OpenCv 2.4.9 (一) Mat基础结构&如何遍历图片

前言

---

　　因为对图像方面感兴趣，所以有空学学OpenCV的使用，并且希望以此为引子，带领自己入门图像领域。

　　先post上几个参考网站，上面有完整源码：

• http://docs.opencv.org/2.4.9/ （英文文档，主要参看）
• http://www.opencv.org.cn/opencvdoc/2.3.2/html/index.html (低版本的中文参考)
• https://github.com/opencv/opencv/tree/master/doc/tutorials (github源码，有些需要参考会英文文档)

　　因为这么多资源，所以就不贴完整代码，这重点讲解某部分，方便自己以后回来查询。

Mat - 基本的图像容器

---

Mat

　　在以前，opencv使用的是C结构，IplImage。但是使用这个结构有一个缺点就是你需要注意内存的申请和销毁。幸运的是，在C++我们可以使用一种更智能的结构，Mat。Mat会自动申请内存和销毁。

　　Mat由基本的两部分组成：矩阵头（包含图片信息，例如矩阵大小，存储方法等）和一个指向包含像素点信息的指针。矩阵头部大小是常数，但是矩阵的大小却各不相同。

1 Mat A, C;　　// 只建立头部
2 A = imread(fname, CV_LOAD_IMAGE_COLOR);
3 
4 Mat B(A);  // 调用copy构造函数
5 C = A;     // 调用assign函数

　　上面的所有对象都指向同一个矩阵，只是头部不一样而已。如果使用其中一个对象改变图像内容，所有指向这个矩阵的对象都会受影响。copy和assign只是复制头部的一些信息。

　　我们可以调用其它方法实现深复制：

1 Mat F = A.clone();
2 Mat G;
3 A.copyTo(G);

显式创建Mat

　　我们可以使用 imwrite() 函数来把一个矩阵写入到图片文件。但是为了调试方便，我们还可以使用<<输出（仅适用于二维矩阵）。

　　下面是创建Mat对象的各种方法：

• Mat()构造器
  

  1 Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255)); // CV_[多少位][有符号or无符号][类型前缀]C[通道数]
  2 cout << M <<endl;
  3 // [0, 0, 255, 0, 0, 255;
  4 //  0, 0, 255, 0, 0, 255

• 使用CC++数组构造

  1 int sz[3] = {2, 2，2};
  2 Mat L(3, sz, CV_8UC(1), Scalar::all(0)); // 3维的[2, 2, 2]的图像

• 为已存在IplImage指针构建头部

  1 IplImage* img = cvLoadImage(fname);
  2 Mat mtx(img);

• Create() 函数

  1 M.create(4, 4, CV_8UC(2)); // 这种方法不能赋初值，只在中心分配内存时使用
  2 cout<< M << endl

• Matlab风格的初始化

  1 Mat E = Mat::eye(4, 4, CV_64F);
  2 Mat O = Mat::ones(2, 2, CV_32F);
  3 Mat Z = Mat::zeros(3, 3, CV_8UC1);

• 逗号分隔的初始化小矩阵

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

• 使用clone或copyTo。
  

  1 Mat RowClone = C.row(1).clone(); // randu(RowClone, Scalar::all(0), Scalar::all(255))可以在low和high之间随机

 　　　

怎样遍历图片

---

　　首先，我们可以使用一段代码计算程序执行的时间：

1 double t = (double)getTickCount();
2 // do something
3 t = ((double)getTickCount() - t) / getTickFrequency();

　　

图像的存储

　　在RGB系统中，图像是这样存储的：（注意是BGR的形式，可以使用 isContinunous() 函数查看是否连续存放）

（下面以颜色空间缩减为例子说明）

C风格的读法

先用指针p指向一行，然后再p[j]形式读取

 1 int channels = I.channels();
 2 int nRows = I.rows;
 3 int nCols = I.cols * channels;
 4 
 5 if (I.isContinuous()) {
 6     nCols = nCols * nRows;
 7     nRows = 1;
 8 }
 9 
10 int i, j;
11 uchar* p;
12 for (i=0; i<nRows; ++i) {
13     for (j=0; j<nCols; ++j) {
14         p = I.ptr<uchar>(i);
15         p[j] = table[p[j]]; //查表替换
16     }
17 }

迭代（安全）方法

迭代器从begin到end，使用(*it)[0]形式读取

const int channels = I.channels();
switch(channels)
{
case 1: {
    MatIterator_<uchar> it, end;
    for (it = I.begin<uchar>(), end=I.end<uchar>(); it != end; ++it)
        *it = table[*it];
    break;
    }
case 3: {
    MatIterator_<Vec3b> it, end;
    for (it = I.begin<Vec3b>(), end=I.end<Vec3b>(); it != end; ++it)
        (*it)[0] = table[(*it)[0]];
        (*it)[1] = table[(*it)[1]];
        (*it)[2] = table[(*it)[2]];
    }
}

 通过相关返回值的On-the-fly地址计算

先把矩阵转换成Mat_，再用_I(i, j)[0]形式读取

const int channels = I.channels();
switch(channels)
{
case 1:
    {
        for (int i=0; i<I.rows; ++i)
            for (int j=0; j<I.cols; ++j)
                I.at<uchar>(i, j) = table[I.at<uchar>(i, j)];
        break;
    }
case 3:
    {
        Mat_<Vec3b> _I = I;
        for (int i=0; i<I.rows; ++i)
            for (int j=0; j<I.cols; ++j) {
                _I(i, j)[0] = table[_I(i, j)[0]];
                _I(i, j)[1] = table[_I(i, j)[1]];
                _I(i, j)[2] = table[_I(i, j)[2]];
            }
        I = _I;
        break;
    }
}

快速实现表替换

Mat lookUpTable(1, 256, CV_8U);
uchar* p = lookUpTable.data;
for (int i=0; i < 256; ++i)
    p[i] = table[i];
LUT(I, lookUpTable, I);