IplImage, CvMat, Mat 的关系和相互转换

举报
ShaderJoy 发表于 2021/12/30 00:56:00 2021/12/30
【摘要】 原文地址 opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了...

原文地址

opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。在opencv2.0之前，opencv是完全用C实现的，但是，IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr。

1. IplImage

opencv中的图像信息头，该结构体定义： 


      typedef struct _IplImage
      {
       int nSize;
       int ID;
       int nChannels;
       int alphaChannel;
       int depth;
       char colorModel[4];
       char channelSeq[4];
       int dataOrder;
       int origin;
       int align;
       int width;
       int height;
       struct _IplROI *roi;
       struct _IplImage *maskROI;
       void *imageId;
       struct _IplTileInfo *tileInfo;
       int imageSize;
       char *imageData;
       int widthStep;
       int BorderMode[4];
       int BorderConst[4];
       char *imageDataOrigin;
      } IplImage;

roi是IplROI结构体，该结构体包含了xOffset,yOffset,height,width,coi成员变量，其中xOffset,yOffset是x,y坐标，coi代表channel of interest(感兴趣的通道)，非0的时候才有效。

访问图像中的数据元素，分间接存储和直接存储，当图像元素为浮点型时，(uchar *) 改为 (float *)：


      IplImage* img=cvLoadImage("lena.jpg", 1);
      CvScalar s;
      s=cvGet2D(img,i,j);
      cvSet2D(img,i,j,s);
      IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
      for(int row = 0; row <　img->height; row++)
      {
       for (int col = 0; col < img->width; col++)
        {
          b = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 0);
          g = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 1);
          r = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 2);
        }
      }
      IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
      uchar b, g, r; // 3 channels
      for(int row = 0; row <　img->height; row++)
      {
        for (int col = 0; col < img->width; col++)
        {
          b = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 0];
          g = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 1];
          r = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 2];
        }
      }
  
 


      IplImage * cvLoadImage(const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); //load images from specified image 
      IplImage * cvCreateImage(CvSize size, int depth, int channels); //allocate memory

2.CvMat

首先，我们需要知道，第一，在OpenCV中没有向量(vector)结构。任何时候需要向量，都只需要一个列矩阵(如果需要一个转置或者共轭向量，则需要一个行矩阵)。第二，OpenCV矩阵的概念与我们在线性代数课上学习的概念相比，更抽象，尤其是矩阵的元素，并非只能取简单的数值类型，可以是多通道的值。CvMat 的结构：
 


      typedef struct CvMat
      {
       int type;
       int step;
       int* refcount;
       union {
          uchar* ptr;
         short* s;
         int* i;
         float* fl;
         double* db;
        } data;
       union {
         int rows;
         int height;
        };
       union {
         int cols;
         int width;
        };
      } CvMat;
  
 


      CvMat * cvCreateMat(int rows, int cols, int type);
      CV_INLine CvMat cvMat((int rows, int cols, int type, void* data CV_DEFAULT);
      CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP));
  
 



      cvmSet( CvMat* mat, int row, int col, double value);
      cvmGet( const CvMat* mat, int row, int col );
      CvScalar cvGet2D(const CvArr * arr, int idx0, int idx1); //CvArr只作为函数的形参void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
      CvMat * cvmat = cvCreateMat(4, 4, CV_32FC1);
      cvmat->data.fl[row * cvmat->cols + col] = (float)3.0;
      CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1);
      cvmat->data.db[row * cvmat->cols + col] = 3.0;
      CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1);
      CV_MAT_ELEM(*cvmat, double, row, col) = 3.0;
      if (CV_MAT_DEPTH(cvmat->type) == CV_32F)
       CV_MAT_ELEM_CN(*cvmat, float, row, col * CV_MAT_CN(cvmat->type) + ch) = (float)3.0; // ch为通道值
      if (CV_MAT_DEPTH(cvmat->type) == CV_64F)
       CV_MAT_ELEM_CN(*cvmat, double, row, col * CV_MAT_CN(cvmat->type) + ch) = 3.0; // ch为通道值
      for (int row = 0; row < cvmat->rows; row++)
      {
        p = cvmat ->data.fl + row * (cvmat->step / 4);
       for (int col = 0; col < cvmat->cols; col++)
        {
          *p = (float) row + col;
          *(p+1) = (float)row + col + 1;
          *(p+2) = (float)row + col + 2;
          p += 3;
        }
      }
      CvMat * vector = cvCreateMat(1,3, CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0, 0) = cvPoint(100,100);
      CvMat * vector = cvCreateMat(1,3, CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0, 0) = CvScalar(0, 0, 0, 0);
  
 



      CvMat* M1 = cvCreateMat(4,4,CV_32FC1);
      CvMat* M2;
      M2=cvCloneMat(M1);

3.Mat

Mat是opencv2.0推出的处理图像的新的数据结构，现在越来越有趋势取代之前的cvMat和lplImage，相比之下Mat最大的好处就是能够更加方便的进行内存管理，不再需要程序员手动管理内存的释放。opencv2.3中提到Mat是一个多维的密集数据数组，可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。 


      class CV_EXPORTS Mat
      {
      public：
       int flags;（Note ：目前还不知道flags做什么用的）
       int dims;
       int rows,cols;
        uchar *data;
       int * refcount;
      ...
      };

从以上结构体可以看出Mat也是一个矩阵头，默认不分配内存，只是指向一块内存(注意读写保护)。初始化使用create函数或者Mat构造函数


      Mat(nrows, ncols, type, fillValue]);
      M.create(nrows, ncols, type);
      例子：
      Mat M(7,7,CV_32FC2,Scalar(1,3));
      M.create(100, 60, CV_8UC(15));
      int sz[] = {100, 100, 100};
      Mat bigCube(3, sz, CV_8U, Scalar:all(0));
      double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};
      Mat M = Mat(3, 3, CV_64F, m).inv();
      Mat img(Size(320,240),CV_8UC3);
      Mat img(height, width, CV_8UC3, pixels, step);
      IplImage* img = cvLoadImage("greatwave.jpg", 1);
      Mat mtx(img,0); // convert IplImage* -> Mat;
  
 



      Mat M;
      M.row(3) = M.row(3) + M.row(5) * 3;
      Mat M1 = M.col(1);
      M.col(7).copyTo(M1);
      Mat M;
      M.at<double>(i,j);
      M.at(uchar)(i,j);
      Vec3i bgr1 = M.at(Vec3b)(i,j)
      Vec3s bgr2 = M.at(Vec3s)(i,j)
      Vec3w bgr3 = M.at(Vec3w)(i,j)
      double sum = 0.0f;
      for(int row = 0; row < M.rows; row++)
      {
       const double * Mi = M.ptr<double>(row);
       for (int col = 0; col < M.cols; col++)
          sum += std::max(Mi[j], 0.);
      }
      double sum=0;
      MatConstIterator<double> it = M.begin<double>(), it_end = M.end<double>();
      for(; it != it_end; ++it)
        sum += std::max(*it, 0.);
  
 



      Mat mat = imread(const String* filename); // 读取图像
      imshow(const string frameName, InputArray mat); // 显示图像
      imwrite (const string& filename, InputArray img); //储存图像

4. CvMat, Mat, IplImage之间的互相转换


       IpIImage -> CvMat
       CvMat matheader;
       CvMat * mat = cvGetMat(img, &matheader);
       CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3);
       cvConvert(img, mat)
       IplImage -> Mat
       Mat::Mat(const IplImage* img, bool copyData=false);
       例子：
       IplImage* iplImg = cvLoadImage("greatwave.jpg", 1);
       Mat mtx(iplImg);
       Mat -> IplImage
       Mat M
       IplImage iplimage = M;
       CvMat -> Mat
       Mat::Mat(const CvMat* m, bool copyData=false);
       Mat -> CvMat
       例子(假设Mat类型的imgMat图像数据存在)：
       CvMat cvMat = imgMat;/*Mat -> CvMat, 类似转换到IplImage，不复制数据只创建矩阵头

-------------------------------------------------------------------

一、Mat类型：矩阵类型，Matrix。

在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
Mat有3个重要的方法： 

       1、Mat mat = imread(const String* filename); 读取图像
       2、imshow(const string frameName, InputArray mat); 显示图像
       3、imwrite (const string& filename, InputArray img); 储存图像


Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。

A.Mat -> IplImage

同样只是创建图像头，而没有复制数据。
例： // 假设Mat类型的imgMat图像数据存在 
IplImage pImg= IplImage(imgMat);

B.Mat -> CvMat

与IplImage的转换类似，不复制数据，只创建矩阵头。
例： // 假设Mat类型的imgMat图像数据存在 
CvMat cvMat = imgMat;


二、CvMat类型与IplImage类型：“图像”类型

在openCV中，Mat类型与CvMat和IplImage类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，openCV对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。
补充：IplImage由CvMat派生，而CvMat由CvArr派生即CvArr -> CvMat -> IplImage
CvArr用作函数的参数，无论传入的是CvMat或IplImage，内部都是按CvMat处理。

1.CvMat

A.CvMat-> IplImage


       IplImage* img = cvCreateImage(cvGetSize(mat),8,1);
       cvGetImage(matI,img);
       cvSaveImage("rice1.bmp",img);


B.CvMat->Mat

与IplImage的转换类似，可以选择是否复制数据。 
Mat::Mat(const CvMat* m, bool copyData=false);


在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。
但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵： 
CvMat* cvCreatMat(int rows ,int cols , int type);


这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。

2.IplImage

在类型关系上，我们可以说IplImage类型继承自CvMat类型，当然还包括其他的变量将之解析成图像数据。
IplImage类型较之CvMat多了很多参数，比如depth和nChannels。在普通的矩阵类型当中，通常深度和通道数被同时表示，如用32位表示RGB+Alpha.但是，在图像处理中，我们往往将深度与通道数分开处理，这样做是OpenCV对图像表示的一种优化方案。
IplImage的对图像的另一种优化是变量origin----原点。在计算机视觉处理上，一个重要的不便是对原点的定义不清楚，图像来源，编码格式，甚至操作系统都会对原地的选取产生影响。为了弥补这一点，openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角，1表示左下角。
dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值，前者便是对于像素，不同的通道的数据交叉排列，后者表示所有通道按顺序平行排列。
IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。

A.IplImage -> Mat


       IplImage* pImg = cvLoadImage("lena.jpg");
       Mat img(pImg,0); // 0是不复制图像，也就是pImg与img的data共用内存，header各自有


B.IplImage -> CvMat


       法1：CvMat mathdr, *mat = cvGetMat( img, &mathdr );
       法2：CvMat *mat = cvCreateMat( img->height, img->width, CV_64FC3 );
       cvConvert( img, mat );


C.IplImage*-> BYTE*

BYTE* data= img->imageData;


CvMat和IplImage创建时的一个小区别：

1、建立矩阵时，第一个参数为行数，第二个参数为列数。

CvMat* cvCreateMat( int rows, int cols, int type );


2、建立图像时，CvSize第一个参数为宽度，即列数；第二个参数为高度，即行数。这 个和CvMat矩阵正好相反。


      IplImage* cvCreateImage(CvSize size, int depth, int channels );
      CvSize cvSize( int width, int height );

 IplImage内部buffer每行是按4字节对齐的，CvMat没有这个限制

补充：

A.BYTE*-> IplImage*


      img= cvCreateImageHeader(cvSize(width,height),depth,channels);
      cvSetData(img,data,step);





文章来源: panda1234lee.blog.csdn.net，作者：panda1234lee，版权归原作者所有，如需转载，请联系作者。

原文链接：panda1234lee.blog.csdn.net/article/details/8924088

【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com
C++ OpenCV
  • 点赞
  • 收藏
  • 关注作者

评论（0）

0/1000
抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认 取消

目录

加入云驻计划，成为创作者

  • 华为云周边好礼
  • 免费体验产品
  • 特殊身份标识
  • 线下官方门票
  • 内部专家零距离
  • 与10000+优质创作者共同成长
立即加入