Mat中的常用操作

本章我們學習一下mat中的常用操作，因為在後面其它的教程中，我們經常要對影象進行各種處理，也要使用這些操作。

一、 mat的複製，

就是從乙個矩陣a，生成相關的另乙個矩陣b。

(1)使用賦值的方法，比如通過建構函式生成矩陣n，通過複製生成矩陣p

cv::mat n(m);

cv::mat p;

p=m;

這樣生成的矩陣，只是新生成乙個矩陣頭，它的data依然指向矩陣m的data，類似c++中的淺拷貝，比如矩陣m，n，p它們的data都指向位址0x00badd50

(2) 使用copyto和clone函式

cv::mat f = m.clone();

cv::mat g;

f.copyto(g);

這樣可以生成乙個全新的矩陣，不但複製矩陣的頭資訊，而且會生成乙個data的拷貝。比如矩陣f和m，它們的data指標位址和f是不同的。

注意：copyto函式，它還可以帶有掩碼矩陣copyto(g, maskimage), maskimage是乙個單通道的矩陣，值為0的位置，在拷貝時候並不會拷貝。

二、mat中常用的幾個函式

1. convertto

(outputarraym, intrtype, doublealpha=1, doublebeta=0 )

生成乙個新矩陣，矩陣的中值為原矩陣中的值乘以alpha，然後再加上beta

imagemask.convertto(mark1,cv_8u);

2. mat::reshape(int cn)，改變矩陣的維數，比如把二維矩陣改變成一維矩陣。這個操作只是改變矩陣的頭資訊，比如在沒有padding資料情況下，便於資料處理，有時候我們會把2維矩陣變成一維矩陣。

imagemask.reshape(1)；

3. iscontinous，檢測矩陣是否有padding資料。

double sum=0;
int cols = m.cols, rows = m.rows;
if(m.iscontinuous())
for(int i = 0; i < rows; i++)

4. 用下面的**，可以取出矩陣的某個roi區域，以便進行處理。

cv::rect rect(100, 100, 100, 100);

srcimage(rect).copyto(roiimage);

5.下面的**，實現乙個矩陣的子矩陣賦值，矩陣roi的data指標會指向result1的data的50行，70列處。

cv::mat result1= cv::mat(image1.rows, image1.cols,cv_8uc1, cv::scalar(cv::gc_bgd));

//注意給子矩陣賦值的方法

cv::mat roi(result1, cv::rect(50,70,result1.cols-150,result.rows-180));

roi = cv::scalar(cv::gc_pr_fgd);

三、簡單的三維矩陣示例

//建立乙個3維矩陣，每維都是長度為2

int sz[3] = ;

cv::mat l(3,sz, cv_8uc(1), cv::scalar::all(1));

//列印多維陣列

for(i=0; i< 3; i++) }

} 四、稀疏矩陣

有時候，我們需要使用多維矩陣儲存一些值，比如三維bgr影象的直方圖，由於每維的索引數都是256，所以矩陣元素數量達到256*256*256，如果用普通矩陣儲存，需要分配很大的空間，這時候，最好使用稀疏矩陣sparsemat，因為在稀疏矩陣中只儲存非零的值。

下面是使用稀疏矩陣的簡單例子：

//稀疏矩陣的操作

//建立乙個三維的稀疏矩陣

const int dims = 3;

int size = ;

sparsemat sparse_mat(dims, size, cv_32f);

//20個非0的值，注意：稀疏矩陣儲存非零的值

for(int i = 0; i < 20; i++)

//顯示稀疏矩陣的結果

sparsematconstiterator_it1 = sparse_mat.begin(), it_end = sparse_mat.end();

double s = 0;

int dims1 = sparse_mat.dims();

for(; it1 != it_end; ++it1)

printf("元素的個數 %g\n", s);

程式執行的結果：

Mat中的常用操作

opencv中的Mat結構操作

Mat操作中的幾種拷貝方式

python 矩陣（mat）操作

Mat中的常用操作

opencv中的Mat結構操作

Mat操作中的幾種拷貝方式

python 矩陣（mat）操作

相關推薦