opencv笔记（三十一）——Mat 矩阵数据类型转换convertTo

ゞ浴缸里的玫瑰 2022-05-10 06:33 289阅读 0赞

# 一、数据类型转换 #

1.一般图像文件格式使用的是unsigned 8bits，对应的数据类型有：CV\_8UC1、CV\_8UC2,CV\_8UC3

其中，CV\_8UC3表示3通道8位的unsigned char型

float是32位，对应的CvMat数据结构类型是：CV\_32FC1,CV\_32FC2,CV\_32FC3

double是64位，对应的CvMat数据结构类型是：CV\_64FC1，CV\_64FC2，CV\_64FC3,

其中，CV\_64FC3表示64位的3通道double型

如果想实现不同数据类型之间的转化，需要使用convertTo函数

2.需要注意的地方：公式里用到了exp函数，图片默认是unsigned char型，范围是0-255，公式中的0.5是0-1范围内的，所以需要将原图像转换为double型，将灰度值都转换为0-1之间，就可以利用该公式进行相应的运算。处理完以后，图像还是CV\_64FC3类型，如果直接保存，点开图像会发现，显示全黑，这是因为电脑默认打开图片是CV\_8UC3类型的，所以还需要将CV\_64FC3乘以255，再转换为CV\_8UC3

3.Vec3b---表示每一个Vec3b对象中,可以存储3个char(字符型)数据,比如可以用这样的对象,去存储RGB图像中的一个像素点    
Vec3d---表示每一个Vec3d对象中,可以存储3个double(字符型)数据  
Vec3f---表示每一个Vec3d对象中,可以存储3个float(字符型)数据

## 函数 ##

void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const;

## 参数 ##

> **m**       – 目标矩阵。如果m在运算前没有合适的尺寸或类型，将被重新分配。
> 
> **rtype** – 目标矩阵的类型。因为目标矩阵的通道数与源矩阵一样，所以rtype也可以看做是目标矩阵的位深度。如果rtype为负值，目标矩阵和源矩阵将使用同样的类型。
> 
> **alpha** – 尺度变换因子（可选）。
> 
> **beta**   – 附加到尺度变换后的值上的偏移量（可选）。

## 示例 ##

在应用分水岭算法分割图像时，标记图像为32位有符号整型CV\_32S变量（以便定义超过255个标签，每个值标记一类物体，如255标记目标，128标记背景，0标记未知等等）构成的矩阵markers，想要将标记图像显示出来必须转换其数据类型。

markers.convertTo(tmp,CV_8U,255,255);

将矩阵markers转换为CV\_8U类型的矩阵tmp：tmp(x,y)= markers(x,y)\*255+255.这样，将图像做线性变换，使值为-1的像素变为0（-1\*255+255=0）。值大于255的像素将赋值为255，这是因为CV32S转换为无符号CV\_8U时，应用了饱和度运算。具体应用参看分水岭算法的相关博文。

正常float转8UC1只要

dstmat.convertTo(aa, CV_8U, 255);

就好。

### 注：Mat保存图片时，只能保存unsigned 8bits类型的格式，其他格式可以显示但不能imwrite ###

# 二、IplImage与Mat互转 #

<table style="width:500px;"> 
 <tbody> 
 <tr> 
 <td>IplImage* oldC0 = cvCreateImage(cvSize(320,240),16,1); Mat newC = cvarrToMat(oldC0);//把IplImage转成Mat IplImage oldC1 = newC;//把Mat转成IplImage CvMat oldC2 = newC;//把Mat转成CvMat</td> 
 </tr> 
 </tbody> 
</table>

这是为了把经典的OpenCV图像导成矩阵，第一句创建一个320×240的图像；第二句话把IplImage转成Mat；第三句话把Mat转成IplImage；第四句把Mat转成CvMat。

# 三、三通道与单通道互转 #

参考：

[https://blog.csdn.net/weixin\_36340947/article/details/78187342][https_blog.csdn.net_weixin_36340947_article_details_78187342]

[https://blog.csdn.net/iracer/article/details/49204147][https_blog.csdn.net_iracer_article_details_49204147]

[https_blog.csdn.net_weixin_36340947_article_details_78187342]: https://blog.csdn.net/weixin_36340947/article/details/78187342
[https_blog.csdn.net_iracer_article_details_49204147]: https://blog.csdn.net/iracer/article/details/49204147