OpenCV学习笔记(4)_Mat的简单理解
文章目录
0. 引言
OpenCV作为一个开源的图像处理库，它的任务主要是对图像进行操作. 那么对于我们学习者来说，首先要弄明白的是OpenCV的基础数据结构.
稍微有点图像处理基础的同学都知道，图像的基础结构就是像素. 那么对于OpenCV2.1以上的版本来说，不需要再使用IplImage这个数据结构来作为图像的基础数据结构了，现在我们只需要了解Mat.
今天的例程是一个对图像进行反色处理的样例.
老规矩，先上代码，再进行分析.
代码1.数组方法访问像素.
int test1()
{
std::string filename = "../images/lena.jpg";
cv::Mat srcImg = cv::imread(filename, CV_8UC2);
cv::Mat dstImg = cv::Mat::zeros(srcImg.size(), srcImg.type());
for (int i = 0; i < srcImg.rows; ++i)
{
uchar* curr_row = srcImg.ptr<uchar>(i);
uchar* dst_row = dstImg.ptr<uchar>(i);
for (int j = 0; j < srcImg.cols; ++j)
{
if (3 == srcImg.channels())
{
dstImg.at<cv::Vec3b>(i, j)[0] = 255 - srcImg.at<cv::Vec3b>(i, j)[0];
dstImg.at<cv::Vec3b>(i, j)[1] = 255 - srcImg.at<cv::Vec3b>(i, j)[1];
dstImg.at<cv::Vec3b>(i, j)[2] = 255 - srcImg.at<cv::Vec3b>(i, j)[2];
}
else if (1 == srcImg.channels())
{
dstImg.at<uchar>(i, j) = 255 - srcImg.at<uchar>(i, j);
}
}
}
cv::namedWindow("result", CV_WINDOW_AUTOSIZE);
cv::imshow("result", dstImg);
cv::waitKey();
cv::destroyAllWindows();
return 0;
}
代码2.利用指针访问像素.
int test2()
{
std::string filename = "../images/lena.jpg";
cv::Mat srcImg = cv::imread(filename, CV_8UC2);
cv::Mat dstImg = cv::Mat::zeros(srcImg.size(), srcImg.type());
for (int i = 0; i < srcImg.rows; ++i)
{
uchar* curr_row = srcImg.ptr<uchar>(i);
uchar* dst_row = dstImg.ptr<uchar>(i);
for (int j = 0; j < srcImg.cols; ++j)
{
if (3 == srcImg.channels())
{
*dst_row++ = 255 - *curr_row++;
*dst_row++ = 255 - *curr_row++;
*dst_row++ = 255 - *curr_row++;
}
else if (1 == srcImg.channels())
{
*dst_row++ = 255 - *curr_row++;
}
}
}
cv::namedWindow("result", CV_WINDOW_AUTOSIZE);
cv::imshow("result", dstImg);
cv::waitKey();
cv::destroyAllWindows();
return 0;
}
注：当以灰度图像读取时，则imread参数2选择CV_8UC1，若以RGB三通道图像读取时，则imread参数2选择CV_8UC2（注意此处并不是CV_8UC3，CV_8UC2表示RGB3通道图像，CV_8UC3表示的是RGB+透明色即4通道图像)
1. Mat的简单理解
Mat的数据结构可以理解为Head部分+Data部分.
这里的Head部分用来存储Mat的属性参数，例如维度(dim)、尺寸大小(size)等.
Data部分用来存储Mat的图像矩阵，实际上这里只是保存了图像矩阵像素数据的指针.
对于图像像素矩阵来说, rows表示行数（图像的高度），cols表示列数（图像的宽度），如同代码中的 srcImg.rows和 srcImg.cols.
以类型为CV_8UC1为例，像素中存储的是uchar格式的数据，范围为0~255.
以类型为CV_8UC2为例 ，像素中存储的是Vec3b格式的数据，Vec3b由三个uchar数据组成，依次存储B、G、R三个通道的像素值.
若以内存的角度来看Mat的像素矩阵存储，对于CV_8UC2来说，则如上图所示，存储的顺序为
pix[0,0].B, pix[0,0].G, pix[0,0].R, pix[0,1].B, pix[0,1].G, pix[0,1].R ... pix[0, cols-1].B, pix[0, cols-1].G, pix[0, cols-1].R
pix[1,0].B, pix[1,0].G, pix[1,0].R, pix[1,1].B, pix[1,1].G, pix[1,1].R ... pix[1, cols-1].B, pix[1, cols-1].G, pix[1, cols-1].R
...
pix[rows-1,0].B, pix[rows-1,0].G, pix[rows-1,0].R, pix[rows-1,1].B, pix[rows-1,1].G, pix[rows-1,1].R ... pix[rows-1, cols-1].B, pix[rows-1, cols-1].G, pix[rows-1, cols-1].R
这个顺序非常重要，在后面如何访问像素时，我们将会再次提到它.
来看一下读取到的lena图像在Mat中的存储状态：
2. 用Mat来存放图像数据
std::string filename = "../images/lena.jpg";
cv::Mat srcImg = cv::imread(filename, CV_8UC2);
cv::Mat dstImg = cv::Mat::zeros(srcImg.size(), srcImg.type());
cv::imread此函数通过带路径的图像文件名，和图像的存储类型，来读取图像.
如前所述，若类型选为CV_8UC1，则读取的是灰度图像；
若类型选为CV_8UC2，则读取的是三通道图像（注意，源图像是RGB或者是BGR没有关系，读取进来以后是以BGR通道形式.
3. 像素的访问和操作
3.1 以数组方式访问
访问Mat中的像素，有两种方式，第一种方式是以数组的方式访问.
for (int i = 0; i < srcImg.rows; ++i)
{
uchar* curr_row = srcImg.ptr<uchar>(i);
uchar* dst_row = dstImg.ptr<uchar>(i);
for (int j = 0; j < srcImg.cols; ++j)
{
if (3 == srcImg.channels())
{
dstImg.at<cv::Vec3b>(i, j)[0] = 255 - srcImg.at<cv::Vec3b>(i, j)[0];
dstImg.at<cv::Vec3b>(i, j)[1] = 255 - srcImg.at<cv::Vec3b>(i, j)[1];
dstImg.at<cv::Vec3b>(i, j)[2] = 255 - srcImg.at<cv::Vec3b>(i, j)[2];
}
else if (1 == srcImg.channels())
{
dstImg.at<uchar>(i, j) = 255 - srcImg.at<uchar>(i, j);
}
}
}
若是灰度图像（1==srcImg.channels()），则像素为uchar类型，则 srcImg.at<uchar>(i,j)</uchar>读取了第i行（i从0到rows-1)，第j列（j从0到cols-1）的像素.
若是彩色图像（3==srcImg.channels()），则像素为Vec3b类型，则 srcImg.at<vec3b>(i,j)</vec3b>读取了第i行（i从0到rows-1)，第j列（j从0到cols-1）的像素. 在这个像素里， srcImg.at<vec3b>(i,j)[0]</vec3b>为Blue通道的灰度值， srcImg.at<vec3b>(i,j)[1]</vec3b>为Green通道的灰度值， srcImg.at<vec3b>(i,j)[2]</vec3b>为Red通道的灰度值.
反色的处理即用255减去每个通道的灰度值，将结果对应赋值给dstImg的对应像素.
看一下程序运行过程中的dstImg像素值变化情况：
对第一行操作完成后，才开始操作第二行，依此类推：
3.2 以指针方式访问
第二种方式是以指针方式访问:
for (int i = 0; i < srcImg.rows; ++i)
{
uchar* curr_row = srcImg.ptr<uchar>(i);
uchar* dst_row = dstImg.ptr<uchar>(i);
for (int j = 0; j < srcImg.cols; ++j)
{
if (3 == srcImg.channels())
{
*dst_row++ = 255 - *curr_row++;
*dst_row++ = 255 - *curr_row++;
*dst_row++ = 255 - *curr_row++;
}
else if (1 == srcImg.channels())
{
*dst_row++ = 255 - *curr_row++;
}
}
}
srcImg.ptr提供了访问像素中数据的指针方法，回忆起像素的存储顺序，则可知：
若为灰色图像，则 srcImg.ptr<uchar>(i)</uchar>指向每一行的像素首地址，向下移动，直至移动到第j列，即到行末.
若为彩色图像，则 srcImg.ptr<uchar>(i)</uchar>也同样指向每一行的像素首地址，顺序为BGRBGRBGR…，向下移动3个位置则到下一个像素，直至移动到第j列，即到行末.
Original: https://blog.csdn.net/horsee/article/details/123011178
Author: CarnivoreRabbit
Title: OpenCV学习笔记(4)_Mat的简单理解及像素获取
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/702480/
转载文章受原作者版权保护。转载请注明原作者出处！