OPENCV的MAT类详解.doc

类 Mat导言 OpenCV c + + n 维稠密数组类 类 CV_EXPORTS Mat { public： / / … …很多的方法... ... /*!包括几位字段： -神奇的签名 -连续性标志 -深度（Note：应该是位深） -通道数 */ int flags;（Note ：目前还不知道flags做什么用的） //!数组的维数， = 2 int dims ; //!行和列的数量或 (-1，-1) 此时数组已超过 2 维 int rows,cols; //!指向数据的指针 uchar *data ; //!指针的引用计数器 ； / / 阵列指向用户分配的数据时，当指针为 NULL int * refcount ; / / 其他成员 ... }; Mat类表示一个 n 维的密集数值单通道或多通道数组。它可以用于存储实数或复数值的向量和矩阵、灰度或彩色图像、体素、向量场、点云、张量、直方图 （尽管较高维的直方图存储在SparseMat可能更好）。M 数组的数据布局是由阵列? M.step[]定义的，使元素的地址（i0,。。。。iM.dims-1),其中 0= ik? M.size [k]，可以计算为： addr( Mi0?;:::;iM.dims-1) = M.data+ M.step[ 0]*i0?+ M.step[ 1] *i1?+ .…+ M.step[ M:dims- 1] iM:dims- 1 2维的数组的情况下根据上述公式被减至： addr( Mi,j)= M.data+ M.step[ 0]*i+ M.step[ 1] *j 请注意，M.step[i] =M.step[i+1] （事实上，M.step[i] =M.step[i+1]*M.size[i+1]）。这意味着2维矩阵是按行存储的，3 维矩阵是由平面存储，以此类推。M.step[M.dims-1] 是最小的而且总是等于元素大小M.elemSize()。因此，Mat中的数据布局完全兼容OpenCV 1.x 中CvMat、 IplImage、 CvMatND类型。它也和标准工具包和SDK，如Numpy（ndarray），Win32(独立设备位图)等主流的密集数组类型相兼容，也就是说，与任何使用步进（或步长）来计算像素位置的阵列相兼容。由于这种兼容性，使用户分配的数据创建Mat头以及用OpenCV函数实时处理该头成为可能。有很多不同的方法，创建一个Mat的对象。下面列出了最常见的选项： 使用 create（nrows,ncols,type）方法或类似的Mat（nrows,ncols,type [,fillValue]) 构造函数。一个新的指定了大小和类型的数组被分配。type和cvCreateMat 方法中的type参数具有相同的含义。例如，CV_8UC1 是指一个 8 位单通道阵列，CV_32FC2 指 2 通道 (复)浮点阵列，以此类推。 //创建一个用1+3j填充的 7 x 7 复矩阵。 Mat ?M(7,7,CV_32FC2,Scalar(1,3)) ; / /现在将 M转换为100 x 60的CV_8UC(15)的矩阵。 / / 旧内容将会被释放 M.create(100,60,CV_8UC(15)) ; 这一章导言中指出，当当前的数组与指定的数组的形状或类型create() 分配唯一的新数组时的形状或类型。 创建多维数组： / / 创建 100 x 100 x 100 8 位数组 int sz[] = {100, 100, 100}; Mat. bigCube (3,sz,CV_8U,Scalar::all(0)) ;它将维度数（= 1）传递给Mat的构造函数，但列数设置为 1时，创建数组将是 2 维的。因此，Mat::dims 始终是=2的(该数组为空时，也可以是 0）。 使用的复制构造函数或赋值运算符可以是一个数组或右侧的表达式（请参阅 下图）。正像在导言中指出的，数组赋值运算复杂度是O(1)因为当你需要它的时候，它仅复制头和增加引用计数。Mat::clone() 方法可用于获取全（深）的副本数组。 为另一个数组的一部分构建头。它可以是单个行、 单个列，几个行，几个列，矩形区域（代数中称为较小值） 的数组或对角线。这种操作也是复杂度为O(1)，因为，新头引用相同的数据。实际上，您可以使用此特性修改该数组的一部分例如： / /第 5行，乘以 3，加到第 3 行， M.row(3) = M.row(3) + M.row (5) * 3 ; / / 现在将第7列复制到第1列 / / M.col(1) = M.col(7) ;/ / 这个不能实现。 Mat? M1= M.col(1) ; M.col(7).copyTo(M1) ; / / 创