OpenCV Mat矩陣初始化及訪問方法

一、Mat初始化
1.使用Mat構造函數

//方法一：
Mat M( 2, 2, CV_8UC3, Scalar(0,255,0) );//其實是2*6的矩陣，因爲每個元素有3個通道。
Mat M1( 2, 2, CV_8UC1，Scalar(0) );//單通道
//方法二：
int sz[3] = {2, 2, 2};
Mat L( 3, sz, CV_8UC(1), Scalar::all(0) );

2.爲已存在的IplImage指針創建信息頭

IplImage* img = cvLoadImage("1.jpg",1);
Mat test(img);

3.利用create函數

M.create( 4, 4, CV_8UC2);//CV_8UC2裏面的2表示2通道

4.採用Matlab形式的初始化方式

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

5.Mat矩陣比較小時，學會直接賦值的方法，即用Mat_

Mat C =(Mat_<double>(3,3)<<0,-1,0,-1,5,-1,0,-1,0);//直接賦初始值的方法

6.使用數組或指針初始化

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)
example：
int a[2][3] = { 1, 2, 3, 4, 5, 6};
Mat m1(2,3,CV_32S,a);   //float 對應的是CV_32F,double對應的是CV_64F
cout << m1 << endl;

參考鏈接1

二、Mat訪問

Mat和Matlab裏的數組格式有點像，但一般是二維向量，如果是灰度圖，一般存放類型；如果是RGB彩色圖，存放類型。首先先看看圖像的是怎麼存儲的。

單通道圖像

多通道圖像

單通道灰度圖數據存放格式：

多通道的圖像中，每列並列存放通道數量的子列，如RGB三通道彩色圖：

opencv中，由於使用Mat.at訪問數據時，必須正確填寫相應的數據類型，因此必須弄清楚opencv中的數據類型與我們常用
數據類型一一對應關係。

Mat_---------CV_8U
Mat-----------CV_8S
Nat_---------CV_16S
Mat_--------CV_16U
Mat_-----------CV_32S
Mat_----------CV_32F
Mat_--------CV_64F
下面主要記錄三種常見的訪問Mat的方式：1.at訪問 2.ptr訪問 3.data訪問
Mat中不管是以at訪問還是ptr訪問，都是行優先 ，先Y軸後X軸（即先行後列）

//方法1：
t = (double)getTickCount();
	Mat img1(1000, 1000, CV_32F);
	
	for (int i=0; i<1000; i++)
	{
		for (int j=0; j<1000; j++)
		{
			img1.at<float>(i,j) = 3.2f;
		}
	}
	t = (double)getTickCount() - t;
	printf("in %gms\n", t*1000/getTickFrequency());
	//***方法2************************************************************
	t = (double)getTickCount();
	Mat img2(1000, 1000, CV_32F);

	for (int i=0; i<1000; i++)
	{
		for (int j=0; j<1000; j++)
		{
			img2.ptr<float>(i)[j] = 3.2f;
		}
	}
	t = (double)getTickCount() - t;
	printf("in %gms\n", t*1000/getTickFrequency());
	//***方法3************************************************************
	t = (double)getTickCount();
	Mat img3(1000, 1000, CV_32F);
	float* pData = (float*)img3.data;

	for (int i=0; i<1000; i++)
	{
		for (int j=0; j<1000; j++)
		{
			*(pData) = 3.2f;
			pData++;
		}
	}
	t = (double)getTickCount() - t;
	printf("in %gms\n", t*1000/getTickFrequency());
	//***方法3************************************************************
	t = (double)getTickCount();
	Mat img4(1000, 1000, CV_32F);

	for (int i=0; i<1000; i++)
	{
		for (int j=0; j<1000; j++)
		{
			((float*)img3.data)[i*1000+j] = 3.2f;
		}
	}
	t = (double)getTickCount() - t;
	printf("in %gms\n", t*1000/getTickFrequency());

對比幾種方法，速度測試如下：

測試結果

	Debug	Release
方法1	139.06ms	2.51ms
方法2	66.28ms	2.50ms
方法3-1	4.95ms	2.28ms
方法3-2	5.11ms	1.37ms

可以看出在debug版本下測試，不同訪問方法差別比較大，Release下還好，而且也可以採用和指針結合的方式來增加效率，比如

/*********加強版********/
	t = (double)getTickCount();
	Mat img5(1000, 1000, CV_32F);
	float *pData1;
	for (int i=0; i<1000; i++) 
	{ 
		pData1=img5.ptr<float>(i);
		for (int j=0; j<1000; j++) 
		{ 
			pData1[j] = 3.2f; 
		} 
	} 
	t = (double)getTickCount() - t;
	printf("in %gms\n", t*1000/getTickFrequency());

時間有限，總結不到位，貼幾個參考博客，大家自行參閱： [鏈接2](https://blog.csdn.net/yang_xian521/article/details/7161335) [鏈接3](https://blog.csdn.net/xiaowei_cqu/article/details/19839019) [鏈接4](https://www.cnblogs.com/skyfsm/p/7082914.html) [鏈接5](https://blog.csdn.net/lyq_12/article/details/84316288)

	Debug	Release
加強版	5.74ms	2.43ms