opencv中三種常見數(shù)據(jù)容器：Mat，cvMat和IplImage及它們編程顯示圖像的差異

　　opencv中常見的與圖像操作有關(guān)的數(shù)據(jù)容器有Mat，cvMat和IplImage，這三種類型都可以代表和顯示圖像，但是，Mat類型側(cè)重于計算，數(shù)學(xué)性較高，openCV對Mat類型的計算也進行了優(yōu)化。而CvMat和IplImage類型更側(cè)重于“圖像”，opencv對其中的圖像操作（縮放、單通道提取、圖像閾值操作等）進行了優(yōu)化。在opencv2.0之前，opencv是完全用C實現(xiàn)的，但是，IplImage類型與CvMat類型的關(guān)系類似于面向?qū)ο笾械睦^承關(guān)系。實際上，CvMat之上還有一個更抽象的基類----CvArr，這在源代碼中會常見。

　　1. IplImage

　　opencv中的圖像信息頭，該結(jié)構(gòu)體定義： typedef struct _IplImage

　　{

　　int nSize; /* IplImage大小 */

　　int ID; /* 版本 （=0）*/

　　int nChannels; /* 大多數(shù)OPENCV函數(shù)支持1，2，3 或 4 個通道 */

　　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 - 交叉存取顏色通道， 1 - 分開的顏色通道。 cvCreateImage只能創(chuàng)建交叉存取圖像 */

　　int origin; /* 0 - 頂—左結(jié)構(gòu)，1 - 底—左結(jié)構(gòu) （Windows bitmaps 風(fēng)格） */

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

　　int width; /* 圖像寬像素數(shù) */

　　int height; /* 圖像高像素數(shù)*/

　　struct _IplROI *roi; /* 圖像感興趣區(qū)域。 當(dāng)該值非空只對該區(qū)域進行處理 */

　　struct _IplImage *maskROI; /* 在 OpenCV中必須置NULL */

　　void *imageId; /* 同上*/

　　struct _IplTIleInfo *TIleInfo; /*同上*/

　　int imageSize; /* 圖像數(shù)據(jù)大?。ㄔ诮徊娲嫒「袷较耰mageSize=image-》height*image-》widthStep），單位字節(jié)*/

　　char *imageData; /* 指向排列的圖像數(shù)據(jù) */

　　int widthStep; /* 排列的圖像行大小，以字節(jié)為單位 */

　　int BorderMode［4］; /* 邊際結(jié)束模式， 被OpenCV忽略 */

　　int BorderConst［4］; /* 同上 */

　　char *imageDataOrigin; /* 指針指向一個不同的圖像數(shù)據(jù)結(jié)構(gòu)（不是必須排列的），是為了糾正圖像內(nèi)存分配準(zhǔn)備的 */

　　} IplImage;

　　dataOrder中的兩個取值：交叉存取顏色通道是顏色數(shù)據(jù)排列將會是BGRBGR.。.的交錯排列。分開的顏色通道是有幾個顏色通道就分幾個顏色平面存儲。roi是IplROI結(jié)構(gòu)體，該結(jié)構(gòu)體包含了xOffset，yOffset，height，width，coi成員變量，其中xOffset，yOffset是x，y坐標(biāo)，coi代表channel of interest（感興趣的通道），非0的時候才有效。訪問圖像中的數(shù)據(jù)元素，分間接存儲和直接存儲，當(dāng)圖像元素為浮點型時，（uchar *） 改為 （float *）：

　　/*間接存取*/

　　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 *，是一個指向結(jié)構(gòu)體IplImage的指針：

　　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，我們需要知道，第一，在OpenCV中沒有向量（vector）結(jié)構(gòu)。任何時候需要向量，都只需要一個列矩陣（如果需要一個轉(zhuǎn)置或者共軛向量，則需要一個行矩陣）。第二，OpenCV矩陣的概念與我們在線性代數(shù)課上學(xué)習(xí)的概念相比，更抽象，尤其是矩陣的元素，并非只能取簡單的數(shù)值類型，可以是多通道的值。CvMat 的結(jié)構(gòu)：

　　typedef struct CvMat

　　{

　　int type;

　　int step; /*用字節(jié)表示行數(shù)據(jù)長度*/

　　int* refcount; /*內(nèi)部訪問*/

　　union {

　　uchar* ptr;

　　short* s;

　　int* i;

　　float* fl;

　　double* db;

　　} data; /*數(shù)據(jù)指針*/

　　union {

　　int rows;

　　int height;

　　};

　　union {

　　int cols;

　　int width;

　　};

　　} CvMat; /*矩陣結(jié)構(gòu)頭*/

　　創(chuàng)建CvMat數(shù)據(jù)：

　　CvMat * cvCreateMat（int rows， int cols， int type）; /*創(chuàng)建矩陣頭并分配內(nèi)存*/

　　CV_INLine CvMat cvMat（（int rows， int cols， int type， void* data CV_DEFAULT）; /*用已有數(shù)據(jù)data初始化矩陣*/

　　CvMat * cvInitMatHeader（CvMat * mat， int rows， int cols， int type， void * data CV_DEFAULT（NULL）， int step CV_DEFAULT（CV_AUTOSTEP））; /*（用已有數(shù)據(jù)data創(chuàng)建矩陣頭）*/

　　對矩陣數(shù)據(jù)進行訪問：

　　/*間接訪問*/

　　/*訪問CV_32F1和CV_64FC1*/

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

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

　　/*訪問多通道或者其他數(shù)據(jù)類型： scalar的大小為圖像的通道值*/

　　CvScalar cvGet2D（const CvArr * arr， int idx0， int idx1）; //CvArr只作為函數(shù)的形參void cvSet2D（CvArr* arr， int idx0， int idx1， CvScalar value）;

　　/*直接訪問： 取決于數(shù)組的數(shù)據(jù)類型*/

　　/*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;

　　/*一般對于單通道*/

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

　　CV_MAT_ELEM（*cvmat， double， row， col） = 3.0; /*double是根據(jù)數(shù)組的數(shù)據(jù)類型傳入，這個宏不能處理多通道*/

　　/*一般對于多通道*/

　　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為通道值

　　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為通道值

　　/*多通道數(shù)組*/

　　/*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）;

　　復(fù)制矩陣操作：

　　/*復(fù)制矩陣*/

　　CvMat* M1 = cvCreateMat（4，4，CV_32FC1）;

　　CvMat* M2;

　　M2=cvCloneMat（M1）;

　　3.Mat

　　Mat是opencv2.0推出的處理圖像的新的數(shù)據(jù)結(jié)構(gòu)，現(xiàn)在越來越有趨勢取代之前的cvMat和lplImage，相比之下Mat最大的好處就是能夠更加方便的進行內(nèi)存管理，不再需要程序員手動管理內(nèi)存的釋放。opencv2.3中提到Mat是一個多維的密集數(shù)據(jù)數(shù)組，可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數(shù)據(jù)。

　　class CV_EXPORTS Mat

　　{

　　public：

　　/*.。很多方法。.*/

　　/*.。..。..。..。.*/

　　int flags;（Note ：目前還不知道flags做什么用的）

　　int dims; /*數(shù)據(jù)的維數(shù)*/

　　int rows，cols; /*行和列的數(shù)量;數(shù)組超過2維時為（-1，-1）*/

　　uchar *data; /*指向數(shù)據(jù)*/

　　int * refcount; /*指針的引用計數(shù)器; 陣列指向用戶分配的數(shù)據(jù)時，指針為 NULL

　　/* 其他成員 */

　　。..

　　};

　　從以上結(jié)構(gòu)體可以看出Mat也是一個矩陣頭，默認(rèn)不分配內(nèi)存，只是指向一塊內(nèi)存（注意讀寫保護）。初始化使用create函數(shù)或者Mat構(gòu)造函數(shù)，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））; /*創(chuàng)建復(fù)數(shù)矩陣1+3j*/

　　M.create（100， 60， CV_8UC（15））; /*創(chuàng)建15個通道的8bit的矩陣*/

　　/*創(chuàng)建100*100*100的8位數(shù)組*/

　　int sz［］ = {100， 100， 100};

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

　　/*現(xiàn)成數(shù)組*/

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

　　Mat M = Mat（3， 3， CV_64F， m）.inv（）;

　　/*圖像數(shù)據(jù)*/

　　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*/

　　/*使用現(xiàn)成圖像初始化Mat*/

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

　　Mat mtx（img，0）; // convert IplImage* -》 Mat; /*不復(fù)制數(shù)據(jù)，只創(chuàng)建一個數(shù)據(jù)頭*/

　　訪問Mat的數(shù)據(jù)元素：

　　/*對某行進行訪問*/

　　Mat M;

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

　　/*對某列進行復(fù)制操作*/

　　Mat M1 = M.col（1）;

　　M.col（7）.copyTo（M1）; /*第7列復(fù)制給第1列*/

　　/*對某個元素的訪問*/

　　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*/

　　/*遍歷整個二維數(shù)組*/

　　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可進行Matlab風(fēng)格的矩陣操作，如初始化的時候可以用iniTIalizers，zeros（）， ones（）， eye（）。 除以上內(nèi)容之外，Mat還有有3個重要的方法：

　　Mat mat = imread（const String* filename）; // 讀取圖像imshow（const string frameName， InputArray mat）; // 顯示圖像imwrite （const string& filename， InputArray img）; //儲存圖像

　　CvMat， Mat， IplImage之間的互相轉(zhuǎn)換

　　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，與原來的IplImage共享數(shù)據(jù)，只是創(chuàng)建一個矩陣頭*/

　　例子：

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

　　Mat mtx（iplImg）; /* IplImage * -》 Mat，共享數(shù)據(jù); or ： Mat mtx = iplImg;*/

　　Mat -》 IplImage

　　Mat M

　　IplImage iplimage = M; /*只創(chuàng)建圖像頭，不復(fù)制數(shù)據(jù)*/

　　CvMat -》 Mat

　　Mat：：Mat（const CvMat* m， bool copyData=false）; /*類似IplImage -》 Mat，可選擇是否復(fù)制數(shù)據(jù)*/

　　Mat -》 CvMat

　　例子（假設(shè)Mat類型的imgMat圖像數(shù)據(jù)存在）：

　　CvMat cvMat = imgMat;/*Mat -》 CvMat， 類似轉(zhuǎn)換到IplImage，不復(fù)制數(shù)據(jù)只創(chuàng)建矩陣頭