openv中Mat用法.docx

5px;margin-bottom:

5px;">cout<<"Z="<

复制代码

•对于小的矩阵来说你可以使用逗号隔开的初始化函数：

MatC=（Mat_（3,3）<<0,-1,0,-1,5,-1,0,-1,0）;

cout<<"C="<

•为一个已有的Mat对象创建一个新的头然后clone（）或者copyTo（）这个头.

MatRowClone=C.row

（1）.clone（）;

cout<<"RowClone="<

打印格式

注意：

你可以通过用randu（）函数产生的随机值来填充矩阵。

你需要给定一个上限和下限来确保随机值在你期望的范围内：

MatR=Mat（3,2,CV_8UC3）;

randu（R,Scalar:

:

all（0）,Scalar:

:

all（255））;

在上一个例子中你可以看到默认的格式选项。

尽管如此，OpenCV允许你在符合以下规则的同时格式化你的输出：

•默认

cout<<"R（default）="<

•Python

cout<<"R（python）="<

•Commaseparatedvalues（CSV）

cout<<"R（csv）="<

•Numpy

cout<<"R（numpy）="<

•C

cout<<"R（c）="<

打印出其它常见数据项

OpenCV通过<<操作符也为其他常用OpenCV数据结构提供打印输出的支持，如：

•2D点

Point2fP（5,1）;

cout<<"Point（2D）="<

•3D点

Point3fP3f（2,6,7）;

cout<<"Point（3D）="<

•std:

:

vector通过cv:

:

Mat

vectorv;

v.push_back（（float）CV_PI）;v.push_back

（2）;v.push_back（3.01f）;

cout<<"VectoroffloatsviaMat="<

•点的std:

:

vector

vectorvPoints（20）;

for（size_tE=0;E

vPoints[E]=Point2f（（float）（E*5）,（float）（E%7））;

cout<<"Avectorof2DPoints="<

这里大多数的例程都是在一个小控制台程序里运行。

你可以在这里下载或是在cpp示例文件夹下找到。

你可以在YouTube.上找到一个快速的实例演示

Mat:

:

~Mat

Mat的析构函数。

C++:

Mat:

:

~Mat（）

析构函数调用Mat:

:

release（）。

Mat:

:

operator=

提供矩阵赋值操作。

C++:

Mat&Mat:

:

operator=（constMat&m）

C++:

Mat&Mat:

:

operator=（constMatExpr_Base&expr）

C++:

Mat&Mat:

:

operator=（constScalar&s）

参数：

m –被赋值的右侧的矩阵。

矩阵的赋值是一个复杂度为O

（1）的操作。

这就意味着没有数据段复制并且有数量的递增两矩阵将使用同一引用计数器。

在给矩阵赋新数据之前先由Mat:

:

release（）释放引用。

expr –被赋值的矩阵表达式对象。

作为第一种赋值方式的逆操作第二种形式可以被重新用到具有适当大小和尺寸的已分配空间的矩阵上以适应表达式的结果。

矩阵表达式扩展得到的实函数将自动处理这个分配过程。

例如：

C=A+B扩展成add（A,B,C）,andadd（）要当心C重新分配数据的操作。

.

s –标量赋值给每一个矩阵元，矩阵的大小和类型将不会改变。

有现成的赋值运算符。

由于他们各不相同请阅读运算符参数说明。

Mat:

:

operatorMatExpr

提供一种Mat-to-MatExpr转换运算符

C++:

Mat:

:

operatorMatExpr_（）const

转换运算符不能显示调用而是由矩阵表达式引擎（MatrixExpressionengine）内部调用Thecastoperatorshouldnotbecalledexplicitly.ItisusedinternallybytheMatrixExpressionsengine.

Mat:

:

row

创建一个指定行数的矩阵头。

.

C++:

MatMat:

:

row（inti）const

参数：

i– 一个0基的行索引.

该方法创建一个具有指定了行数的新矩阵头的矩阵并返回它。

这是一个复杂度为O

（1）的操作，无须考虑矩阵的尺寸。

新矩阵和原矩阵共享一份基础数据。

这是一个典型基本矩阵处理操作的例子,axpy是LU和许多其它算法都使用的一个函数

inlinevoidmatrix_axpy（Mat&A,inti,intj,doublealpha）

{

A.row（i）+=A.row（j）*alpha;

}

Note：

在当前实现中，下面的代码不会无法按预期的效果工作：

MatA;

...

A.row（i）=A.row（j）；//不起作用

发生这种情况是因为A.row（i）形成临时矩阵头进一步分配给另一个矩阵头。

请记住，每个操作复杂度为O

（1），即没有复制任何数据。

因此，如果你预期第j行被复制到第i行，那么上述赋值不成立。

要做到这一点，应该把这种简单的赋值转换到表达式中或使用Mat:

:

copyTo（）方法：

MatA;

...

//可行，但看上去有点目的不明确。

A.row（i）=A.row（j）+0;

//这是有点儿长，但这是推荐的方法。

A.row（j）.copyTo（A.row（i））;

Mat:

:

col

创建一个具有指定了矩阵头中列数这个参数的矩阵

C++:

MatMat:

:

col（intj）const

参数：

j –一个0基（从0开始）的列索引

该方法创建一个具有指定了矩阵头中列数这个参数的新矩阵并作为函数返回值。

这是一种复杂度为O

（1）的操作，不用考虑矩阵的尺寸大小。

新矩阵和原始矩阵共享一份基础数据。

参看Mat:

:

row（）说明信息。

Mat:

:

rowRange

为指定的行span创建一个新的矩阵头。

C++:

MatMat:

:

rowRange（intstartrow,intendrow）const

C++:

MatMat:

:

rowRange（constRange&r）const

参数：

startrow –一个包容性的0基（从0开始）的行span起始索引.。

endrow –一个0基的独占性的行span.终止索引。

r –Range结构包含着起始和终止的索引值。

该方法给矩阵指定的行span创建了新的头。

与Mat:

:

row（）和Mat:

:

col（）相类似这是一个复杂度为O

（1）的操作。

Mat:

:

colRange

为指定的行span创建一个矩阵头。

C++:

MatMat:

:

colRange（intstartcol,intendcol）const

C++:

MatMat:

:

colRange（constRange&r）const

参数：

startcol –一个包容性的0基（从0开始）的span列起始索引。

endcol –一个0基的独占性的列span.终止索引。

r –Range结构包含着起始和终止的索引值。

该方法给矩阵指定的列span创建了新的头。

与Mat:

:

row（）和Mat:

:

col（）相类似这是一个复杂度为O

（1）的操作。

Mat:

:

diag

提取或创建矩阵对角线。

C++:

MatMat:

:

diag（intd）const

C++:

staticMatMat:

:

diag（constMat&matD）

参数：

d –对角线的索引值，可以是以下的值：

–d=0是主对角线

–d>0表示下半部的对角线。

例如：

d=1对角线是紧挨着住对角线并位于矩阵下方。

–d<0表示来自矩阵上半部的对角线。

例如：

d=1表示对角线被设置在对角线的上方并紧挨着。

matD –单列用于形成矩阵对角线的列。

该方法为指定的矩阵创建一个新的头。

然后新矩阵被分割为单独的列矩阵。

类似于Mat:

:

row（）和Mat:

:

col（）,它是复杂度为O

（1）操作。

Mat:

:

clone

创建一个数组及其基础数据的完整副本。

C++:

MatMat:

:

clone（）const

该方法创建了一个完整的数组副本。

原始的step[]不会被考虑在内的。

因此数组的副本是一占用total（）*elemSize（）字节的连续阵列。

Mat:

:

copyTo

把矩阵复制到另一个矩阵中。

C++:

voidMat:

:

copyTo（OutputArraym）const

C++:

voidMat:

:

copyTo（OutputArraym,InputArraymask）const

参数：

m –目标矩阵。

如果它的尺寸和类型不正确，在操作之前会重新分配。

mask –操作掩码。

它的非零元素表示矩阵中某个要被复制。

该方法把矩阵的复制到另一个新的矩阵中在复制之前该方法会调用

m.create（this->size（）,this->type）;

因此，目标矩阵会在必要的情况下重新分配

尽管m.copyTo（m）worksflawlessly,该函数并不处理源矩阵和目标矩阵之间有重叠的部分的情况。

当操作掩码指定以及上述的Mat:

:

create重新分配矩阵，新分配的矩阵在数据复制到里面之前全都被初始化为０。

Mat:

:

convertTo

在缩放或不缩放的情况下转换为另一种数据类型。

C++:

voidMat:

:

convertTo（OutputArraym,intrtype,doublealpha=1,doublebeta=0）const

参数：

m –目标矩阵。

如果它的尺寸和类型不正确，在操作之前会重新分配。

rtype –要求是目标矩阵的类型，或者在当前通道数与源矩阵通道数相同的情况下的depth。

如果rtype为负，目标矩阵与源矩阵类型相同。

beta –可选的delta加到缩放值中去。

该方法将源像素值转化为目标类型saturate_cast<>要放在最后以避免溢出

m（x;y）=saturate_cast（α*（*this）（x;y）+β）

Mat:

:

assignTo

提供了一个convertTo的功能形式。

C++:

voidMat:

:

assignTo（Mat&m,inttype=-1）const

Parameters

m –目标阵列。

type –要求是目标阵列depth或－１（如果阵列的类型和源矩阵类型相同）

这是一个internally使用的由MatrixExpressions引擎调用的方法。

Mat:

:

setTo

将阵列中所有的或部分的元素设置为指定的值。

C++:

Mat&Mat:

:

setTo（constScalar&s,InputArraymask=noArray（））

参数：

s –把标量赋给阵列并转化到阵列的实际类型。

mask –与*this尺寸相同的操作掩码。

这是Mat:

:

operator=（constScalar&s）运算符的一个高级变量。

Mat:

:

reshape

在无需复制数据的前提下改变2D