《OpenCV 4计算机视觉项目实战 》 —2.6　图像和矩阵

2.6　图像和矩阵

毫无疑问，计算机视觉中最重要的结构是图像。计算机视觉中的图像是用数字设备捕获的物理世界的表示。这种图片只是以矩阵格式存储的一系列数字（参见图2-1）。每个数字是所考虑的波长（例如，彩***像中的红色、绿色或蓝色）或波长范围（对于全色设备）的光强度的测量结果。图像中的每个点都称为像素（对于图像元素），并且每个像素可以存储一个或多个值，这取决于它是否是仅存储一个值的黑白图像（也称为二进制图像，比如只存储0或1），还是存储两个值的灰度图像，或者是存储三个值的彩***像。这些值通常在整数0～255，但也可以使用其他范围，比如在高动态范围成像（high dynamic range imaging，简称HDRI）或热图像领域中的浮点数0～1。

图像是以矩阵格式存储的，其中的每个像素都有一个位置，并且可以通过列和行的编号来引用。OpenCV用Mat类来达到这个目的。在灰度图像中，使用单个矩阵，如图2-2所示。

在如图2-3所示的彩***像中，使用了一个宽度×高度×颜色通道数的矩阵。

图　2-1

图　2-2

图　2-3

但Mat类不仅仅用于存储图像，它还能存储任何类型和不同大小的矩阵。你可以将其用作代数矩阵并用它执行运算。在接下来的内容中，我们将描述最重要的矩阵运算，例如加法、乘法、对角化。但是，在此之前，了解矩阵如何存储在计算机内存中是非常重要的，因为直接访问内存，总比用OpenCV函数访问每个像素更加高效。

在内存中，矩阵被保存为按列和行排序的数组或值序列。表2-1显示BGR图像格式的像素序列。

表2-1　BGR图像在内存中的存储格式

按照这个顺序，我们可以通过以下公式来访问任何像素：

OpenCV函数非常适合用于随机访问，但有时直接访问内存（使用指针运算）更有效，例如，当我们必须在循环中访问所有像素时。