早期的 OpenCV 中，使用 IplImage 和 CvMat 數據結構來表示圖像。IplImage和 CvMat 都是 C 語言的結構。使用這兩個結構的問題是內存需要手動管理，開發者必須清楚的知道何時需要申請內存，何時需要釋放內存。這個開發者帶來了一定的負擔，開發者應該將更多精力用于算法設計，因此在新版本的 OpenCV 中引入了 Mat 類。

新加入的 Mat 類能夠自動管理內存。使用 Mat 類，你不再需要花費大量精力在內存管理上。而且你的代碼會變得很簡潔，代碼行數會變少。但 C++接口唯一的不足是當前一些嵌入式開發系統可能只支持 C 語言，如果你的開發平臺支持C++，完全沒有必要再用 IplImage 和 CvMat。在新版本的 OpenCV 中，開發者依然可以使用 IplImage 和 CvMat，但是一些新增加的函數只 供了 Mat 接口。

Mat 類的定義如下所示，關鍵的屬性如下方代碼所示:

class CV_EXPORTS Mat

{

public:

//一系列函數

...

/* flag 參數中包含許多關于矩陣的信息，如:

-Mat 的標識

-數據是否連續

-深度

-通道數目

*/

int flags;

//矩陣的維數，取值應該大于或等于 2

int dims;

//矩陣的行數和列數，如果矩陣超過 2 維，這兩個變量的值都為-1

int rows, cols;

//指向數據的指針

uchar* data;

//指向引用計數的指針

//如果數據是由用戶分配的，則為 NULL

int* refcount;

//其他成員變量和成員函數

...

};

Mat屬性的理解

data：uchar類型的指針，指向Mat數據矩陣的首地址。可以理解為標示一個房屋的門牌號；

dims：Mat矩陣的維度，若Mat是一個二維矩陣，則dims=2，三維則dims=3，大多數情況下處理的都是二維矩陣，是一個平面上的矩陣;

rows：Mat矩陣的行數。可理解為房屋內房間行數；

cols：Mat矩陣的列數。可理解為房屋內房間列數；

size()：首先size是一個結構體，定義了Mat矩陣內數據的分布形式，數值上有關系式：

image.size().width==image.cols;

image.size().height==image.rows;

可以理解為房屋內房間的整體布局，這其中包括了房間分別在行列上分布的數量信息；

channels()：Mat矩陣元素擁有的通道數。例如常見的RGB彩色圖像，channels==3；而灰度圖像只有一個灰度分量信息，channels==1。可以理解為每個房間內放有多少床位，3通道的放了3張床，單通道的放了1張床；

depth：用來度量每一個像素中每一個通道的精度，但它本身與圖像的通道數無關！depth數值越大，精度越高。在Opencv中，Mat.depth()得到的是一個0~6的數字，分別代表不同的位數，對應關系如下：

enum{CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6}

可見 0和1都代表8位，2和3都代表16位，4和5代表32位，6代表64位；其中U是unsigned的意思，S表示signed，也就是有符號和無符號數。可以理解為房間內每張床可以睡多少人，這個跟房間內有多少床并無關系；

elemSize：elem是element(元素)的縮寫，表示矩陣中每一個元素的數據大小，如果Mat中的數據類型是CV_8UC1，那么elemSize==1；如果是CV_8UC3或CV_8SC3，那么elemSize==3；如果是CV_16UC3或者CV_16SC3，那么elemSize==6；即elemSize是以8位(一個字節)為一個單位，乘以通道數和8位的整數倍；可以理解為整個房間可以睡多少人，這個時候就得累計上房間內所有床位數(通道)和每張床的容納量了；

elemSize1：elemSize加上一個“1”構成了elemSize1這個屬性，1可以認為是元素內1個通道的意思，這樣從命名上拆分后就很容易解釋這個屬性了：表示Mat矩陣中每一個元素單個通道的數據大小，以字節為一個單位，所以有：

eleSize1==elemSize/channels；

step：可以理解為Mat矩陣中每一行的“步長”，以字節為基本單位，每一行中所有元素的字節總量，是累計了一行中所有元素、所有通道、所有通道的elemSize1之后的值；

step1()：以字節為基本單位，Mat矩陣中每一個像素的大小，累計了所有通道的elemSize1之后的值，所以有：

step1==step/elemSize1；

M.step[m-1] 總是等于 elemSize；M.step1(m-1)總是等于 channels。

補充：

step1(i):每一維元素的通道數

step[i]:每一維元素的大小，單位字節

size[i]:每一維元素的個數

elemSize()：每個元素大小，單位字節

elemSize1()：每個通道大小，單位字節

每一維的元素表示什么意思呢？

這里我們以空間幾何的角度來解釋，能夠更加容易理解一點。

三維矩陣，一共有三維，我們分別類比為

面：每個二維矩陣，表示第1維的元素

線：矩陣的每一行，表示第2維的元素

點：矩陣中每行的每個元素,表示第3維的元素

那么這樣子就可以解釋清楚每一維元素的含義了。

以step[i]為例

step[0]：面的大小，第1維的元素的大小，也就是二維矩陣的大小，一個二維矩陣有8行，所以

step[0] = step[1] * 8 = 480

step[1]：線的大小，第2維的元素的大小，也就是二維矩陣每一行的大小，由于每個元素大小為6，每行有10個元素，所以

step[1] = 10 * 6 = 60

step[2]：點的大小，第3維的元素的大小，這里矩陣的每個元素類型為CV_16UC3，所以

step[2] = 2 * 3 = 6

這里注意：

1.step的大小是字節

2.注意下標與維數的對應關系：下標2對應點，1對應線，0對應面

3.矩陣有幾維，step[]數組就有幾個元素，如3維，則有3個元素，step[0],step[1],step[2].分別對應面，線，點

只要記住，最后一個總是表示點，然后依次向前為線，面...

4.第2,3 點 ，對于size和step1()也一樣。

step1(i)和size[]與step[i]原理相同。

Mat對象構造函數與常用方法

常用的構造函數有:

Mat::Mat()

無參數構造方法;

Mat::Mat(int rows, int cols, int type)

創建行數為 rows，列數為 col，類型為 type 的圖像;

Mat::Mat(Size size, int type)

創建大小為 size，類型為 type 的圖像;

Mat::Mat(int rows, int cols, int type, const Scalar& s)

創建行數為 rows，列數為 col，類型為 type 的圖像，并將所有元素初始化為值 s;

Mat::Mat(Size size, int type, const Scalar& s)

創建大小為 size，類型為 type 的圖像，并將所有元素初始化為值 s;

Mat::Mat(const Mat& m)

將 m 賦值給新創建的對象，此處不會對圖像數據進行復制，m 和新對象共用圖像數據;

Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)

創建行數為 rows，列數為 col，類型為 type 的圖像，此構造函數不創建圖像數據所需內存，而是直接使用 data 所指內存，圖像的行步長由 step指定。

Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)

創建大小為 size，類型為 type 的圖像，此構造函數不創建圖像數據所需內存，而是直接使用 data 所指內存，圖像的行步長由 step 指定。

Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)

創建的新圖像為 m 的一部分，具體的范圍由 rowRange 和 colRange 指定，此構造函數也不進行圖像數據的復制操作，新圖像與 m 共用圖像數據;

Mat::Mat(const Mat& m, const Rect& roi)

創建的新圖像為 m 的一部分，具體的范圍 roi 指定，此構造函數也不進行圖像數據的復制操作，新圖像與 m 共用圖像數據。

這些構造函數中，很多都涉及到類型 type。type 可以是 CV_8UC1，CV_16SC1，...，CV_64FC4 等。里面的 8U 表示 8 位無符號整數，16S 表示 16 位有符號整數，64F表示 64 位浮點數(即 double 類型);C 后面的數表示通道數，例如 C1 表示一個通道的圖像，C4 表示 4 個通道的圖像，以此類推。

如果你需要更多的通道數，需要用宏 CV_8UC(n)，例如:

Mat M(3,2, CV_8UC(5));//創建行數為3，列數為2，通道數為5的圖像

有些 type 參數如 CV_32F未注明通道數目，這種情況下它表示單通道。

常用方法

void copyTo(); //拷貝

Mat clone(); //拷貝

int channels(); //通道，矩陣中的每一個矩陣元素擁有的值的個數

int depth(); //深度，即每一個像素的位數(bits)

bool empty() const; //判斷是否為空

uchar* ptr(int i0=0); //指針取第0行數據

void convertTo(oclMat& m, int rtype, double alpha=1, double beta=0);

//m：轉為目標數據類型的矩陣；

//rtype： 指定目標數據類型，或者是depth(通道數)，如果rtype：是負值，那么目標矩陣的數據類型和源矩形的數據類型是一致的；

//alpha：基于尺度的變化值；

//beta：在尺度上的加和；

Mat類的內存管理

Mat 是一個類，由兩個數據部分組成：矩陣頭(包含矩陣尺寸，存儲方法，存儲地址等信息)和一個指向存儲所有像素值的矩陣的指針。矩陣頭的尺寸是常數值，但矩陣本身的尺寸會依圖像的不同而不同，通常比矩陣頭的尺寸大數個數量級。復制矩陣數據往往花費較多時間，因此除非有必要，不要復制大的矩陣。

為了解決矩陣數據的傳遞，OpenCV 使用了引用計數機制。其思路是讓每個Mat 對象有自己的矩陣頭信息，但多個 Mat 對象可以共享同一個矩陣數據。讓矩陣指針指向同一地址而實現這一目的。很多函數以及很多操作(如函數參數傳值)只復制矩陣頭信息，而不復制矩陣數據。

如果 Mat 類自己申請數據空間，那么該類會多申請 4 個字節，多出的 4 個字節存儲數據被引用的次數。引用次數存儲于數據空間的后面，refcount 指向這個位置，如圖所示。當計數等于 0 時，則釋放該空間。

Mat類.jpeg

關于多個矩陣對象共享同一矩陣數據，我們可以看這個例子：

Mat A(100,100, CV_8UC1);

Mat B = A;

Mat C = A(Rect(50,50,30,30));

上面代碼中有三個Mat對象，分別是A，B和C。這三者共有同一矩陣數據，其示意圖如圖：

三個矩陣頭共用共用同一矩陣數據.jpeg

部分復制：一般情況下只會復制Mat對象的頭和指針部分，不會復制數據部分。如：

Mat A = imread(filePath);

Mat B = A;

完全復制：如果想把Mat對象的頭部和數據部分一起復制，如下：

Mat F = A.clone();

Mat G;

A.copyTo(G);

四個要點：

輸出圖像的內存是自動分配的

使用OpenCV的C++接口，不需要考慮內存分配的問題

賦值操作和拷貝構造函數只會復制頭部分

使用clone()與copyTo()兩個函數實現數據完全復制

create()函數創建對象

除了在構造函數中可以創建圖像，也可以使用 Mat 類的 create()函數創建圖像。如果 create()函數指定的參數與圖像之前的參數相同，則不進行實質的內存申請操作;如果參數不同，則減少原始數據內存的索引，并重新申請內存。使用方法如下面例程所示：

Mat M(2,2, CV_8UC3);//構造函數創建圖像

M.create(3,2, CV_8UC2);//釋放內存重新創建圖像

需要注意的時，使用 create()函數無法設置圖像像素的初始值。

Matlab 風格的創建對象方法

OpenCV 2 中 供了 Matlab 風格的函數，如 zeros()，ones()和 eyes()。這種方法使得代碼非常簡潔，使用起來也非常方便。使用這些函數需要指定圖像的大小和類型，使用方法如下：

Mat Z = Mat::zeros(3, 3, CV_8UC1);

cout << "Z = " << endl << " " << Z << endl;

Mat O = Mat::ones(3, 3, CV_32F);

cout << "O = " << endl << " " << O << endl;

Mat E = Mat::eye(3, 3, CV_64F);

cout << "E = " << endl << " " << E << endl;

show.jpeg

Mat 與 IplImage 和 CvMat 的轉換

1.Mat 轉為 IplImage 和 CvMat 格式

假如你有一個以前寫的函數，函數的定義為:

void mycvOldFunc(IplImage * p, ...);

函數的參數需要 IplImage 類型的指針。Mat 轉為 IplImage，可以用簡單的等號賦值操作來進行類型轉換，這樣實現:

Mat img(Size(320, 240), CV_8UC3);

...

IplImage iplimg = img; //轉為IplImage結構

mycvOldFunc( & iplimg, ...);//對 iplimg 取地址

如果要轉為 CvMat 類型，操作類似:

CvMat cvimg = img; //轉為CvMat結構

需要特別注意的是，類型轉換后，IplImage 和 CvMat 與 Mat 共用同一矩陣數據，而 IplImage 和 CvMat 沒有引用計數功能，如果上例中的 img 中數據被釋放，iplimg 和 cvimg 也就失去了數據。因此要牢記不可將 Mat 對象 前釋放。

2.IplImage 和 CvMat 格式轉為 Mat

Mat 類有兩個構造函數，可以實現 IplImage 和 CvMat 到 Mat 的轉換。這兩個函數都有一個參數 copyData。如果 copyData 的值是 false，那么 Mat 將與 IplImage或 CvMat 共用同一矩陣數據;如果值是 true，Mat 會新申請內存，然后將 IplImage或 CvMat 的數據復制到 Mat 的數據區。

如果共用數據，Mat 也將不會使用引用計數來管理內存，需要開發者自己來管理。

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

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

例子代碼如下:

IplImage * iplimg = cvLoadImage("lena.jpg");

Mat im(iplimg, true);

總結

以上是生活随笔為你收集整理的创建mat二值图 matlab,OpenCV学习之路（二）——Mat对象的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。