OpenCV：Mat,IplImage,CvMat类型转换

Posted 2020-08-10 Not-Bad

Mat，cvMat和IplImage这三种类型都可以代表和显示图像，三者区别如下

• 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。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。在opencv2.0之前，opencv是完全用C实现的。

 三种类型间相互转换

（1）将IplImage类型转换到Mat类型

Mat::Mat(const IplImage* img, bool copyData=false);

默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建一个Mat矩阵头。当将参数copyData设为true后，就会复制整个图像数据。

e.g.

IplImage*iplImg = cvLoadImage("1.jpg", 1);
Matmtx(iplImg);                                                // IplImage* ->Mat 共享数据
                                                                        // or : Mat mtx = iplImg;

（2）将Mat类型转换到IplImage类型同样只是创建图像头，而没有复制数据。

例：

IplImage ipl_img = img;                       // Mat -> IplImage

（3）将CvMat类型转换为Mat类型与IplImage的转换类似，可以选择是否复制数据。

Mat::Mat(const CvMat* m, bool copyData=false);

（4）将Mat类型转换为CvMat类型与IplImage的转换类似，不复制数据，只创建矩阵头。

例：

// 假设Mat类型的imgMat图像数据存在
CvMat cvMat = imgMat;                                                  // Mat -> CvMat

三种类型的使用

1.IplImage

 //load images from specified image
IplImage * cvLoadImage(const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR));   
                        
 //allocate memory ——分配内存
IplImage * cvCreateImage(CvSize size, int depth, int channels);     ——size为宽度，即列数。depth为深度，即行数

 

//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];
    }
}

2.CvMat

需要了解，①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)。②OpenCV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。

//创建CvMat
CvMat * cvCreateMat(int rows, int cols, int type); 

CV_INLine CvMat cvMat((int rows, int cols, int type, void* dataCV_DEFAULT); 

CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL),
                                                                                  int step CV_DEFAULT(CV_AUTOSTEP));

//复制CvMat数据
CvMat* M1 = cvCreateMat(4,4,CV_32FC1);
CvMat* M2; M2=cvCloneMat(M1);

 

/*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);

 3.Mat

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。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。

 // 读取图像 
Mat mat = imread(const String* filename);
// 显示图像
imshow(const string frameName, InputArray mat);  
//储存图像
imwrite (const string& filename, InputArray img);  

 

/*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.);