Mat属性type，depth，step

短命女 2022-06-18 08:53 191阅读 0赞

在OpenCV2中Mat类无疑使占据着核心地位的，前段时间初学OpenCV2时对Mat类有了个初步的了解，见[OpenCV2:Mat初学][OpenCV2_Mat]。这几天试着用OpenCV2实现了图像缩小的两种算法：基于等间隔采样和基于局部均值的图像缩小，发现对Mat中的数据布局和一些属性的认知还是懵懵懂懂，本文对Mat的一些重要属性和数据布局做一个总结。

###  ###

### Mat的作用 ###

The class Mat represents an n-dimensional dense numerical single-channel or multi-channel array. It can be used to store real or complex-valued vectors and matrices, grayscale or color images, voxel volumes, vector fields, point clouds, tensors, histograms (though, very high-dimensional histograms may be better stored in a SparseMat ).

上面的一段话引用自官方的文档，Mat类用于表示一个多维的单通道或者多通道的稠密数组。能够用来保存实数或复数的向量、矩阵，灰度或彩色图像，立体元素，点云，张量以及直方图（高维的直方图使用SparseMat保存比较好）。简而言之，Mat就是用来保存多维的矩阵的。

### Mat的常见属性 ###

*  data uchar型的指针。Mat类分为了两个部分:矩阵头和指向矩阵数据部分的指针，data就是指向矩阵数据的指针。
 *  dims 矩阵的维度，例如5\*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3.
 *  rows 矩阵的行数
 *  cols 矩阵的列数
 *  size 矩阵的大小，size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)
 *  channels 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则channels = 3

下面的几个属性是和Mat中元素的数据类型相关的。

*  type  
    表示了矩阵中元素的类型以及矩阵的通道个数，它是一系列的预定义的常量，其命名规则为CV\_(位数）+（数据类型）+（通道数）。具体的有以下值：  
    
    
    <table style="margin:0px; padding:0px; border-collapse:collapse; border-spacing:0px; border:1px solid silver; word-break:break-word; color:rgb(0,0,0); width:400px"> 
     <tbody style="margin:0px; padding:0px"> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8UC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8UC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8UC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8UC4</td> 
      </tr> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8SC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8SC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8SC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_8SC4</td> 
      </tr> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16UC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16UC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16UC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16UC4</td> 
      </tr> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16SC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16SC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16SC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_16SC4</td> 
      </tr> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32SC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32SC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32SC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32SC4</td> 
      </tr> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32FC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32FC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32FC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_32FC4</td> 
      </tr> 
      <tr style="margin:0px; padding:0px"> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_64FC1</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_64FC2</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_64FC3</td> 
       <td style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> CV_64FC4</td> 
      </tr> 
     </tbody> 
    </table>
    
    这里U（unsigned integer）表示的是无符号整数，S（signed integer）是有符号整数，F（float）是浮点数。  
    例如：CV\_16UC2，表示的是元素类型是一个16位的无符号整数，通道为2.  
    C1，C2，C3，C4则表示通道是1,2,3,4  
    type一般是在创建Mat对象时设定，如果要取得Mat的元素类型，则无需使用type，使用下面的depth
 *  depth   
    矩阵中元素的一个通道的数据类型，这个值和type是相关的。例如 type为 CV\_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV\_16S。depth也是一系列的预定义值，  
    将type的预定义值去掉通道信息就是depth值:  
    CV\_8U CV\_8S CV\_16U CV\_16S CV\_32S CV\_32F CV\_64F
 *  elemSize  
    矩阵一个元素占用的字节数，例如：type是CV\_16SC3，那么elemSize = 3 \* 16 / 8 = 6 bytes
 *  elemSize1  
    矩阵元素一个通道占用的字节数，例如：type是CV\_16CS3，那么elemSize1 = 16 / 8 = 2 bytes = elemSize / channels

下面是一个示例程序，具体说明Mat的各个属性：

![复制代码][copycode.gif]

Mat img(3, 4, CV_16UC4, Scalar_<uchar>(1, 2, 3, 4));
        
        cout << img << endl;
    
        cout << "dims:" << img.dims << endl;
        cout << "rows:" << img.rows << endl;
        cout << "cols:" << img.cols << endl;
        cout << "channels:" << img.channels() << endl;
        cout << "type:" << img.type() << endl;
        cout << "depth:" << img.depth() << endl;
        cout << "elemSize:" << img.elemSize() << endl;
        cout << "elemSize1:" << img.elemSize1() << endl;

![复制代码][copycode.gif]

首先创建了一个3\*4的具有4个通道的矩阵，其元素类型是CV\_16U。Scalar\_是一个模板向量，用来初始化矩阵的每个像素，因为矩阵具有4个通道，Scalar\_有四个值。其运行结果：  
[![image][]][image 1]运行结果首先打印了Mat中的矩阵，接着是Mat的各个属性。注意其type = 26,而depth = 2。这是由于上面所说的各种预定义类型  
例如，CV\_16UC4，CV\_8U是一些预定义的常量。

#### step ####

Mat中的step是一个MStep的一个实例。其声明如下：

![复制代码][copycode.gif]

struct CV_EXPORTS MStep
        {
            MStep();
            MStep(size_t s);
            const size_t& operator[](int i) const;
            size_t& operator[](int i);
            operator size_t() const;
            MStep& operator = (size_t s);
    
            size_t* p;
            size_t buf[2];
        protected:
            MStep& operator = (const MStep&);
        };

![复制代码][copycode.gif]

从其声明中可以看出，MStep和size\_t有比较深的关系。用size\_t作为参数的构造函数和重载的赋值运算符

MStep(size_t s);
    MStep& operator = (size_t s);

向size\_t的类型转换以及重载的\[ \]运算符返回size\_t

const size_t& operator[](int i) const;
            
    size_t& operator[](int i);

size\_t的数组以及指针

size_t* p;
            
    size_t buf[2];

那么size\_t又是什么呢，看代码

typedef  unsigned int   size_t;

size\_t就是无符号整数。

再看一下MStep的构造函数，就可以知道其究竟保存的是什么了。

inline Mat::MStep::MStep(size_t s) { p = buf; p[0] = s; p[1] = 0; }

从MStep的定义可以知道，buff是一个size\_t\[2\]，而p是size\_t \*，也就是可以把MStep看做一个size\_t\[2\]。那么step中保存的这个size\_t\[2\]和Mat中的数据有何种关系呢。

step\[0\]是矩阵中一行元素的字节数。

step\[1\]是矩阵中一个元素的自己数，也就是和上面所说的elemSize相等。

上面说到，Mat中一个uchar\* data指向矩阵数据的首地址，而现在又知道了每一行和每一个元素的数据大小，就可以快速的访问Mat中的任意元素了。下面公式：

### step1 ###

规整化的step，值为step / elemSize1。 定义如下：

inline size_t Mat::step1(int i) const { return step.p[i]/elemSize1(); }

仍以上例代码中定义的img为例，来看下step,step1具体的值：  
[![image][image 2]][image_image 2]img（3\*4）的type是CV\_16UC4,step\[0\]是其一行所占的数据字节数4 \*4 \* 16 / 8 = 32.  
step\[1\] 是一个元素所占的字节数，img的一个元素具有4个通道，故：4 \* 16 / 8 = 2  
step1 = step / elemSize1，elemSize1是元素的每个通道所占的字节数。

### N维的step(N > 2) ###

上面分析step是一个size\_t\[2\]，实际不是很正确，正确的来说step应该是size\_t\[dims\]，dims是Mat的维度，所以对于上面的二维的Mat来说，step是size\_t\[2\]也是正确的。  
下面就对三维的Mat数据布局以及step（维度大于3的就算了吧）。

![161551182018972.jpg][]

上图引用自[http://ggicci.blog.163.com/blog/static/210364096201261052543349/][http_ggicci.blog.163.com_blog_static_210364096201261052543349] 搜集资料时发现了这幅图，一切就变的简单了 ![眨眼][101612403588421.png] 感谢作者 Ggicci

三维的数据在Mat中是按面来存储的，上图描述的很清晰，这里不再多说。  
上面言道，step是一个size\_t\[dims\]，dims是维度。so，三维的step就是size\_t\[3\]。其余的不多说了，看图就有了。下面来创建一个三维的Mat，实际看看

int dims[3] = { 3, 3, 3 };
        Mat src(3, dims, CV_16SC2, Scalar_<short>(1,2));
    
        cout << "step[0]:" << src.step[0] << endl;
        cout << "step[1]:" << src.step[1] << endl;
        cout << "step[2]:" << src.step[2] << endl;

首先创建一个3\*3\*3，depth为CV\_16S的两通道的Mat  
step\[0\]是一个数据面的大小 3 \* 3 \* (16 / 8 ) \* 2 = 36  
step\[1\]是一行数据的大小 3 \* (16 / 8 ) \* 2 = 12  
step\[2\]是一个元素的大小 2 \* (16 / 8) = 4  
[![image][image 3]][image_image 3]  
PS: 三维的Mat 不能使用 <<运算符进行输出的。

over

[OpenCV2_Mat]: http://www.cnblogs.com/wangguchangqing/p/3841271.html
[copycode.gif]: /images/20220618/fa2f60ee14114435bf296aac17ea2332.png
[image]: /images/20220618/491293f741674e7abaea61012a5d6251.png
[image 1]: http://images.cnitblog.com/blog/439761/201410/101612359688147.png
[image 2]: http://images.cnitblog.com/blog/439761/201410/101612399837607.png
[image_image 2]: http://images.cnitblog.com/blog/439761/201410/101612393436479.png
[161551182018972.jpg]: /images/20220618/44ce001f3a0649a7ad7ab0f05021a375.png
[http_ggicci.blog.163.com_blog_static_210364096201261052543349]: http://ggicci.blog.163.com/blog/static/210364096201261052543349/
[101612403588421.png]: /images/20220618/4344b212b0db4b1ca6db43fd6bd761b8.png
[image 3]: http://images.cnitblog.com/blog/439761/201410/101612439219511.png
[image_image 3]: /images/20220618/5b6337c84431465bb94460b762e7ca82.png