IplImage, CvMat, Mat 的關係和相互轉換

opencv中常見的與圖像操作有關的數據容器有Mat，cvMat和IplImage，這三種類型都可以代表和顯示圖像，但是，Mat類型側重於計算，數學性較高，openCV對Mat類型的計算也進行了優化。而CvMat和IplImage類型更側重於“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）進行了優化。在opencv2.0之前，opencv是完全用C實現的，但是，IplImage類型與CvMat類型的關係類似於面向對象中的繼承關係。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，該結構體定義：

IplImage, <wbr>CvMat, <wbr>Mat <wbr>的關係和相互轉換（轉）

View Code

typedef struct _IplImage 
{ 
 int nSize; 
 int ID; 
 int nChannels; 
 int alphaChannel; 
 int depth; 
 
 char colorModel[4]; 
 char channelSeq[4]; 
 int dataOrder; 
 int origin; 
 int align; 
 
 int width; 
 int height; 
 
 struct _IplROI *roi; 
 struct _IplImage *maskROI; 
 void *imageId; 
 struct _IplTileInfo *tileInfo; 
 
 int imageSize; 
 char *imageData; 
 int widthStep; 
 int BorderMode[4]; 
 int BorderConst[4]; 
 
 char *imageDataOrigin;  
} IplImage;

dataOrder中的兩個取值：交叉存取顏色通道是顏色數據排列將會是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結構體，該結構體包含了xOffset,yOffset,height,width,coi成員變量，其中xOffset,yOffset是x,y座標，coi代表channel of interest(感興趣的通道)，非0的時候纔有效。訪問圖像中的數據元素，分間接存儲和直接存儲，當圖像元素爲浮點型時，(uchar *) 改爲 (float *)：

View Code


 IplImage* img=cvLoadImage("lena.jpg", 1);
CvScalar s; 
s=cvGet2D(img,i,j); 
cvSet2D(img,i,j,s); 
 
 
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);
}
}
 
 
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 *，是一個指向結構體IplImage的指針：

View Code

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)結構。任何時候需要向量，都只需要一個列矩陣(如果需要一個轉置或者共軛向量，則需要一個行矩陣)。第二，OpenCV矩陣的概念與我們在線性代數課上學習的概念相比，更抽象，尤其是矩陣的元素，並非只能取簡單的數值類型，可以是多通道的值。CvMat 的結構：

View Code

typedef struct CvMat 
{ 
 int type; 
 int step; 
 int* refcount; 
union {
uchar* ptr;
 short* s;
 int* i;
 float* fl;
 double* db;
} data; 
union {
 int rows;
 int height;
};
union {
 int cols; 
 int width;
};
} CvMat;

創建CvMat數據：

View Code

CvMat * cvCreateMat(int rows, int cols, int type); 
CV_INLine CvMat cvMat((int rows, int cols, int type, void* data CV_DEFAULT); 
CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP));

對矩陣數據進行訪問：

View Code


 
cvmSet( CvMat* mat, int row, int col, double value);
cvmGet( const CvMat* mat, int row, int col );
 
 
CvScalar cvGet2D(const CvArr * arr, int idx0, int idx1); //CvArr只作爲函數的形參void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);

 
 
CvMat * cvmat = cvCreateMat(4, 4, CV_32FC1);
cvmat->data.fl[row * cvmat->cols + col] = (float)3.0;
 
 
CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1);
cvmat->data.db[row * cvmat->cols + col] = 3.0;

 
CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1);
CV_MAT_ELEM(*cvmat, double, row, col) = 3.0;

 
 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爲通道值
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爲通道值

 
 
 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; 
}
}
 
CvMat * vector = cvCreateMat(1,3, CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0, 0) = cvPoint(100,100);
 
CvMat * vector = cvCreateMat(1,3, CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0, 0) = CvScalar(0, 0, 0, 0);

複製矩陣操作：

View Code


 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據結構，現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存管理，不再需要程序員手動管理內存的釋放。opencv2.3中提到Mat是一個多維的密集數據數組，可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數據。

View Code

class CV_EXPORTS Mat
{
 
 public：
 
 
 
 
 int flags;（Note ：目前還不知道flags做什麼用的）
 int dims; 
 int rows,cols; 
uchar *data; 
 int * refcount;  
...
 
};

從以上結構體可以看出Mat也是一個矩陣頭，默認不分配內存，只是指向一塊內存(注意讀寫保護)。初始化使用create函數或者Mat構造函數，以下整理自opencv2.3.1 Manual:

View Code

Mat(nrows, ncols, type, fillValue]); 
M.create(nrows, ncols, type);

 例子：
Mat M(7,7,CV_32FC2,Scalar(1,3)); 
M.create(100, 60, CV_8UC(15));

 
 int sz[] = {100, 100, 100}; 
Mat bigCube(3, sz, CV_8U, Scalar:all(0));

 
 double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};
Mat M = Mat(3, 3, CV_64F, m).inv();

 
Mat img(Size(320,240),CV_8UC3); 
Mat img(height, width, CV_8UC3, pixels, step);

 
IplImage* img = cvLoadImage("greatwave.jpg", 1);
Mat mtx(img,0); // convert IplImage* -> Mat;

訪問Mat的數據元素：

View Code


 Mat M;
M.row(3) = M.row(3) + M.row(5) * 3; 
 
 
Mat M1 = M.col(1);
M.col(7).copyTo(M1); 
 
 
Mat M;
M.at<double>(i,j); 
M.at(uchar)(i,j); 
Vec3i bgr1 = M.at(Vec3b)(i,j) 
Vec3s bgr2 = M.at(Vec3s)(i,j) 
Vec3w bgr3 = M.at(Vec3w)(i,j) 
 
 
 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.);
}
 
 
 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風格的矩陣操作，如初始化的時候可以用initializers,zeros(), ones(), eye(). 除以上內容之外，Mat還有有3個重要的方法：

View Code

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

4. CvMat, Mat, IplImage之間的互相轉換

View Code

IpIImage -> CvMat
 
CvMat matheader;
CvMat * mat = cvGetMat(img, &matheader);
 
CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3);
cvConvert(img, mat)

 
IplImage -> Mat
Mat::Mat(const IplImage* img, bool copyData=false);
例子：
IplImage* iplImg = cvLoadImage("greatwave.jpg", 1);
Mat mtx(iplImg);

 Mat -> IplImage
Mat M
IplImage iplimage = M;

 CvMat -> Mat
Mat::Mat(const CvMat* m, bool copyData=false);

 Mat -> CvMat
例子(假設Mat類型的imgMat圖像數據存在)：
CvMat cvMat = imgMat;/*Mat -> CvMat, 類似轉換到IplImage，不復制數據只創建矩陣頭

-------------------------------------------------------------------

一、Mat類型：矩陣類型，Matrix。

在openCV中，Mat是一個多維的密集數據數組。可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數據。

Mat有3個重要的方法：

1、Mat mat = imread(const String* filename); 讀取圖像

2、imshow(const string frameName, InputArray mat); 顯示圖像

3、imwrite (const string& filename, InputArray img); 儲存圖像

Mat類型較CvMat與IplImage類型來說，有更強的矩陣運算能力，支持常見的矩陣運算。在計算密集型的應用當中，將CvMat與IplImage類型轉化爲Mat類型將大大減少計算時間花費。

A.Mat -> IplImage

同樣只是創建圖像頭，而沒有複製數據。

例： // 假設Mat類型的imgMat圖像數據存在

IplImage pImg= IplImage(imgMat);

B.Mat -> CvMat

與IplImage的轉換類似，不復制數據，只創建矩陣頭。

例： // 假設Mat類型的imgMat圖像數據存在

CvMat cvMat = imgMat;

二、CvMat類型與IplImage類型：“圖像”類型

在openCV中，Mat類型與CvMat和IplImage類型都可以代表和顯示圖像，但是，Mat類型側重於計算，數學性較高，openCV對Mat類型的計算也進行了優化。而CvMat和IplImage類型更側重於“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）進行了優化。

補充：IplImage由CvMat派生，而CvMat由CvArr派生即CvArr -> CvMat -> IplImage

CvArr用作函數的參數，無論傳入的是CvMat或IplImage，內部都是按CvMat處理。

1.CvMat

A.CvMat-> IplImage

IplImage* img = cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);

cvSaveImage("rice1.bmp",img);

B.CvMat->Mat

與IplImage的轉換類似，可以選擇是否複製數據。

Mat::Mat(const CvMat* m, bool copyData=false);

在openCV中，沒有向量（vector）的數據結構。任何時候，但我們要表示向量時，用矩陣數據表示即可。

但是，CvMat類型與我們在線性代數課程上學的向量概念相比，更抽象，比如CvMat的元素數據類型並不僅限於基礎數據類型，比如，下面創建一個二維數據矩陣：

CvMat* cvCreatMat(int rows ,int cols , int type);

這裏的type可以是任意的預定義數據類型，比如RGB或者別的多通道數據。這樣我們便可以在一個CvMat矩陣上表示豐富多彩的圖像了。

2.IplImage

在類型關係上，我們可以說IplImage類型繼承自CvMat類型，當然還包括其他的變量將之解析成圖像數據。

IplImage類型較之CvMat多了很多參數，比如depth和nChannels。在普通的矩陣類型當中，通常深度和通道數被同時表示，如用32位表示RGB+Alpha.但是，在圖像處理中，我們往往將深度與通道數分開處理，這樣做是OpenCV對圖像表示的一種優化方案。

IplImage的對圖像的另一種優化是變量origin----原點。在計算機視覺處理上，一個重要的不便是對原點的定義不清楚，圖像來源，編碼格式，甚至操作系統都會對原地的選取產生影響。爲了彌補這一點，openCV允許用戶定義自己的原點設置。取值0表示原點位於圖片左上角，1表示左下角。

dataOrder參數定義數據的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE兩種取值，前者便是對於像素，不同的通道的數據交叉排列，後者表示所有通道按順序平行排列。

IplImage類型的所有額外變量都是對“圖像”的表示與計算能力的優化。

A.IplImage -> Mat

IplImage* pImg = cvLoadImage("lena.jpg");
Mat img(pImg,0); // 0是不複製影像，也就是pImg與img的data共用同個記憶體位置，header各自有
B.IplImage -> CvMat

法1：CvMat mathdr, *mat = cvGetMat( img, &mathdr );

法2：CvMat *mat = cvCreateMat( img->height, img->width, CV_64FC3 );
cvConvert( img, mat );

C.IplImage*-> BYTE*

BYTE* data= img->imageData;

CvMat和IplImage創建時的一個小區別：

1、建立矩陣時，第一個參數爲行數，第二個參數爲列數。

CvMat* cvCreateMat( int rows, int cols, int type );

2、建立圖像時，CvSize第一個參數爲寬度，即列數；第二個參數爲高度，即行數。這個和CvMat矩陣正好相反。

IplImage* cvCreateImage(CvSize size, int depth, int channels );

CvSize cvSize( int width, int height );

IplImage內部buffer每行是按4字節對齊的，CvMat沒有這個限制

補充：

A.BYTE*-> IplImage*

img= cvCreateImageHeader(cvSize(width,height),depth,channels);

cvSetData(img,data,step);

//首先由cvCreateImageHeader()創建IplImage圖像頭，制定圖像的尺寸，深度和通道數；

//然後由cvSetData()根據BYTE*圖像數據指針設置IplImage圖像頭的數據數據，

//其中step指定該IplImage圖像每行佔的字節數，對於1通道的IPL_DEPTH_8U圖像，step可以等於width。

zebincai

發佈了9 篇原創文章 · 獲贊 8 · 訪問量 4萬+

私信關注

IplImage, CvMat, Mat 的關係和相互轉換

「Pygors跨平臺GUI」1：Pygors跨平臺GUI應用研究

[轉帖]

python列出centos7內存使用前50的進程信息

Garnet：微軟官方基於.NET開源的高性能分佈式緩存存儲數據庫

Flink執行圖

Java響應式編程

評估統計算法在銀行僞造鈔票檢測中的價值

C++定時器的使用

OpenCV - VC2010中使用OpenCV靜態庫和動態庫(區別)

幾種std::vector訪問方法的效率

OpenCV學習筆記 OpenCV_SVN靜態庫的編譯 .

opencv2.3.1中使用CvvImage

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結