Opencv Mat的三种常用类型简介

本系列文章由 @YhL_Leo 出品，转载请注明出处。

文章链接： http://blog.csdn.net/yhl_leo/article/details/47683127

---

本文主要介绍Opencv常用的三种Mat类型：Mat，Mat_，Matx。

1. Mat

1.1 创建与初始化

int rows = 3, cols = 1;
cv::Size size(cols, rows);
/* first method */
cv::Mat myMat( rows, cols, CV_8UC1, cv::Scalar(0) );
cv::Mat myMat = cv::Mat( rows, cols, CV_8UC1, cv::Scalar(0) );
cv::Mat myMat( size, CV_8UC1, cv::Scalar(0) );
cv::Mat myMat( cv::Size(cols, rows), CV_8UC1, cv::Scalar(0) );
/* second method */
cv::Mat myMat2;
myMat = cv::Mat( rows, cols, CV_8UC1 );
// initial with other mat or data
myMat.copyTo(myMat2);         // initial with mat
cv::Point3i pts( 1, 2, 3 );
myMat2 = cv::Mat(pts, true);  // initial with other data

注意：

1. 使用Mat::Mat(int rows, int cols, int type, const Scalar& s)和Mat::Mat(Size size, int type, const Scalar& s)函数进行Mat初始化的时候，一定要注意Size行列存放顺序是(col, row)或者是(width, height)；

2. Mat的type种类非常多，可以创建普通的CV_8UC1, ... , CV_64FC41-4通道的矩阵，也可以创建更高通道的矩阵CV_8UC(n), ... , CV_64FC(n)，其中最大可以达到CV_CN_MAX通道，Opencv 2.4.11版本中#define CV_CN_MAX 512；

3. 创建多通道Mat时，例如CV_8UC3，使用cv::Scalar(0, 0,0)或myMat.setTo(cv::Scalar(0))，其中后者通用于任意通道；

4. 使用其他Mat拷贝初始化的时候，void Mat::copyTo(OutputArray m) const函数会首先调用m.create(this->size(), this->type())所以会对输入的m进行重新创建（包括size和type），然后进行数据拷贝。m.copyTo(m)也是允许的，没有任何问题。

1.2 数据访问

这里只列举出常用三种方法：

1.指针数组的方式

cv::Mat image = cv::imread( "E:\\test.JPG", CV_LOAD_IMAGE_GRAYSCALE );
const int rows = image.rows;
const int cols = image.cols; 
uchar* data = (uchar*)image.data;
for ( int i=0; i<rows; i++ )
{
    for ( int j=0; j<cols; j++ )
    {
        int index = i*cols + j;
        data[index] = 0;
        /*
            if color one:
            data[index * 3 + 0] = 0；
            data[index * 3 + 1] = 0;
            data[index * 3 + 2] = 0;
        */
    }
}
/*
    // also can be used as follow:
    for ( int i=0; i<rows; i++ )
    {
        uchar* data = (uchar*)image.data + i*cols;
        for ( int j=0; j<cols; j++ )
        {
            *data++ = 0;
        }
    }
}
*/
// cv::imwrite( "E:\\test2.JPG", image );

2..ptr的方式

/* .ptr with [] */
for ( int i=0; i<rows; i++ )
{
    uchar *data = image.ptr<uchar>( i );
    for ( int j=0; j<cols; j++ )
    {
        data[j] = 0;
        /*
            if color one:
            data[j*3 + 0] = 0;
            data[j*3 + 1] = 0;
            data[j*3 + 2] = 0;
        */
    }
}
/* .ptr with pointer */
for ( int i=0; i<rows; i++ )
{
    uchar *data = image.ptr<uchar>( i );
    for ( int j=0; j<cols*image; j++ )
    {
        *data++ = 0;
    }
}

3..at的方式

for ( int i=0; i<rows; i++ )
{
    for ( int j=0; j<cols; j++ )
    {
         image.at<uchar>(i, j)= 0; // also can be: image.at<uchar>( cv::Point(j, i) ) = 0;
         /*
             if color one:
             image.at<uchar>( i, j*3 + 0 ) = 0;
             image.at<uchar>( i, j*3 + 1 ) = 0;
             image.at<uchar>( i, j*3 + 2 ) = 0;
         */
    }
}

三种方法速度上有一定差异，感兴趣的可以自己测试一下~

2. Mat_

Mat_继承于Mat，相比于Mat没有增加任何数据段，但增加了一些更加便捷的功能，表达上也更加精简。

2.1 创建与初始化

/* first method */
cv::Mat_<double> myMat_ = ( cv::Mat_<double>(3, 3) <<
    1.0, 2.0, 3.0,
    4.0, 5.0, 6.0,
    7.0, 8.0, 9.0);
cv::Mat_<double> myMat_ = cv::Mat_<double>::zeros(3, 3); // others: eyes, diag, ones
/* second method */
cv::Mat_<double> myMat_(3, 1, 0.0);
// -> cv::Mat image(3, 1, CV_64FC1, cv::Scalar(0.0));
// create a 100x100 color image and fill it with green(in RGB space)
cv::Mat_<cv::Vec3b> image( 100, 100, cv::Vec3b(0, 255, 0) );
/* third method */
cv::Mat myMat( 100, 100, CV_64F1, cv::Scalar(0) );
cv::Mat_<double>& myMat_ = (cv::Mat_<double>&)myMat; 

注意：

1. 使用( cv::Mat_<double>(row, col) << ...) )形式创建并初始化的时候，最外面的( )不能省略；

2. 使用第二种通过Mat指针或者引用的方式创建与初始化Mat_时，两者的数据类型一定要一致，不然程序虽然编译没问题，但运行就会BUG~

2.2 数据访问

/*
    Note that Mat::at<_Tp>(int y, int x) and
    Mat_<_Tp>::operator ()(int y, int x) do
    absolutely the same and run at the same speed
*/
int rows = myMat_.rows;
int cols = myMat_.cols;
/* first method */
for ( int i=0; i<rows; i++ )
{
    for ( int j=0; j<cols; j++ )
    {
        std::cout << myMat_(i, j) << std::endl;
    }
}
// for multi-channel images/matrices:
for ( int i = 0; i < rows; i++ )
{
    for( int j = 0; j < cols; j++ )
    {
        // scramble the 2nd (red) channel of each pixel
        image(i, j)[2] ^= (uchar)(i ^ j); // ^: exclusive or operation
    }
}
/* second method */
int matCount = rows * cols;
for ( int idx=0; idx < matCount; idx++ )
{
    std::cout << myMat_(idx) <<std::endl;
}

3. Matx

Matx主要用于大小、数据类型（浮点型）已知的小矩阵（最大不超过6x6），包括：Matx12f, ... , Matx66f和Matx12d, ... , Matx66d。

创建与初始化都很简单，不做过多介绍：

cv::Matx31d myMatx( 1.0, 2.0, 3.0 );
cv::Matx33d myMatx2 = cv::Matx33d( 0.0, 0.0, 0.0 );

最后，关于Mat的运算（加，减，乘，求逆，转置，均值，标准差…）三种类型基本差异不大，在文档中也容易找到~

参考文档：http://www.docs.opencv.org/modules/core/doc/basic_structures.html?highlight=mat