间,适合度量两个颜色之间的距离