OpenCV基本数据类型

叁歲伎倆 2022-08-14 00:00 162阅读 0赞

Point\_

**\[cpp\]** [view plain][] [copy][view plain]

1.  **typedef** Point\_<**int**> Point2i; 
2.  **typedef** Point2i Point; 
3.  **typedef** Point\_<**float**> Point2f; 
4.  **typedef** Point\_<**double**> Point2d;

Point3\_

**\[cpp\]** [view plain][] [copy][view plain]

1.  **typedef** Point3\_<**int**> Point3i; 
2.  **typedef** Point3\_<**float**> Point3f; 
3.  **typedef** Point3\_<**double**> Point3d;

Size\_

**\[html\]** [view plain][] [copy][view plain]

1.  typedef Size\_**<****int****>** Size2i; 
2.  typedef Size2i Size; 
3.  typedef Size\_**<****float****>** Size2f;

Rect\_

**\[cpp\]** [view plain][] [copy][view plain]

1.  **typedef** Rect\_<**int**> Rect;

Matx

**\[cpp\]** [view plain][] [copy][view plain]

1.  **typedef** Matx<**float**,1,2> Matx12f; 
2.  **typedef** Matx<**double**,1,2> Matx12d; 
3.  ...

Vec

**\[cpp\]** [view plain][] [copy][view plain]

1.  **typedef** Vec<uchar, 2> Vec2b; 
2.  **typedef** Vec<**short**,3> Vec3s; 
3.  **typedef** Vec<**int**, 4> Vec4i; 
4.  typddef Vec<**float**,6> Vec6i; 
5.  ...

Scalar\_

**\[cpp\]** [view plain][] [copy][view plain]

1.  **typedef** Scalar\_<**double**> Scalar;

Range

**\[cpp\]** [view plain][] [copy][view plain]

1.  **class** Range 
2.  \{ 
3.  **public**: 
4.  ... 
5.  **int** start, end; 
6.  \};

ex:取A的全部行，和 1到179列

**\[cpp\]** [view plain][] [copy][view plain]

1.  Mat A = imread("b.jpg", CV\_LOAD\_IMAGE\_COLOR); 
2.  Mat B = A(Range::all(), Range(1, 180));

Mat

创建复杂的矩阵

**\[cpp\]** [view plain][] [copy][view plain]

1.  // make a 7x7 complex matrix filled with 1+3j.
2.  Mat M(7,7,CV\_32FC2,Scalar(1,3)); 
3.  // and now turn M to a 100x60 15-channel 8-bit matrix.
4.  // The old content will be deallocated
5.  M.create(100,60,CV\_8UC(15));

多维数组

**\[cpp\]** [view plain][] [copy][view plain]

1.  // create a 100x100x100 8-bit array
2.  **int** sz\[\] = \{100, 100, 100\}; 
3.  Mat bigCube(3, sz, CV\_8U, Scalar::all(0));

矩阵行操作

**\[cpp\]** [view plain][] [copy][view plain]

1.  // add the 5-th row, multiplied by 3 to the 3rd row
2.  M.row(3) = M.row(3) + M.row(5)\*3;

矩阵列操作

**\[cpp\]** [view plain][] [copy][view plain]

1.  // now copy the 7-th column to the 1-st column
2.  // M.col(1) = M.col(7); // this will not work
3.  Mat M1 = M.col(1); 
4.  M.col(7).copyTo(M1);

locateROI使用

**\[cpp\]** [view plain][] [copy][view plain]

1.  Mat A = Mat::eye(10, 10, CV\_32S); 
2.  // extracts A columns, 1 (inclusive) to 3 (exclusive).
3.  Mat B = A(Range::all(), Range(1, 3)); 
4.  // extracts B rows, 5 (inclusive) to 9 (exclusive).
5.  // that is, C ~ A(Range(5, 9), Range(1, 3))
6.  Mat C = B(Range(5, 9), Range::all()); 
7.  Size size; Point ofs; 
8.  C.locateROI(size, ofs); 
9.  // size will be (width=10,height=10) and the ofs will be (x=1, y=5)

矩阵元素访问：

指针加\[ \]

**\[cpp\]** [view plain][] [copy][view plain]

1.  **int** sum = 0; 
2.   Mat M = Mat::eye(20, 20, CV\_8UC1); 
3.  **for** (**int** i=0; i < M.rows; i++) 
4.   \{ 
5.  **const** uchar\* mi = M.ptr<uchar>(i); 
6.  **for** (**int** j=0; j < M.cols; j++) 
7.   \{ 
8.   sum += mi\[j\]; 
9.   \} 
10.  \}

迭代

**\[cpp\]** [view plain][] [copy][view plain]

1.  MatConstIterator\_<uchar> it = M.begin<uchar>(), it\_end = M.end<uchar>(); 
2.  **for** (; it != it\_end; ++it) 
3.   sum += \*it;

首先介绍2维点对Point\_，它的是一个模板类。我们可以直接访问数据成员x,y。它不仅定了+、-、==、!=这4个基本的操作，还定义了点乘、叉乘等操作。特别的这个类还提供了inside函数来判断一个点是否在矩形区域内。此外，还定义了一些其他的类型转化函数，比如转化为1.X版本的CvPoint。  
为了方便使用，opencv又对常用的类型进行了定义：  
typedef Point\_<int> Point2i;  
typedef Point2i Point;  
typedef Point\_<float> Point2f;  
typedef Point\_<double> Point2d;  
  
  
同理还有Point3\_，只不过它是一个3维点(x,y,z)而已。它的常用类型是：  
typedef Point3\_<int> Point3i;  
typedef Point3\_<float> Point3f;  
typedef Point3\_<double> Point3d;  
  
  
介绍完点，就可以介绍Size\_了。它也是模板类。  
typedef Size\_<int> Size2i;  
typedef Size2i Size;  
typedef Size\_<float> Size2f  
Size能够访问的成员变量是height和width。还定义了area函数来求面积。其他的操作基本都是类型转化函数。  
  
  
下来介绍Rect\_模版类。它是由左上角点和长度、宽度定义的。在opecv中，一般定义为左开右闭区间。有意思的是，这个类竟然也提供了一个Rect+Point的函数，作用是对矩形的偏移，还有一个Rect + Size的函数，在左上角不变的情况下，重新调整矩形的大小。其他的操作还有与&和|，是求两个矩形的交集和并集。

除了基本的矩形之外，opecv还提供了一个可以旋转的矩形RotatedRect，它是由中心、变长、旋转角度决定的。你可以访问它的这三个成员，也可以使用points函数返回它的4个顶点，使用boundingRect求出它的外接矩形（非旋转），下面是一个例子：

**\[cpp\]** [view plain][view plain 1] [copy][view plain 1]

1.  **int** main(**void**) 
2.  \{ 
3.   Mat bg(200,200,CV\_8UC3,Scalar(0)); 
4.   imshow("",bg); 
5.   RotatedRect rRect(Point2f(100,100),Size(100,100),40); 
6.   Point2f vertices\[4\]; 
7.   rRect.points(vertices); 
8.  **for**(**int** i = 0; i < 4;++i) 
9.   line(bg,vertices\[i\],vertices\[(i+1)%4\],Scalar(0,255,0)); 
10.  Rect brect = rRect.boundingRect(); 
11.  rectangle(bg,brect,Scalar(255,0,0)); 
12.  imshow("",bg); 
13.  waitKey(); 
14. **return** 0; 
15. \}

下面介绍Matx类，这也是一个模板类，用来记录一些小的矩形。这些矩形在编译前大小就固定了：  
typedef Matx<float, 1, 2> Matx12f;  
typedef Matx<double, 1, 2> Matx12d;  
...  
typedef Matx<float, 1, 6> Matx16f;  
typedef Matx<double, 1, 6> Matx16d;  
typedef Matx<float, 2, 1> Matx21f;  
typedef Matx<double, 2, 1> Matx21d;  
...  
typedef Matx<float, 6, 1> Matx61f;  
typedef Matx<double, 6, 1> Matx61d;  
typedef Matx<float, 2, 2> Matx22f;  
typedef Matx<double, 2, 2> Matx22d;  
...  
typedef Matx<float, 6, 6> Matx66f;  
typedef Matx<double, 6, 6> Matx66d;  
  
  
如果要使用灵活的矩形，还是用Mat吧。  
  
  
下面介绍Vec类，它其实是元素较少的向量。  
typedef Vec<uchar, 2> Vec2b;  
typedef Vec<uchar, 3> Vec3b;  
typedef Vec<uchar, 4> Vec4b;  
typedef Vec<short, 2> Vec2s;  
typedef Vec<short, 3> Vec3s;  
typedef Vec<short, 4> Vec4s;  
typedef Vec<int, 2> Vec2i;  
typedef Vec<int, 3> Vec3i;  
typedef Vec<int, 4> Vec4i;  
typedef Vec<float, 2> Vec2f;  
typedef Vec<float, 3> Vec3f;  
typedef Vec<float, 4> Vec4f;  
typedef Vec<float, 6> Vec6f;  
typedef Vec<double, 2> Vec2d;  
typedef Vec<double, 3> Vec3d;  
typedef Vec<double, 4> Vec4d;  
typedef Vec<double, 6> Vec6d;  
它支持加、减、数乘、相等、不等、求范数等运算。  
  
  
  
  
Scalar\_类其实是用Vec<tp,4>派生下来的，也就是说，它是一个4元组：typedef Scalar\_<double> Scalar;  
他通常用来传递像素。  
  
  
Range类用来指定连续的子序列。比如矩阵的一部分，比较简单，我们直接看定义：

**\[cpp\]** [view plain][view plain 1] [copy][view plain 1]

1.  **class** CV\_EXPORTS Range 
2.  \{ 
3.  **public**: 
4.   Range(); 
5.   Range(**int** \_start, **int** \_end); 
6.   Range(**const** CvSlice& slice); 
7.  **int** size() **const**; 
8.  **bool** empty() **const**; 
9.  **static** Range all(); 
10.  operator CvSlice() **const**; 
11. 
12. **int** start, end; 
13. \};

讲完这些简单的类型之后，我们看一个非常重要的类型；Mat。Mat是opencv中的一种非常重要的数据结构，当刚开始使用时，我仅仅把它当做一个储存图像的数据结构，后来才慢慢理解，它不仅可以储存二维矩阵，也可以储存高维矩阵，这在模式识别、机器学习中是非常常用的。对于这类问题，我们就没有必要自己手动分配内存了，直接使用它们就可以了。这个类的内容很多，但opencv的帮助手册，很好的帮我们理清的其中的内容。  
其中的核心数据成员data的储存方式在前一篇博客《我的OpenCV学习笔记（23）：Mat中实际数据是如何保存的》中已经讨论过了，这里只做一个补充，就是多维情况：

**\[cpp\]** [view plain][view plain 1] [copy][view plain 1]

1.  **int** main(**void**) 
2.  \{ 
3.  **int** sz\[\]=\{4,5,6\}; 
4.   Mat img(3,sz,CV\_8U);//3维数组
5.   cout<<img.dims<<endl; 
6.   cout<<img.size\[0\]<<endl; 
7.   cout<<img.size\[1\]<<endl; 
8.   cout<<img.size\[2\]<<endl; 
9.  
10.  cout<<img.step\[0\]<<endl; 
11.  cout<<img.step\[1\]<<endl; 
12.  cout<<img.step\[2\]<<endl; 
13. //遍历每个元素
14. **for**(**int** i = 0; i < 4;++i) 
15.  \{ 
16. **for**(**int** j = 0; j < 5;++j) 
17.  \{ 
18. **for**(**int** k = 0; k < 6;++k) 
19.  \{ 
20.  cout<<(**int**)\*(B.data + B.step\[0\]\*i + B.step\[1\]\*j + B.step\[2\]\*k)<<endl; 
21.  \} 
22.  \} 
23.  \} 
24. **return** 0; 
25. \}

我们建立了一个3维数组，数组的每一维长度分别为4,5,6。这可以通过size来获得。由于每个第一维向量中包含5个第二维的数组，而每个第二维数组中又包含了6个第三维数组，所以第一维每增加一步，相当于整个地址移动了5\*6.所以step\[0\],等于30.  
下面我们主要是看看Mat提供的函数。  
首先是构造函数，光构造函数就有很多种，这里介绍几种常用的方式：  
1.使用(nrows, ncols, type)，初始化2维矩阵  
// 创建一个7\*7的2通道浮点矩阵，通常这样的矩阵用来表示复矩阵  
Mat M(7,7,CV\_32FC2,Scalar(1,3));  
//改变为100\*60的15通道uchar矩阵，原先的数据将会被释放  
M.create(100,60,CV\_8UC(15));  
创建高维矩阵  
//创建100\*100\*100的3维矩阵  
int sz\[\] = \{100, 100, 100\};  
Mat bigCube(3, sz, CV\_8U, Scalar::all(0));  
  
  
下面是一些简单的对整行、整列的操作  
// 第5行\*3 + 第3行，这样的操作在线性代数中很常见  
M.row(3) = M.row(3) + M.row(5)\*3;  
  
  
// 把第7列拷贝到第1列  
// M.col(1) = M.col(7); // 不能这样写  
Mat M1 = M.col(1);  
M.col(7).copyTo(M1);  
  
  
用源图像的一部分创建新图像  
// 创建一个320\*240的图像  
Mat img(Size(320,240),CV\_8UC3);  
// 选择感兴趣区域  
Mat roi(img, Rect(10,10,100,100));  
// 将区域改为绿色，原图像也会发生修改  
roi = Scalar(0,255,0);  
  
  
B是A的\[1,3)列，对B的修改会影响A

**\[cpp\]** [view plain][view plain 1] [copy][view plain 1]

1.  **int** main(**void**) 
2.  \{ 
3.   Mat A = Mat::eye(5,5,CV\_8U); 
4.  
5.   Mat B = A(Range::all(),Range(1,3)); 
6.   B.setTo(100); 
7.  **for**(**int** i = 0; i < 5;++i) 
8.   \{ 
9.  **for**(**int** j = 0; j < 5;++j) 
10.  \{ 
11.  cout<<(**int**)A.at<uchar>(i,j)<<endl; 
12.  \} 
13.  \} 
14. **return** 0; 
15. \}

如果需要深拷贝，则使用clone方法。  
  
  
对于初始化Mat，还有其他的一些方法：  
比如Matlab风格的 zeros(), ones(), eye()：  
M += Mat::eye(M.rows, M.cols, CV\_64F);  
  
  
Mat M = (Mat\_<double>(3,3) << 1, 0, 0, 0, 1, 0, 0, 0, 1);  
  
  
如果是处理“外来”的数据，那么则在构造函数中加上data则会非常方便的将外来数据转化为Mat结构：

**\[cpp\]** [view plain][view plain 1] [copy][view plain 1]

1.  **void** process\_video\_frame(**const** unsigned **char**\* pixels,**int** width, **int** height, **int** step) 
2.  \{ 
3.   Mat img(height, width, CV\_8UC3, pixels, step); 
4.   GaussianBlur(img, img, Size(7,7), 1.5, 1.5); 
5.  \} 
6.  
7.  **double** m\[3\]\[3\] = \{ \{a, b, c\}, \{d, e, f\}, \{g, h, i\}\}; 
8.  Mat M = Mat(3, 3, CV\_64F, m).inv();

特别的，对于与opencv1.X中的IplImage结构的交互：

**\[cpp\]** [view plain][view plain 1] [copy][view plain 1]

1.  IplImage\* img = cvLoadImage("greatwave.jpg", 1); 
2.  Mat mtx(img); // convert IplImage\* -> Mat
3.  CvMat oldmat = mtx; // convert Mat -> CvMat

矩阵元素访问：

指针加\[ \]

**\[cpp\]** [view plain][] [copy][view plain]

迭代

**\[cpp\]** [view plain][] [copy][view plain]

1.  MatConstIterator\_<uchar> it = M.begin<uchar>(), it\_end = M.end<uchar>(); 
2.  **for** (; it != it\_end; ++it) 
3.   sum += \*it;

[view plain]: http://blog.csdn.net/merlin_q/article/details/7077523#
[view plain 1]: http://blog.csdn.net/thefutureisour/article/details/8455342#