OpenCV3学习笔记（3）：认识Mat类及其创建

淡淡的烟草味﹌ 2022-11-30 05:52 101阅读 0赞

# 1.认识Mat类 #

早期的OpenCV中，图像的处理是通过IplImage的C语言结构。从OpenCV2.0开始用C++重新实现，引入Mat类使用引用计数的方式管理内存。

Mat类由两部分组成：矩阵头（包含矩阵的大小，存储类型，存储地址等信息），以及一个指向图像实际内存区域的指针。矩阵头大小是恒定的，矩阵数据本身的大小可以随着图像的不同而变化。Mat类使用引用计数系统，每个Mat对象都有自己的头，但是可以指向同一个内存地址，使矩阵数据可以在两个Mat实例之间共享（参照智能指针）。使用赋值操作符只会将头和数据指针复制到另一个矩阵，而不是数据本身（浅拷贝）。  
如下：三者都指向同一个图像

Mat A = imread("F:/Src/image.png", cv::IMREAD_UNCHANGED);
        Mat B(A);
        Mat C = A;

要想拷贝数据可以通过clone或copyTo接口（深拷贝），如下：

Mat D = A.clone();
        Mat E;
        A.copyTo(E);

（文档：[https://www.w3cschool.cn/opencv/opencv-bedc2caa.html][https_www.w3cschool.cn_opencv_opencv-bedc2caa.html]）

# 2.创建Mat对象 #

### 2.1.构造函数 ###

OpenCV提供了多个构造函数，目前我初学常用的有默认构造和根据行列进行构造

Mat()
        Mat(int rows, int cols, int type)
        Mat(Size size, int type)
        Mat(int rows, int cols, int type, const Scalar & s)
        Mat(Size size, int type, const Scalar & s)
        Mat(int ndims, const int* sizes, int type)
        Mat(const std::vector< int > & sizes, int type)
        Mat(int ndims, const int* sizes, int type, const Scalar & s)
        Mat(const std::vector< int > & sizes, int type, const Scalar & s)
        Mat(const Mat & m)
        Mat(int rows, int cols, int type, void* data, size_t step = AUTO_STEP)
        Mat(Size size, int type, void* data, size_t step = AUTO_STEP)
        Mat(int ndims, const int* sizes, int type, void* data, const size_t * steps = 0)
        Mat(const std::vector< int > & sizes, int type, void* data, const size_t * steps = 0)
        Mat(const Mat & m, const Range & rowRange, const Range & colRange = Range::all())
        Mat(const Mat & m, const Rect & roi)
        Mat(const Mat & m, const Range * ranges)
        Mat(const Mat & m, const std::vector< Range > & ranges)
        Mat(Mat && m)
        //等

下面这个构造创建了一个3\*3的四通道纯蓝图像，Scalar顺序一般为BGRA：

cv::Mat M1(3, 3, CV_8UC4, cv::Scalar(255, 0, 0, 255));
    	std::cout << "M1 = " << std::endl << M1 << std::endl;
    	//M1 =
    	//[255, 0, 0, 255, 255, 0, 0, 255, 255, 0, 0, 255;
    	//255, 0, 0, 255, 255, 0, 0, 255, 255, 0, 0, 255;
    	//255, 0, 0, 255, 255, 0, 0, 255, 255, 0, 0, 255]
    	//imshow("test_opencv", M1); //显示为一个蓝色小点

对于小矩阵，可以使用逗号分隔的初始化器或初始化器列表（在后一种情况下需要C ++ 11支持）：

Mat MC1 = (Mat_<double>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
    	std::cout << "MC1=" << std::endl << MC1 << std::endl;
    	Mat MC2 = (Mat_ <double>({ 0, -1,0, -1,5, -1,0, -1,0 })).reshape(3);
    	std::cout << "MC2=" << std::endl << MC2 << std::endl;
    	//MC1 =
    	//[0, -1, 0;
    	//-1, 5, -1;
    	//0, -1, 0]
    	//MC2 =
    	//[0, -1, 0;
    	//-1, 5, -1;
    	//0, -1, 0]

### 2.2.通过create函数构造 ###

void create(int rows, int cols, int type)
        void create(Size size, int type)
        void create(int ndims, const int* sizes, int type)
        void create(const std::vector< int > & sizes, int type)

下面创建了一个3\*3的单通道矩阵：

cv::Mat M2;
        M2.create(3, 3, CV_8UC(1));

### 2.3.通过类matlab接口的函数创建 ###

eye函数表示的是单位矩阵，ones顾名思义是全是1的矩阵，zeros表示全是0的矩阵：

cv::Mat Me = cv::Mat::eye(4, 4, CV_64F);
        std::cout << "Me = " << std::endl << Me << std::endl;
        cv::Mat Mo = cv::Mat::ones(4, 4, CV_64F);
        std::cout << "Mo = " << std::endl << Mo << std::endl;
        cv::Mat Mz = cv::Mat::zeros(4, 4, CV_64F);
        std::cout << "Mz = " << std::endl << Mz << std::endl;
        //Me =
        //[1, 0, 0, 0;
        //0, 1, 0, 0;
        //0, 0, 1, 0;
        //0, 0, 0, 1]
        //Mo =
        //[1, 1, 1, 1;
        //1, 1, 1, 1;
        //1, 1, 1, 1;
        //1, 1, 1, 1]
        //Mz =
        //[0, 0, 0, 0;
        //0, 0, 0, 0;
        //0, 0, 0, 0;
        //0, 0, 0, 0]

### 2.4.使用row或col获取某一行列的矩阵 ###

Mat col(int x) const
        Mat colRange(int startcol, int endcol) const
        Mat colRange(const Range & r) const
        Mat row(int y) const
        Mat rowRange(int startrow, int endrow) const
        Mat rowRange(const Range & r) const

### 2.5.adjustROI创建一个父矩阵的局部引用矩阵 ###

Mat& cv::Mat::adjustROI(int dtop,int dbottom,int dleft,int dright)

### 2.6.clone深拷贝某个mat对象 ###

Mat clone () const CV_NODISCARD

（博客：[https://blog.csdn.net/u012058778/article/details/90764430][https_blog.csdn.net_u012058778_article_details_90764430]）  
（文档：[https://docs.opencv.org/master/d3/d63/classcv\_1\_1Mat.html][https_docs.opencv.org_master_d3_d63_classcv_1_1Mat.html]）

[https_www.w3cschool.cn_opencv_opencv-bedc2caa.html]: https://www.w3cschool.cn/opencv/opencv-bedc2caa.html
[https_blog.csdn.net_u012058778_article_details_90764430]: https://blog.csdn.net/u012058778/article/details/90764430
[https_docs.opencv.org_master_d3_d63_classcv_1_1Mat.html]: https://docs.opencv.org/master/d3/d63/classcv_1_1Mat.html