openCv學習筆記（二）—cv::Mat學習

由於在寫上一篇映像的資料結構時，發現自己只知道CvMat,竟然還有Mat資料結構，真是無知了，看了這麼多程式，貌似沒有看到這個結構。有可能那些程式都是些老版本的例子，這是在2.0以後加上的，所以我也得緊跟呀。以下是自己的學習心得。。。。

一、Mat簡介

    在2001年剛剛出現的時候，OpenCV基於 C 語言介面而建。為了在記憶體（memory）中存放映像，當時採用名為 IplImage 的C語言結構體，時至今日這仍出現在大多數的舊版教程和教學材料。但這種方法必須接受C語言所有的不足，這其中最大的不足要數手動記憶體管理，其依據是使用者要為開闢和銷毀記憶體負責。雖然對於小型的程式來說手動管理內

一、Mat簡介

    在2001年剛剛出現的時候，OpenCV基於 C 語言介面而建。為了在記憶體（memory）中存放映像，當時採用名為 IplImage 的C語言結構體，時至今日這仍出現在大多數的舊版教程和教學材料。但這種方法必須接受C語言所有的不足，這其中最大的不足要數手動記憶體管理，其依據是使用者要為開闢和銷毀記憶體負責。雖然對於小型的程式來說手動管理記憶體不是問題，但一旦代碼開始變得越來越龐大，你需要越來越多地糾纏於這個問題，而不是著力解決你的開發目標。

   幸運的是，C++出現了，並且帶來類的概念，這給使用者帶來另外一個選擇：自動的記憶體管理（不嚴謹地說）。這是一個好訊息，如果C++完全相容C的話，這個變化不會帶來相容性問題。為此，OpenCV在2.0版本中引入了一個新的C++介面，利用自動記憶體管理給出瞭解決問題的新方法。使用這個方法，你不需要糾結在管理記憶體上，而且你的代碼會變得簡潔（少寫多得）。但C++介面唯一的不足是當前許多嵌入式開發系統只支援C語言。所以，當目標不是這種開發平台時，沒有必要使用舊 方法（除非你是自找麻煩的受虐狂碼農）。

   關於 Mat ，首先要知道的是你不必再手動地（1）為其開闢空間（2）在不需要時立即將空間釋放。但手動地做還是可以的：大多數OpenCV函數仍會手動地為輸出資料開闢空間。當傳遞一個已經存在的Mat 對象時，開闢好的矩陣空間會被重用。也就是說，我們每次都使用大小正好的記憶體來完成任務。

   基本上講 Mat 是一個類，由兩個資料部分組成：矩陣頭（包含矩陣尺寸，儲存方法，儲存地址等資訊）和一個指向儲存所有像素值的矩陣（根據所選儲存方法的不同矩陣可以是不同的維數）的指標。矩陣頭的尺寸是常數值，但矩陣本身的尺寸會依映像的不同而不同，通常比矩陣頭的尺寸大數個數量級。因此，當在程式中傳遞映像並建立拷貝時，大的開銷是由矩陣造成的，而不是資訊頭。OpenCV是一個影像處理庫，囊括了大量的影像處理函數，為瞭解決問題通常要使用庫中的多個函數，因此在函數中傳遞映像是家常便飯。同時不要忘了我們正在討論的是計算量很大的影像處理演算法，因此，除非萬不得已，我們不應該拷貝大 的映像，因為這會降低程式速度。

二、Mat的基本操作

   這裡展示一個例子解釋一下Mat的基本操作

#include<cv.h>#include<highgui.h>#include<iostream>using namespace cv;using namespace std;int main(){/*********************************Mat基本操作-矩陣*******************************************/    //二維三通道矩陣建立    Mat M(2,2, CV_8UC3, Scalar(0,0,255)); //使用建構函式建立矩陣/*CV_8UC3 表示使用8位的 unsigned char 型，每個像素由三個元素組成三通道,初始化為（0，0，255）*/    cout << "M = " << endl << " " << M << endl << endl; //格式化輸出    //三維int sz[3] = {3,3,3};     Mat L(3,sz, CV_8UC(1), Scalar::all(0));/*超過兩維的矩陣：指定維數，然後傳遞一個指向一個數組的指標，這個數組包含每個維度尺寸；其餘的相同*/    cout << "L = " << endl << " " << M << endl << endl; //格式化輸出/********************************************Mat基本操作-映像*******************************/Mat A, C;      // 只建立資訊頭部分    A=imread("D:\\openCV\\openCVProject\\openCv筆記\\openCv筆記\\test.jpg", CV_LOAD_IMAGE_COLOR); // 這裡為矩陣開闢記憶體    Mat B(A);                // 使用拷貝建構函式    C = A;                  // 賦值運算子    /*拷貝建構函式和賦值函數 只拷貝資訊頭和矩陣指標*/    Mat D (A, Rect(10, 10, 100, 100) ); //選取A中一個矩形地區,即只訪問其矩形地區的資訊頭，只是建立資訊頭Mat E = A(cv::Range::all(), Range(1,3)); // 建立訪問邊界的資訊頭。    /*    要建立一個感興趣地區（ ROI ），你只需要建立包含邊界資訊的資訊頭*/    Mat F = A.clone();//複製映像，包括資料    Mat G;    A.copyTo(G);    /*拷貝矩陣本身(不只是資訊頭和矩陣指標)，*///測試namedWindow( "a", CV_WINDOW_AUTOSIZE );namedWindow( "c", CV_WINDOW_AUTOSIZE );imshow( "a", D);imshow( "c", E );/****************************************映像的讀取、處理和儲存**************************************/  Mat image; image = imread( "D:\\openCV\\openCVProject\\openCv筆記\\openCv筆記\\test.jpg", CV_LOAD_IMAGE_COLOR);//匯入映像 if( !image.data ) {    cout<< " No image data \n " ;    return -1; } Mat gray_image; cvtColor( image, gray_image, CV_BGR2GRAY );//轉化為灰階圖 imwrite( "../../images/Gray_Image.jpg", gray_image );//寫入映像 namedWindow( "source", CV_WINDOW_AUTOSIZE ); namedWindow( "Gray image", CV_WINDOW_AUTOSIZE ); imshow( "source", image ); imshow( "Gray image", gray_image );     /*******************************************************************************************/ waitKey(0); return 0;}

  對於Mat資料結構，在對映像進行處理時要注意：

  OpenCV函數中輸出映像的記憶體配置是自動完成的（如果不特別指定的話）。 使用OpenCV的C++介面時不需要考慮記憶體釋放問題。 賦值運算子和拷貝建構函式（ ctor ）只拷貝資訊頭。 使用函數 clone() 或者 copyTo() 來拷貝一副映像的矩陣

 

三、掃描映像的方法

    

#include<cv.h>#include<highgui.h>#include<time.h>#include<iostream>using namespace cv;using namespace std;int main(){    //Mat img(10,10,CV_8UC3,Scalar(0,0,255));Mat img,img_gray,img_gray2;img=imread("D:\\openCV\\openCVProject\\openCv筆記\\openCv筆記\\test.jpg", CV_LOAD_IMAGE_COLOR);    cvtColor( img, img_gray, CV_BGR2GRAY );//轉化為灰階圖img_gray.copyTo(img_gray2);    //方式一for( int i=0;i<img_gray.rows;i++){uchar* data = img_gray.ptr<uchar>(i);for(int j=0;j<img_gray.cols;j++){data[j] = 255; }}//img.create(10,10,CV_8UC3,Scalar(0,0,255));//cout << "img = " << endl << " " << img_gray << endl << endl; //格式化輸出    //方式二 W*H的一幅映像看成是一個1*（w*h）的一個一維數組int nc;if(img_gray.isContinuous())//判斷是否被所有的像素填滿{nc = img_gray.rows*img_gray.cols*img_gray.channels();}else{cout<<"像素未填滿，不可用第二種方式"<<endl;return -1;}uchar* data_2 = img_gray.ptr<uchar>(0);//提取第一個像素點指標for(int i=0;i<nc;i++)//遍曆所有的元素{data_2[i] = 255;}    //方式三指標掃描uchar* data_3 = img.data;//單個元素img.at<uchar>(0,0)=0;for(int i=0;i<img.rows;i++)//遍曆所有的元素{for(int j=0;j<img.cols;j++){             data_3 = img.data + i*img.step + j * img.elemSize();  //對各個通道賦值 data_3[0]=100;             data_3[1]=100; data_3[2]=100;}}/*時間函數    double start = getTickCount();finish = clock();     duration = (double)(finish - start) / CLOCKS_PER_SEC;     *///方式四 迭代器iterator掃描映像Mat_<Vec3b>::iterator it = img.begin<Vec3b>();  Mat_<Vec3b>::iterator itend = img.end<Vec3b>();  for (; it!=itend; it++)  {       //對各個通道賦值 (*it)[0] = 200;   (*it)[1] = 200;  (*it)[2] = 200; }      //測試，根據自己的選擇查看結果namedWindow("sorce",WINDOW_AUTOSIZE);namedWindow("result",WINDOW_AUTOSIZE);cv::imshow("sorce",img);cv::imshow("result",img_gray);waitKey(0);return 0;}

以上是對http://blog.csdn.net/yang_xian521/article/details/7182185#的綜合，以下是其博文，正如博主所說的， data_3 = img.data + i*img.step + j * img.elemSize();，int i=0;i<img_gray.rows;i++。。。這種在迴圈中出現的語句識別比較耗時的，注意避免。以下是其博文

  1.存取單個像素值

最通常的方法就是

[cpp] view plain copy print ? img.at<uchar>(i,j) = 255;  img.at<Vec3b>(i,j)[0] = 255; 

img.at<uchar>(i,j) = 255;img.at<Vec3b>(i,j)[0] = 255;

如果你覺得at操作顯得太笨重了，不想用Mat這個類，也可以考慮使用輕量級的Mat_類，使用重載操作符()實現取元素的操作。

[cpp] view plain copy print ? cv::Mat_<uchar> im2= img; // im2 refers to image     im2(50,100)= 0; // access to row 50 and column 100 

cv::Mat_<uchar> im2= img; // im2 refers to image   im2(50,100)= 0; // access to row 50 and column 100

 

2.用指標掃描一幅映像

對於一幅映像的掃描，用at就顯得不太好了，還是是用指標的操作方法更加推薦。先介紹一種上一講提到過的

[cpp] view plain copy print ? for (int j=0; j<nl; j++)  {          uchar* data= image.ptr<uchar>(j);          for (int i=0; i<nc; i++)         {                                     data[i] = 255;          }  } 

for (int j=0; j<nl; j++){        uchar* data= image.ptr<uchar>(j);        for (int i=0; i<nc; i++)       {                                   data[i] = 255;        }}

更高效的掃描連續映像的做法可能是把W*H的衣服映像看成是一個1*（w*h）的一個一維數組，這個想法是不是有點奇葩，這裡要利用isContinuous這個函數判斷映像內的像素是否填充滿，使用方法如下：

[cpp] view plain copy print ? if (img.isContinuous())  {          nc = img.rows*img.cols*img.channels();  }  uchar* data = img.ptr<uchar>(0);  for (int i=0; i<nc; i++)  {          data[i] = 255;  } 

if (img.isContinuous()){        nc = img.rows*img.cols*img.channels();}uchar* data = img.ptr<uchar>(0);for (int i=0; i<nc; i++){        data[i] = 255;}

更低級的指標操作就是使用Mat裡的data指標，之前我稱之為暴力青年，使用方法如下：

[cpp] view plain copy print ? uchar* data = img.data;  // img.at(i, j)  data = img.data + i * img.step + j * img.elemSize(); 

uchar* data = img.data;// img.at(i, j)data = img.data + i * img.step + j * img.elemSize();

 

3.用迭代器iterator掃描映像

和C++STL裡的迭代器類似，Mat的迭代器與之是相容的。是MatIterator_。聲明方法如下：

[cpp] view plain copy print ? cv::MatIterator_<Vec3b> it; 

cv::MatIterator_<Vec3b> it;

或者是：

[cpp] view plain copy print ? cv::Mat_<Vec3b>::iterator it; 

cv::Mat_<Vec3b>::iterator it;

掃描映像的方法如下：

[cpp] view plain copy print ? Mat_<Vec3b>::iterator it = img.begin<Vec3b>();  Mat_<Vec3b>::iterator itend = img.end<Vec3b>();  for (; it!=itend; it++)  {           (*it)[0] = 255;  } 

Mat_<Vec3b>::iterator it = img.begin<Vec3b>();Mat_<Vec3b>::iterator itend = img.end<Vec3b>();for (; it!=itend; it++){         (*it)[0] = 255;}

  4.高效的scan image方案總結

還是用我們之前使用過的getTickCount、getTickFrequency函數測試速度。這裡我就不一一列舉我測試的結果了，直接上結論。測試發現，好的編寫風格可以提高50%的速度。要想減少程式啟動並執行時間，必要的最佳化包括如下幾個方面：

（1）記憶體配置是個耗時的工作，最佳化之；

（2）在迴圈中重複計算已經得到的值，是個費時的工作，最佳化之；舉例：

[cpp] view plain copy print ? int nc = img.cols * img.channels();  for (int i=0; i<nc; i++)  {.......}  //**************************  for (int i=0; i<img.cols * img.channels(); i++)  {......} 

int nc = img.cols * img.channels();for (int i=0; i<nc; i++){.......}//**************************for (int i=0; i<img.cols * img.channels(); i++){......}

後者的速度比前者要慢上好多。

（3）使用迭代器也會是速度變慢，但迭代器的使用可以減少程式錯誤的發生幾率，考慮這個因素，可以酌情最佳化

（4）at操作要比指標的操作慢很多，所以對於不連續資料或者單個點處理，可以考慮at操作，對於連續的大量資料，不要使用它

（5）掃描連續映像的做法可能是把W*H的衣服映像看成是一個1*（w*h）的一個一維數組這種辦法也可以提高速度。短的迴圈比長迴圈更高效，即使他們的運算元是相同的

以上的這些最佳化可能對於大家的程式運行速度提高並不明顯，但它們畢竟是個得到速度提升的好的編程策略，希望大家能多採納。

還有就是利用多線程也可以高效提高運行速度。OpenMP和TBB是兩種流行的APT，不過對於多線程的東西，我是有些迷糊的，呵呵 5.整行整列像素值的賦值

對於整行或者整列的資料，可以考慮這種方式處理

[cpp] view plain copy print ? img.row(i).setTo(Scalar(255));  img.col(j).setTo(Scalar(255)); 

img.row(i).setTo(Scalar(255));img.col(j).setTo(Scalar(255));

這節就先介紹這麼多攻略吧~希望大家喜歡

 

參考資料

          1.http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/mat%20-%20the%20basic%20image%20container/mat%20-%20the%20basic%20image%20container.html

          2http://blog.sina.com.cn/s/blog_73ee929c01010yor.html