OPENCV库数据容器之CVMAT 、MAT、IplImage

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，这在源代码中会常见。

　　1. IplImage

　　opencv中的图像信息头，该结构体定义： typedef struct _IplImage

　　{

　　int nSize; /* IplImage大小 */

　　int ID; /* 版本 （=0）*/

　　int nChannels; /* 大多数OPENCV函数支持1，2，3 或 4 个通道 */

　　int alphaChannel; /* 被OpenCV忽略 */

　　int depth; /* 像素的位深度： IPL_DEPTH_8U， IPL_DEPTH_8S， IPL_DEPTH_16U，

　　IPL_DEPTH_16S， IPL_DEPTH_32S， IPL_DEPTH_32F and IPL_DEPTH_64F 可支持 */

　　char colorModel［4］; /* 被OpenCV忽略 */

　　char channelSeq［4］; /* 被OpenCV忽略 */

　　int dataOrder; /* 0 - 交叉存取颜色通道， 1 - 分开的颜色通道。 cvCreateImage只能创建交叉存取图像 */

　　int origin; /* 0 - 顶—左结构，1 - 底—左结构 （Windows bitmaps 风格） */

　　int align; /* 图像行排列 （4 or 8）。 OpenCV 忽略它，使用 widthStep 代替 */

　　int width; /* 图像宽像素数 */

　　int height; /* 图像高像素数*/

　　struct _IplROI *roi; /* 图像感兴趣区域。 当该值非空只对该区域进行处理 */

　　struct _IplImage *maskROI; /* 在 OpenCV中必须置NULL */

　　void *imageId; /* 同上*/

　　struct _IplTIleInfo *TIleInfo; /*同上*/

　　int imageSize; /* 图像数据大小（在交叉存取格式下imageSize=image-》height*image-》widthStep），单位字节*/

　　char *imageData; /* 指向排列的图像数据 */

　　int widthStep; /* 排列的图像行大小，以字节为单位 */

　　int BorderMode［4］; /* 边际结束模式， 被OpenCV忽略 */

　　int BorderConst［4］; /* 同上 */

　　char *imageDataOrigin; /* 指针指向一个不同的图像数据结构（不是必须排列的），是为了纠正图像内存分配准备的 */

　　} IplImage;

　　dataOrder中的两个取值：交叉存取颜色通道是颜色数据排列将会是BGRBGR.。.的交错排列。分开的颜色通道是有几个颜色通道就分几个颜色平面存储。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 *）：

　　/*间接存取*/

　　IplImage* img=cvLoadImage（“lena.jpg”， 1）;

　　CvScalar s; /*sizeof（s） == img-》nChannels*/

　　s=cvGet2D（img，i，j）; /*get the （i，j） pixel value*/

　　cvSet2D（img，i，j，s）; /*set the （i，j） pixel value*/

　　/*宏操作*/

　　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）;

　　}

　　}

　　/*直接存取*/

　　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］;

　　}

　　}

　　初始化使用IplImage *，是一个指向结构体IplImage的指针：

　　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; /*用字节表示行数据长度*/

　　int* refcount; /*内部访问*/

　　union {

　　uchar* ptr;

　　short* s;

　　int* i;

　　float* fl;

　　double* db;

　　} data; /*数据指针*/

　　union {

　　int rows;

　　int height;

　　};

　　union {

　　int cols;

　　int width;

　　};

　　} CvMat; /*矩阵结构头*/

　　创建CvMat数据：

　　CvMat * cvCreateMat（int rows， int cols， int type）; /*创建矩阵头并分配内存*/

　　CV_INLine CvMat cvMat（（int rows， int cols， int type， void* data CV_DEFAULT）; /*用已有数据data初始化矩阵*/

　　CvMat * cvInitMatHeader（CvMat * mat， int rows， int cols， int type， void * data CV_DEFAULT（NULL）， int step CV_DEFAULT（CV_AUTOSTEP））; /*（用已有数据data创建矩阵头）*/

　　对矩阵数据进行访问：

　　/*间接访问*/

　　/*访问CV_32F1和CV_64FC1*/

　　cvmSet（ CvMat* mat， int row， int col， double value）;

　　cvmGet（ const CvMat* mat， int row， int col ）;

　　/*访问多通道或者其他数据类型： scalar的大小为图像的通道值*/

　　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）;

　　/*直接访问： 取决于数组的数据类型*/

　　/*CV_32FC1*/

　　CvMat * cvmat = cvCreateMat（4， 4， CV_32FC1）;

　　cvmat-》data.fl［row * cvmat-》cols + col］ = （float）3.0;

　　/*CV_64FC1*/

　　CvMat * cvmat = cvCreateMat（4， 4， CV_64FC1）;

　　cvmat-》data.db［row * cvmat-》cols + col］ = 3.0;

　　/*一般对于单通道*/

　　CvMat * cvmat = cvCreateMat（4， 4， CV_64FC1）;

　　CV_MAT_ELEM（*cvmat， double， row， col） = 3.0; /*double是根据数组的数据类型传入，这个宏不能处理多通道*/

　　/*一般对于多通道*/

　　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

　　/*多通道数组*/

　　/*3通道*/

　　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;

　　}

　　}

　　/*2通道*/

　　CvMat * vector = cvCreateMat（1，3， CV_32SC2）;CV_MAT_ELEM（*vector， CvPoint， 0， 0） = cvPoint（100，100）;

　　/*4通道*/

　　CvMat * vector = cvCreateMat（1，3， CV_64FC4）;CV_MAT_ELEM（*vector， CvScalar， 0， 0） = CvScalar（0， 0， 0， 0）;

　　复制矩阵操作：

　　/*复制矩阵*/

　　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：

　　/*.。很多方法。.*/

　　/*.。..。..。..。.*/

　　int flags;（Note ：目前还不知道flags做什么用的）

　　int dims; /*数据的维数*/

　　int rows，cols; /*行和列的数量;数组超过2维时为（-1，-1）*/

　　uchar *data; /*指向数据*/

　　int * refcount; /*指针的引用计数器; 阵列指向用户分配的数据时，指针为 NULL

　　/* 其他成员 */

　　。..

　　};

　　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，以下整理自opencv2.3.1 Manual：

　　Mat（nrows， ncols， type， fillValue］）;

　　M.create（nrows， ncols， type）;

　　例子：

　　Mat M（7，7，CV_32FC2，Scalar（1，3））; /*创建复数矩阵1+3j*/

　　M.create（100， 60， CV_8UC（15））; /*创建15个通道的8bit的矩阵*/

　　/*创建100*100*100的8位数组*/

　　int sz［］ = {100， 100， 100};

　　Mat bigCube（3， sz， CV_8U， Scalar:all（0））;

　　/*现成数组*/

　　double m［3］［3］ = {{a， b， c}， {d， e， f}， {g， h， i}};

　　Mat M = Mat（3， 3， CV_64F， m）.inv（）;

　　/*图像数据*/

　　Mat img（Size（320，240），CV_8UC3）;

　　Mat img（height， width， CV_8UC3， pixels， step）; /*const unsigned char* pixels，int width， int height， int step*/

　　/*使用现成图像初始化Mat*/

　　IplImage* img = cvLoadImage（“greatwave.jpg”， 1）;

　　Mat mtx（img，0）; // convert IplImage* -》 Mat; /*不复制数据，只创建一个数据头*/

　　访问Mat的数据元素：

　　/*对某行进行访问*/

　　Mat M;

　　M.row（3） = M.row（3） + M.row（5） * 3; /*第5行扩大三倍加到第3行*/

　　/*对某列进行复制操作*/

　　Mat M1 = M.col（1）;

　　M.col（7）.copyTo（M1）; /*第7列复制给第1列*/

　　/*对某个元素的访问*/

　　Mat M;

　　M.at《double》（i，j）; /*double*/

　　M.at（uchar）（i，j）; /*CV_8UC1*/

　　Vec3i bgr1 = M.at（Vec3b）（i，j） /*CV_8UC3*/

　　Vec3s bgr2 = M.at（Vec3s）（i，j） /*CV_8SC3*/

　　Vec3w bgr3 = M.at（Vec3w）（i，j） /*CV_16UC3*/

　　/*遍历整个二维数组*/

　　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.）;

　　}

　　/*STL iterator*/

　　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可进行Matlab风格的矩阵操作，如初始化的时候可以用iniTIalizers，zeros（）， ones（）， eye（）。 除以上内容之外，Mat还有有3个重要的方法：

　　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

　　CvMat， Mat， IplImage之间的互相转换

　　IpIImage -》 CvMat

　　/*cvGetMat*/

　　CvMat matheader;

　　CvMat * mat = cvGetMat（img， &matheader）;

　　/*cvConvert*/

　　CvMat * mat = cvCreateMat（img-》height， img-》width， CV_64FC3）;

　　cvConvert（img， mat）

　　IplImage -》 Mat

　　Mat：：Mat（const IplImage* img， bool copyData=false）;/*default copyData=false，与原来的IplImage共享数据，只是创建一个矩阵头*/