OPenCV3.2中Mat对象常用函数属性总结

OpenCV 的Mat 数据格式及其遍历的程序资料说明
在opencv 早期的版本中，图像通过一个叫做IplImage 的结构（structure）存储在内存中。

由于C 语言对程序员高度的信任，因此它需要手动地对内存
进行管理，比如内存的分配和回收，这在大型程序设计中是比较麻烦的。

幸
运地是，C++可以很好地帮助程序员管理内存，因此opencv2.0 后就引入了
C++接口。

但是C++也有缺点，比如说目前大部分的嵌入式系统只支持C 语言，在这些平台上开发opencv 程序的话用C++就不是很好。

cv::Mat 是一个C++类，包含两部分：1）Matrix header，包括矩阵的size、存储方式、矩阵的存储地址等信息；2）指向Marix 的指针ji。

由于图
像处理算法通常都是计算密集型算法，出于程序速度上的考虑，opencv 的设
计应尽可能地避免拷贝大图像，为了解决这个问题，opencv 使用了引用计数
机制（reference counter system）【python 也使用了这个机制，参考之前的博客】。

简单来说，灭个Mat 对象都有自己的header，在进行copy 运算时，只
有headers 和指向矩阵的指针会被拷贝，而矩阵本身不会被拷贝，举个栗子：
上面的三个Mat 对象srcImg,dstImg,C 最终都只想同一个数据矩阵，虽然
它们的headers 是不同的。

对它们其中的任意一个进行修改都会影响另外两个对象。

上面程序的运行结果如图：
当然，如果想拷贝矩阵本身也是有办法的，opencv 提供了两个方法：。

OpenCV2：总结篇cv：：Mat类⼀.简介在OpenCV中,可以⽤C++语法的Mat类来表⽰⼀张图像也可以⽤C语法的lpllmage或CvMat结构体来表⽰⼀张图像1.单通道像素值2.多通道像素值OpenCV默认颜⾊顺序为BGR⼆.成员公有函数cv::Mat类能够⾃动管理内存,由矩阵头和指向存储所有像素值的矩阵的指针构成cv::Mat类表⽰⼀个n维的密集数值单通道或多通道数组,它可⽤于存储实数或复数值的向量和矩阵灰度和彩⾊图像体素向量场点云张量直⽅图等1.常⽤的成员函数Mat::Mat()Mat::~Mat()Mat::row // 创建⼀个具有指定了矩阵头中⾏数的参数的矩阵Mat::col // 创建⼀个具有指定了矩阵头中列数的参数的矩阵Mat::rowRange // 为指定的⾏span创建⼀个新的矩阵头,可取指定⾏区间元素Mat::colRange // 为指定的列span创建⼀个⼼得矩阵头,可取指定列区间元素Mat::clone // 创建⼀个数据及其基础数据的完整副本Mat::copyTo //Mat::convertToMat::zerosMat::onesMat::channelsMat::emptyMat::atMat::isContinuous() //判断图像存储是否连续2.不常⽤的成员函数Mat::addref()Mat::adjustROI()Mat::assignTo()Mat::at()Mat::begin()Mat::channels() Mat::checkVertor() Mat::clone() Mat::col() Mat::colRange() Mat::convertTo() Mat::copySize() Mat::copyTo() Mat::create() Mat::cross() Mat::deallocate() Mat::depth() Mat::diag() Mat::dot() Mat::elemSize() Mat::elemSize1() Mat::empty() Mat::end() Mat::eye() Mat::inv() Mat::isContinuous() Mat::isSubmatrix() Mat::locateROI() Mat::mul() Mat::ones() Mat::pop_back() Mat::ptr() Mat::push_back() Mat::push_back_() Mat::release() Mat::reserve() Mat::reshape() Mat::resize() Mat::row() Mat::rowRange() Mat::setTo() Mat::step1() Mat::t()Mat::total()Mat::type()Mat::zeros()3.成员数据class CV_EXPORTS Mat{public:// 标志位int flags;// 矩阵的维数,应该⼤于等于2int dims;// 矩阵的⾏数和列数,如果维度⼤于2,则都为-1int rows,cols;// 指向数据的指针uchar* data;// 指向引⽤计数的指针int* refcount;uchar* datastart;uchar* dataend;uchar* datalimit;MatAllocator* allocator;MSize size;MStep step;};4.构造函数Mat() // 默认构造函数Mat(int row,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(int ndims,const int* sizes,int type,const Scalar& s)Mat(const Mat& m) // 拷贝构造函数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_SETP)Mat(int ndims,const 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 CvMat* m,bool copyData=false);Mat(const CvMatND* m,bool copyData=false);Mat(const IplImage* img,bool copyData=false);template<typename _Tp>explicit Mat(const vector<_Tp>& vec,bool copyData=false);template<typename _Tp,int n>explicit Mat(const Vec<_Tp,n>& vec,bool copyData=true);template<typename _tp,>三.cv::Mat 类型转换1.cv::Mat 类转换为 IplImage 类型和 CvMat 类型cv::Mat img;CvMat cvMatImg = img;IplImage iplImage = img;2.IpIImage 类型和 CvMat 类型转换为 cv::Mat 类型IplImage* iplImg = cvLoadImage("a.jpg");cv::Mat img(iplImg, true);。

CV：：Mat介绍cv::Mat是OpenCV2和OpenCV3中基本的数据类型，在cv::Mat类中，关于cv::Mat的定义和初始化有多种不同的形式，这⾥，将对其进⾏详尽的总结和介绍。

⼀、⽆数据拷贝的cv::Mat的定义和初始化1、默认形式cv::Mat m；2、指定类型和⼤⼩(⾏列)的⼆维数组cv::Mat m(int rows, int cols, int type);3、有初始化值的指定类型和⼤⼩(⾏列)的⼆维数组cv::Mat m(int rows, int cols, int type, const Scalar& s);4、使⽤预先存在数据定义的指定类型和⼤⼩(⾏列)的⼆维数组cv::Mat m(int rows, int cols, int type, void* data, size_t step = AUTO_STEP);5、指定⼤⼩（size）和类型的⼆维数组cv::Mat m(cv::Size sz, int type, const Scalar& s);6、使⽤预先存在的数据定义的指定⼤⼩（size）和类型的⼆维数组cv::Mat m(cv::Size sz, int type, void* data, size_t step = AUTO_STEP);7、指定类型的多维数组cv::Mat m(int ndims, const int* sizes, int type);8、有初始化值的指定类型多维数组cv::Mat m(int ndims, const int* sizes, int type, const Scalar& s);9、使⽤预先存在的数据定义的指定类型的多维数组cv::Mat m(int ndims, const int* sizes, int type, void* data, size_t step = AUTO_STEP);⼆、从其他cv::Mat进⾏数据拷贝的定义和初始化1、拷贝构造形式cv::Mat m(const cv::Mat& mat);2、指定⾏列范围的拷贝构造cv::Mat m(const cv::Mat& mat, const cv::Range& rows, const cv::Range& cols);3、指定ROI的拷贝构造cv::Mat m(const cv::Mat& mat, const cv::Rect& roi);4、使⽤多维数组中指定范围内的数据的拷贝构造cv::Mat(const cv::Mat& mat, const cv::Range* ranges);三、使⽤OpenCV中的模板进⾏定义和初始化1、使⽤cv::Vec定义相同类型、⼤⼩为n的⼀维数组cv::Mat m(const cv::Vec<T, n>& vec, bool = copyData = true);2、使⽤cv::Matx定义相同类型、⼤⼩为mxn的⼆维数组cv::Mat(const cv::Matx<T, m, n>& vec, bool copyData = true);3、使⽤STL vector定义相同类型的⼀维数组cv::Mat(const std::vector<T>& vec, bool copyData = true);四、直接使⽤静态函数创建cv::Mat1、使⽤zeros()函数定义指定⼤⼩和类型的cv::Mat（全为0）cv::Mat m = cv::Mat::zeros(int rows, int cols, int type);2、使⽤ones()函数定义指定⼤⼩和类型的cv::Mat（全为0）cv::Mat m = cv::Mat::ones(int rows, int cols, int type);3、使⽤eye()函数定义指定⼤⼩和类型的cv::Mat（恒等矩阵）cv::Mat m = cv::Mat::eye(int rows, int cols, int type);五. IplImage与CV::Mat之间的转换A. 将IplImage-----> Mat类型Mat::Mat(const IplImage* img, bool copyData=false);默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建⼀个Mat矩阵头。

OPENCV对于Mat的理解和操作1，Mat 是⽤来存储图⽚的数据他会把图⽚变成矩阵Mat src;int main(int argc, char** argv){src = imread("F:\\视觉\\opencv\\pic\\MatTest.png");//读图⽚cout << "灰度化后" << endl;cout << src << endl;}矩阵的格式如下图⽚时这样的：⽤dos显⽰是这样的灰度化之后是这样的怎么样是不是看上去有点熟悉没错，灰度化后直接把每个位置的像素的值，组成⼀个矩阵，⽽没有灰度化时是如图⼀所⽰。

2,Mat获取某⼀点坐标的值cout << (int)src.ptr<uchar>(1)[1] << endl;锐化的案例：int cols = (src.cols-1)*src.channels();int rows = src.rows;int channels = src.channels();int offsetx = src.channels();Mat dst1 = Mat::zeros(src.size(), src.type());for (int row = 1; row < (rows - 1); row++){const uchar* previous = src.ptr<uchar>(row - 1);const uchar* current = src.ptr<uchar>(row);const uchar* next = src.ptr<uchar>(row + 1);uchar* output = dst1.ptr<uchar>(row);for (int col = offsetx; col < cols; col++) {output[col] = saturate_cast<uchar>(5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col])); }}imshow("锐化转化后", dst1);src.ptr<uchar>(row);是获取第⼏⾏的指针src.ptr<uchar>(1)[1];默认是char类型，所以要转成int类型输出才能看得到，不然会输出Hex码表对于的字符信息。

mat(mat m, rect roi)用法您提到的`mat(mat m, rect roi)` 看起来像是OpenCV 中`cv::Mat` 类的构造函数的一部分，但它实际上并不完全正确。

在 OpenCV 中，`cv::Mat` 是所有矩阵/图像数据的基类。

这个类有许多构造函数，其中一些允许您创建一个新的 `cv::Mat` 对象，该对象是另一个 `cv::Mat` 对象的子集（或称为“ROI”或“Region of Interest”）。

以下是几个相关构造函数：1. `cv::Mat::Mat(const Mat& m, const Rect& roi)`* 这个构造函数从给定的 `cv::Mat` 对象 `m` 中创建一个子矩阵，该子矩阵由 `roi`（矩形区域）定义。

* 参数 `m` 是原始矩阵，而 `roi` 是一个 `cv::Rect` 对象，它定义了子矩阵的边界矩形。

2. `cv::Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)`* 这个构造函数从给定的 `cv::Mat` 对象 `m` 中创建一个子矩阵，该子矩阵由行范围和列范围定义。

* 参数 `m` 是原始矩阵，而 `rowRange` 和 `colRange` 是`cv::Range` 对象，分别定义了子矩阵的行范围和列范围。

例如：```cppcv::Mat image = cv::imread("path_to_image.jpg");cv::Rect roi(100, 100, 200, 200); // x, y, width, height cv::Mat subimage = image(roi); // 从image中提取一个矩形区域```在上面的例子中，我们从图像中提取了一个从 (100, 100) 开始，宽度和高度都为 200 的矩形区域。

opencv mat类运算OpenCVMat类是OpenCV中最基本的数据类型之一。

它代表一个多维数组，可以用于存储图像、矩阵、点云等数据。

在实际应用中，我们经常需要对Mat对象进行各种运算，本文将介绍一些常用的Mat 类运算。

1. Mat对象的创建和初始化在使用Mat对象之前，我们需要创建它并对其进行初始化。

创建Mat对象的方法如下：Mat image;//创建一个空的Mat对象Mat image(rows,cols,type);//创建指定大小和类型的Mat对象其中，rows表示矩阵的行数，cols表示矩阵的列数，type表示矩阵的数据类型，常用的类型有CV_8UC1（8位无符号单通道）、CV_8UC3（8位无符号三通道）、CV_32FC1（32位浮点单通道）等。

Mat对象的初始化可以通过赋值、拷贝、从文件读取等方式进行。

2. Mat对象的运算Mat对象支持各种数学运算，包括加、减、乘、除、逻辑运算等。

下面以加法运算为例，介绍Mat对象的运算。

Mat a(rows,cols,CV_8UC1,Scalar(1));//创建一个大小为rows*cols，类型为CV_8UC1，值为1的Mat对象Mat b(rows,cols,CV_8UC1,Scalar(2));//创建一个大小为rows*cols，类型为CV_8UC1，值为2的Mat对象Mat result = a + b;//将a和b相加，结果保存在result中在进行运算时，需要注意Mat对象的大小和数据类型必须相同，否则会导致运算失败。

此外，Mat对象的运算速度较慢，应尽量避免在循环中使用。

3. Mat对象的转换Mat对象可以进行类型转换和通道分离，以便在不同的应用场景中使用。

下面以类型转换为例，介绍Mat对象的转换。

Mat a(rows,cols,CV_8UC1,Scalar(1));//创建一个大小为rows*cols，类型为CV_8UC1，值为1的Mat对象Mat b;//创建一个空的Mat对象a.convertTo(b, CV_32FC1);//将a转换为CV_32FC1类型，结果保存在b中在进行类型转换时，需要注意目标类型应该能够容纳源类型的值，否则会丢失精度。

mat常用函数MATLAB是一种流行的数学软件，广泛应用于科学、工程、金融等领域。

它提供了许多常用的函数，用于数据处理、图像处理、信号处理等各种应用。

本文将介绍一些MATLAB常用的函数及其应用。

1. linspace函数linspace函数用于生成指定区间内的等间隔向量。

它的用法为：```x = linspace(start, end, n)```其中，start和end分别表示区间的起始值和终止值，n表示向量的长度。

linspace函数可以用于生成等间隔的时间序列，或者在一定范围内均匀采样。

2. numel函数numel函数用于计算数组的元素个数。

它的用法为：```n = numel(array)```其中，array表示输入的数组。

numel函数对于多维数组也适用，可以用于计算矩阵的总元素个数。

3. max函数和min函数max函数和min函数分别用于计算数组或矩阵的最大值和最小值。

它们的用法为：```m = max(array)n = min(array)```其中，array表示输入的数组或矩阵。

max函数和min函数可以用于查找数据集中的最大值和最小值，帮助我们分析数据的特征。

4. mean函数和median函数mean函数用于计算数组或矩阵的平均值，而median函数用于计算数组或矩阵的中位数。

它们的用法为：```m = mean(array)n = median(array)```其中，array表示输入的数组或矩阵。

mean函数和median函数可以用于描述数据的集中趋势，帮助我们了解数据的分布情况。

5. sort函数sort函数用于对数组或矩阵进行排序。

它的用法为：```sorted_array = sort(array)```其中，array表示输入的数组或矩阵。

sort函数可以按照升序将数据进行排序，帮助我们对数据进行整理和分析。

6. find函数find函数用于查找数组或矩阵中满足条件的元素的索引。

OpenCV中Mat总结⼀、数字图像存储概述数字图像存储时，我们存储的是图像每个像素点的数值，对应的是⼀个数字矩阵。

⼆、Mat的存储1、OpenCV1基于C接⼝定义的图像存储格式IplImage*，直接暴露内存，如果忘记释放内存，就会造成内存泄漏。

2、从OpenCV2开始，开始使⽤Mat类存储图像，具有以下优势：（1）图像的内存分配和释放由Mat类⾃动管理（2）Mat类由两部分数据组成：矩阵头(包含矩阵尺⼨、存储⽅法、存储地址等)和⼀个指向存储所有像素值的矩阵(根据所选存储⽅法的不同，矩阵可以是不同的维数)的指针。

Mat在进⾏赋值和拷贝时，只复制矩阵头，⽽不复制矩阵，提⾼效率。

如果矩阵属于多个Mat对象，则通过引⽤计数来判断，当最后⼀个使⽤它的对象，则负责释放矩阵。

（3）可以使⽤clone和copyTo函数，不仅复制矩阵头还复制矩阵。

三、Mat创建1、使⽤Mat构造函数Mat test(2,2,CV_8UC3,Scalar(0,0,255));2、使⽤Mat构造函数2int sizes[3] = {2,2,2};Mat test(3,sizes,CV_8UC3,Scalar::all(0));3、为已存在的IplImage指针创建信息头IplImage* img = cvLoadImage("1.jpg",1);Mat test(img);4、利⽤create函数Mat test;test.create(4,4,CV_8UC2);5、采⽤Matlab形式的初始化⽅式（1）Mat me = Mat::eye(4,4,CV_64F);（2）Mat mo = Mat::ones(2,2,CV_32F);（3）Mat mz = Mat::zeros(3,3,CV_8UC1);注：元素类型，即CV_[位数][带符号与否][类型前缀]C[通道数]四、Mat中相关成员的意义1、dataMat对象中的⼀个指针，指向存放矩阵数据的内存(uchar* data)2、dims矩阵的维度，3*4的矩阵维度为2维，3*4*5的矩阵维度为3维3、channels矩阵通道，矩阵中的每⼀个矩阵元素拥有的值的个数，⽐如说 3 * 4 矩阵中⼀共 12 个元素，如果每个元素有三个值，那么就说这个矩阵是 3通道的，即 channels = 3。

在 OpenCV 中，cv::Mat类型是表示矩阵（图像）的核心数据结构。

它支持各种矩阵运算和操作，可以进行像素级别的图像处理和计算。

以下是一些常见的cv::Mat运算符和操作的详解：
创建cv::Mat对象：
1.创建空白矩阵：
2.通过数据创建矩阵：
3.复制矩阵：
基本运算：
1.矩阵加法：
2.矩阵减法：
3.矩阵乘法：
4.标量乘法：
逐元素运算：
1.逐元素加法：
2.逐元素减法：
3.逐元素乘法：
4.逐元素除法：
转置和翻转：
1.矩阵转置：
2.水平翻转：
3.垂直翻转：
其他操作：
1.矩阵元素访问：
2.改变矩阵大小：
3.提取子矩阵：
4.通道拆分与合并：
这些是一些常见的cv::Mat运算符和操作的示例。

OpenCV 提供了丰富的功能，允许进行更复杂的图像处理和计算。

具体的操作和运算可以根据具体需求进行查阅OpenCV 文档。

opencv mat 尺寸让我们了解一下Mat类的尺寸属性是如何表示的。

在OpenCV中，Mat类的尺寸由两个整数值表示，分别是行数和列数。

行数通常表示图像的高度，列数表示图像的宽度。

例如，一个尺寸为640x480的图像意味着图像的高度为640个像素，宽度为480个像素。

在实际的图像处理和计算机视觉任务中，我们经常需要获取和修改图像的尺寸。

为了获取图像的尺寸，我们可以使用Mat类的成员函数rows()和cols()来获取图像的行数和列数。

例如，对于一个名为image的Mat对象，我们可以使用image.rows()和image.cols()来分别获取图像的行数和列数。

同样，我们也可以使用这两个成员函数来修改图像的尺寸。

通过将期望的行数和列数作为参数传递给Mat类的成员函数resize()，我们可以实现对图像尺寸的调整。

在图像处理和计算机视觉任务中，对图像尺寸的调整是非常常见的操作。

例如，当我们需要将一组图像进行拼接时，我们通常需要将它们的尺寸调整为相同的大小。

我们可以使用OpenCV中的resize()函数来实现这一目标。

通过将目标图像的尺寸作为参数传递给resize()函数，我们可以将所有图像调整为相同的尺寸。

这样做有助于使图像在进行拼接或其他处理操作时保持一致。

除了调整图像的尺寸外，Mat类的尺寸属性还可以用于图像的裁剪和缩放。

对于图像的裁剪，我们可以通过修改图像的尺寸来实现。

通过将期望的裁剪尺寸作为参数传递给Mat类的resize()函数，我们可以实现对图像的裁剪。

对于图像的缩放，我们可以通过调整图像的尺寸来实现。

通过将期望的缩放尺寸作为参数传递给resize()函数，我们可以实现对图像的缩放。

除了上述应用之外，图像的尺寸属性还可以用于计算图像的面积和长宽比。

通过将图像的行数和列数相乘，我们可以得到图像的总像素数，从而计算出图像的面积。

而通过将图像的行数除以列数，我们可以得到图像的长宽比。