目标

我们有多种方法可以获得从现实世界的数字图像：数码相机、扫描仪、计算机体层摄影或磁共振成像就是其中的几种。在每种情况下我们（人类）看到了什么是图像。但是，转换图像到我们的数字设备时我们的记录是图像的每个点的数值。

例如在上图中你可以看到车的镜子只是一个包含所有强度值的像素点矩阵。现在，我们如何获取和存储像素值可能根据最适合我们的需要而变化，最终可能减少计算机世界内的所有图像数值矩阵和一些其他的信息的描述基质本身。OpenCV 是一个计算机视觉库，其主要的工作是处理和操作，进一步了解这些信息。因此，你需要学习和开始熟悉它的第一件事是理解OpenCV 是如何存储和处理图像。

Mat

OpenCV 自 2001 年出现以来。在那些日子里库是围绕C接口构建的。在那些日子里，他们使用名为IplImage C 的结构在内存中存储图像。这是您将在大多数较旧的教程和教材中看到的那个。使用这个结构的问题是将 C 语言的所有负面效果都摆到了桌面上。最大的问题是手动管理。它是建立在用户来负责处理内存分配和解除分配的假设之上的。当程序规模较小时，这是没有问题的，一旦代码基开始变得越来越大它将会越来越挣扎着处理所有这一切而不是着眼于实际解决自己的开发目标。

幸运的是 c + + 出现了，并引入了类的概念，使得为用户开辟另一条路成为可能：

自动内存管理 （或多或少）。好消息是，c + +，如果完全兼容 C 所以进行更改时没有兼容性问题产生。因此， OpenCV其2.0 版本引入一个新的c + + 接口，通过利用这些优点将为你的工作提供新的方法。某种程度上，在其中您不需要拨弄内存管理让你的代码简洁 （写得更少，实现的更多）。C + + 接口的唯一主要缺点在于，目前许多嵌入式的开发系统支持仅 C.因此，除非您的目标是这一平台，否则就没有理由再使用旧的方法（除非你是个受虐狂程序员和喜欢自讨苦吃）。

你需要知道的关于Mat的第一件事是你不再需要手动分配其大小并且当你不需要它的时候你不再需要手动释放它。虽然这样做仍然是可能的，大多数 OpenCV 函数将手动分配其输出数据。还有一个额外的好处是如果传递一个已存在Mat对象，它已经为矩阵分配所需的空间，这段空间将被重用。也就是说我们在任何时候只使用与我们执行任务时所必须多的内存一样多的内存。

Mat本质上是由两个数据部分组成的类： （包含信息有矩阵的大小，用于存储的方法，矩阵存储的地址等） 的矩阵头和一个指针，指向包含了像素值的矩阵（可根据选择用于存储的方法采用任何维度存储数据）。矩阵头部的大小是恒定的。然而，矩阵本身的大小因图像的不同而不同，通常是较大的数量级。因此，当你在您的程序中传递图像并在有些时候创建图像副本您需要花费很大的代价生成图像矩阵本身，而不是图像的头部。OpenCV 是图像处理库，它包含大量的图像处理函数。若要解决的计算挑战，最终大部分时间你会使用库中的多个函数。由于这一原因图像传给库中的函数是一种常见的做法。我们不应忘记我们正在谈论往往是计算量相当大的图像处理算法。我们想要做的最后一件事是通过制作不必要的可能很大的图像的拷贝进一步降低您的程序的速度。

为了解决这一问题 OpenCV 使用引用计数系统。其思想是Mat的每个对象具有其自己的头，但可能他们通过让他们矩阵指针指向同一地址的两个实例之间共享该矩阵。此外，拷贝运算符将只能复制矩阵头部，也还将复制指针到大型矩阵，但不是矩阵本身。

Mat A, C; //仅创建了头部

A = imread(argv[1], CV_LOAD_IMAGE_COLOR); //在此我们知道使用的方法（分配矩阵）

Mat B(A); //使用拷贝构造函数

C = A; //赋值运算符

上文中的所有对象，以相同的单个数据矩阵的结束点。他们头不同，但是使用的其中任何一个对矩阵进行任何修改，也将影响所有其他的。在实践中的不同对象只是提供相同的底层数据不同的访问方法，然而，它们的头部是不同的。真正有趣的部分是您可以创建仅指向完整数据的一小部分的头。例如，要在图像中创建兴趣区域 ( ROI) 您只需创建一个新头设置新边界：

Mat D (A, Rect(10, 10, 100, 100) ); // 用矩形界定

Mat E = A(Range:all(), Range(1,3)); // 用行和列来界定

现在，你可能会问是否矩阵的本身可以属于多个Mat对象在不再需要时负责清理数据。简短的回答是：最后一个使用它的对象。这对于使用引用计数的机制，每当有人复制Mat对象的头，矩阵的计数器被增加。每当一个头被清除，此计数器被下调。当该计数器变为零，矩阵也就被释放了。因为有时会仍然也要复制矩阵的本身，存在着 clone() 或 copyTo() 函数。

Mat F = A.clone();

Mat G;

A.copyTo(G);

现在 modifyingForGwill 不会影响由 theMatheader 指出的矩阵。你要记得从所有的是：

• 输出图像分配 OpenCV 功能是自动 （除非另行指定，否则）。

• 用c + + OpenCV的接口就无需考虑内存释放。

• 赋值运算符和复制构造函数 （构造函数）只复制头。

• 使用clone () 或copyTo () 函数将复制的图像的基础矩阵。

存储方法

这是关于你是如何存储的像素值。您可以选择的颜色空间和使用的数据类型。色彩空间是指我们如何结合为了代码指定的颜色的颜色分量。最简单的是灰色的规模。在这里我们所掌握的颜色是黑色和白色。组合的这些让我们能创造很多的灰度级。

对于彩色的方法，我们有很多方法可供选择。不过，每一就是将他们拆解成三个或四个基本组成部分，这些部分就会组合给所有其他的方法。最受欢迎的这一个 RGB，主要是因为这也是我们的眼睛如何建立中我们的眼睛的颜色。其基准的颜色是红、 绿、 蓝。编写代码的一种颜色的透明度有时第四个元素： 添加 alpha (A)。

但是，它们很多颜色系统每个具有自身的优势：

• RGB 是最常见的是我们的眼睛使用类似的事情，我们显示系统还撰写使用这些颜色。

· 单纯疱疹和合肥分解颜色到他们的色相、 饱和度和亮度值/组件，这是我们来描述颜色更自然的方式。您使用，例如可驳回的最后一个组件，使

你不那么明智的输入图像的光照条件的算法。

• YCrCb 使用流行的 JPEG 图像格式。

• CIE L *b*a 是均匀颜色空间，它是非常方便的如果您需要测量给定的颜色，以另一种颜色的距离。

现在，每个建筑构件都自己有效的域。这会导致使用的数据类型。我们如何存储组件的定义只是如何精细的控制，我们已于其域。最小的数据类型可能是 char 类型，这意味着一个字节或 8 位。这可能是有符号（值-127 到 + 127）或无符号（以便可以存储从 0 到 255 之间的值）。虽然这三个组件的情况下已经给 16 万可能的颜色来表示 （如 RGB 的情况下） 我们可能通过使用浮点数 （4 字节 = 32 位） 或double（8 字节 = 64 位） 数据类型的每个组件获得甚至更精细的控制。然而，请记住增加组件的大小也会增加在内存中的整张图片的大小。

 

显式创建Mat对象

 

在Load, Modify and Save an Image 教程中，你已经可以看到如何使用readWriteImageVideo： 'imwrite() <imwrite>' 函数将一个矩阵写到一个图像文件中。然而，出于调试目的显示的实际值就方便得多。您可以实现此通过Mat的 <<运算符。不过，请注意这仅适用于二维矩阵。

虽然Mat是一个伟大的图像容器类，它也是一般矩阵类。因此，利用Mat创建和操作多维矩阵是可能的。您可以通过多种方式创建Mat的对象：

• Mat()构造函数

Mat M(2,2, CV_8UC3, Scalar(0,0,255));

cout << "M = " << endl << " " << M << endl << endl;

对于二维的和多通道的图像，我们首先定义它们的大小：按行和列计数。

然后我们需要指定的数据类型，用于存储元素和每个矩阵点通道的数量。为此，我们根据以下的约定可以作出多个定义：

CV_ [每一项的位数] [有符号或无符号] [类型前缀] C [通道数]

例如，CV_8UC3 意味着我们使用那些长的 8 位无符号的 char 类型和每个像素都有三个项目的这三个通道的形成。这是预定义的四个通道数字。Scalar 是四个元素短向量。指定此和可以初始化所有矩阵点与自定义的值。但是如果你需要更多您可以创建与上部宏和频道号码放在括号中，您可以看到下面的类型。

使用 C\C++ 数组和通过构造函数来初始化

int sz[3] = {2,2,2};

Mat L(3,sz,CV_8UC(1),Scalar::all(0));

 

上例为我们展示了如何创建一个二维以上的矩阵。首先指定其维度数，然后传入一个包含了尺寸每个维度信息的指针，其他都保持不变。

•为一个已经存在的IplImage创建一个头：

IplImage* img = cvLoadImage("greatwave.png", 1);

Mat mtx(img); // 转换 IplImage*-> Mat

• Create()函数:

M.create(4,4, CV_8UC(2));

cout << "M = "<< endl << " " << M << endl << endl;

 

你不能通过这个构造来初始化矩阵中的数值。它只会在新的居住尺寸与旧的矩阵尺寸不合时重新分配矩阵的数据空间。

• MATLAB风格的初始化函数：zeros()， ones()，

：eyes().指定使用的尺寸和数据类型

Mat E = Mat::eye(4, 4, CV_64F);

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

Mat O = Mat::ones(2, 2, CV_32F);

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

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

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

•对于小的矩阵来说你可以使用逗号隔开的初始化函数：

Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

cout << "C = " << endl << " " << C << endl << endl;

•为一个已有的Mat对象创建一个新的头然后clone()或者copyTo()这个头.

Mat RowClone = C.row(1).clone();

cout << "RowClone = " << endl << " " << RowClone << endl << endl;

 

打印格式

注意：你可以通过用randu()函数产生的随机值来填充矩阵。你需要给定一个上限和下限来确保随机值在你期望的范围内：

Mat R = Mat(3, 2, CV_8UC3);

randu(R, Scalar::all(0), Scalar::all(255));

在上一个例子中你可以看到默认的格式选项。尽管如此，OpenCV允许你在符合以下规则的同时格式化你的输出：

• 默认

cout << "R (default) = " << endl << R << endl << endl;

 

• Python

cout << "R (python) = " << endl << format(R,"python") << endl << endl;

 

• Comma separated values (CSV)

cout << "R (csv) = " << endl << format(R,"csv" ) << endl << endl;

• Numpy

cout << "R (numpy) = " << endl << format(R,"numpy" ) << endl << endl;

• C

cout << "R (c) = " << endl << format(R,"C" ) << endl << endl;

打印出其它常见数据项

OpenCV 通过<<操作符也为其他常用OpenCV数据结构提供打印输出的支持，如：

• 2D 点

Point2f P(5, 1);

cout << "Point (2D) = " << P << endl << endl;

• 3D 点

Point3f  P3f(2, 6, 7);

cout << "Point (3D) = " << P3f << endl << endl;

• std::vector通过 cv::Mat

vector<float> v;

v.push_back( (float)CV_PI); v.push_back(2); v.push_back(3.01f);

cout << "Vector of floats via Mat = " << Mat(v) << endl << endl;

•点的std::vector

vector<Point2f> vPoints(20);

for (size_t E = 0; E < vPoints.size(); ++E)

vPoints[E] = Point2f((float)(E*5), (float)(E % 7));

cout << "A vector of 2D Points = " << vPoints << endl << endl;

这里大多数的例程都是在一个小控制台程序里运行。你可以在这里下载或是在cpp示例文件夹下找到。

你可以在YouTube.上找到一个快速的实例演示。