OpenCV中数据转换

在OpenCV中Mat、CvMat和IplImage类型都可以代表和显示图像。IplImage由CvMat派生,而CvMat由CvArr派生即CvArr -> CvMat -> IplImage,Mat类型则是C++版本的矩阵类型(CvArr用作函数的参数,无论传入的是CvMat或IplImage,内部都是按CvMat处理)。
其中Mat类型侧重于计算,数学性较高,OpenCV对Mat类型的计算也进行了优化;而CvMat和IplImage类型更侧重于"图像",OpenCV对其中的图像操作(缩放、单通道提取、图像阈值操作等)进行了优化。很多时候需要三种类型的相互转化,这里简要介绍一下。

1、CvMat之间的复制

//注意:深拷贝 - 单独分配空间,两者相互独立

1 CvMat* a;
2 CvMat* b = cvCloneMat(a);   //copy a to b  

2、Mat之间的复制

 1 //注意:浅拷贝 -  不复制数据只创建矩阵头,数据共享(更改a,b,c的任意一个都会对另外2个产生同样的作用)
 2 Mat a;
 3 Mat b = a; //a "copy" to b
 4 Mat c(a); //a "copy" to c
 5
 6 //注意:深拷贝
 7 Mat a;
 8 Mat b = a.clone(); //a copy to b
 9 Mat c;
10 a.copyTo(c); //a copy to c  

3、CvMat转Mat

1  //使用Mat的构造函数:Mat::Mat(const CvMat* m, bool copyData=false); 默认情况下copyData为false
2 CvMat* a;
3 //注意:以下三种效果一致,均为浅拷贝
4 Mat b(a);   //a "copy" to b
5 Mat b(a, false);    //a "copy" to b
6 Mat b = a;  //a "copy" to b
7
8 //注意:当将参数copyData设为true后,则为深拷贝(复制整个图像数据)
9 Mat b = Mat(a, true); //a copy to b  

4、Mat转CvMat

1 //注意:浅拷贝
2 Mat a;
3 CvMat b = a; //a "copy" to b
4
5 //注意:深拷贝
6 Mat a;
7 CvMat *b;
8 CvMat temp = a; //转化为CvMat类型,而不是复制数据
9 cvCopy(&temp, b); //真正复制数据  

========================IplImage与上述二者间的转化和拷贝========================
1、IplImage之间的复制
这个不赘述了,就是cvCopy与cvCloneImage使用区别,贴张网上的图:

2、IplImage转Mat

1 //使用Mat的构造函数:Mat::Mat(const IplImage* img, bool copyData=false);    默认情况下copyData为false
2 IplImage* srcImg = cvLoadImage("Lena.jpg");
3 //注意:以下三种效果一致,均为浅拷贝
4 Mat M(srcImg);
5 Mat M(srcImg, false);
6 Mat M = srcImg;
7
8 //注意:当将参数copyData设为true后,则为深拷贝(复制整个图像数据)
9 Mat M(srcImg, true); 

3、Mat转IplImage

1 //注意:浅拷贝 - 同样只是创建图像头,而没有复制数据
2 Mat M;
3 IplImage img = M;
4 IplImage img = IplImage(M);  

4、IplImage转CvMat

1 //法一:cvGetMat函数
2 IplImage* img;
3 CvMat temp;
4 CvMat* mat = cvGetMat(img, &temp);  //深拷贝
5 //法二:cvConvert函数
6 CvMat *mat = cvCreateMat(img->height, img->width, CV_64FC3);  //注意height和width的顺序
7 cvConvert(img, mat);    //深拷贝  

5、CvMat转IplImage

 1 //法一:cvGetImage函数
 2 CvMat M;
 3 IplImage* img = cvCreateImageHeader(M.size(), M.depth(), M.channels());
 4 cvGetImage(&M, img);    //深拷贝:函数返回img
 5 //也可写成
 6 CvMat M;
 7 IplImage* img = cvGetImage(&M, cvCreateImageHeader(M.size(), M.depth(), M.channels()));
 8 //法二:cvConvert函数
 9 CvMat M;
10 IplImage* img = cvCreateImage(M.size(), M.depth(), M.channels());
11 cvConvert(&M, img); //深拷贝  

最后注意:

1、Mat类型是自动内存管理,不需要显式释放(当然也可以手动调用release()方法强制Mat矩阵数据释放);而CvMat则需要调用cvReleaseMat(&cvmat)来释放,IplImage需要调用cvReleaseImage(&iplimage)来释放。
2、建立CvMat矩阵时,第一个参数为行数,第二个参数为列数:
CvMat* cvCreateMat( int rows, int cols, int type );
3、建立IplImage图像时,CvSize第一个参数为宽度,即列数;第二个参数为高度,即行数:
IplImage* cvCreateImage(CvSize size, int depth, int channels );
CvSize cvSize( int width, int height );

4、IplImage内部buffer每行是按4字节对齐的,CvMat没有这个限制。

时间: 2024-10-12 15:47:05

OpenCV中数据转换的相关文章

opencv中的 HOGDescriptor 类

其定义在  object.hpp中找到的: [cpp] view plain copy struct CV_EXPORTS_W HOGDescriptor { public: enum { L2Hys=0 }; enum { DEFAULT_NLEVELS=64 }; CV_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8), nbins(9), derivApertu

OpenCV中的Haar+Adaboost(五):AdaBoost之DAB与GAB

之前的文章主要讲解了OpenCV中与检测相关的内容,包括Haar特征.积分图和检测分类器结构:之后的文章将逐步开始介绍训练相关的内容.而本节主要介绍AdaBoost的理论,以及AdaBoost中的DAB与GAB算法,为后续讲解奠定基础. (一) AdaBoost背景介绍 在了解AdaBoost之前,先介绍弱学习和强学习的概念: 1. 弱学习:识别错误率小于1/2,即准确率仅比随机猜测略高的学习算法 2. 强学习:识别准确率很高并能在多项式时间内完成的学习算法 显然,无论对于任何分类问题,弱学习都

有关meanshift跟踪的理解(在opencv中实现)(转载)

meanshift算法思想其实很简单:利用概率密度的梯度爬升来寻找局部最优.它要做的就是输入一个在图像的范围,然后一直迭代(朝着重心迭代)直到满足你的要求为止.但是他是怎么用于做图像跟踪的呢?这是我自从学习meanshift以来,一直的困惑.而且网上也没有合理的解释.经过这几天的思考,和对反向投影的理解使得我对它的原理有了大致的认识. 在opencv中,进行meanshift其实很简单,输入一张图像(imgProb),再输入一个开始迭代的方框(windowIn)和一个迭代条件(criteria)

OpenCV中的矩阵乘法运算

转载:http://blog.csdn.net/tangwei2014 OpenCV中矩阵乘法运算 1. Mat*Mat: 第一个矩阵的列数必须等于第二个矩阵的行数. [0, 1, 2, 3;     [0, 0, 0;       [14, 14, 14; 0, 1, 2, 3; *  1, 1, 1;  =    14, 14, 14; 0, 1, 2, 3]      2, 2, 2;        14, 14, 14] 3, 3, 3] 2. Mat.mul(Mat): 两个矩阵维数必

OpenCV中feature2D学习——FAST特征点检测

在前面的文章<OpenCV中feature2D学习--SURF和SIFT算子实现特征点检测>中讲了利用SIFT和SURF算子进行特征点检测,这里尝试使用FAST算子来进行特征点检测. FAST的全名是:Features from Accelerated Segment Test,主要特点值计算速度快,比已知的其他特征点检测算法要快很多倍,可用于计算机视觉应用的实时场景.目前以其高计算效率(computational performance).高可重复性(highrepeatability)成为

opencv中值滤波和低通滤波器对椒盐噪声处理的效果比较

opencv中值滤波和低通滤波器对椒盐噪声处理的效果比较 效果: 通过比较我们可以看出,中值滤波器有很好的保留了图像的边界信息 代码: void showimage(const std::string &str,const cv::Mat &image){ namedWindow(str,CV_WINDOW_AUTOSIZE); imshow(str,image); } Mat salt(const cv::Mat &image,int n){ Mat result = image

OpenCV中图像的结构和区别

在OpenCV中,现在有很多种结构类型可以用来表示图像,它们之间有区别又有联系,现在记录一下它们之间的区别和相似之处,以便后面查看. 其中类型有: 1. Iplimage,2. Mat,3.CvMat, 4.CVArr: 其中: 1. IplImage: 较老版本的图像存储类型,在2.0之前使用: 2. CvArr: 也是较老的一种存储结构,是一种抽象的基类. 3. CvMat: 矩阵结构. 4. Mat:  新版本中使用的,推荐使用,是一个图像容器,基本上讲 Mat 是一个类,由两个数据部分组

对OpenCV中3种乘法操作的理解掌握

参考了<Opencv中Mat矩阵相乘--点乘.dot.mul运算详解 >"http://blog.csdn.net/dcrmg/article/details/52404580"的相关内容. 乘法是线性代数的基本操作,在OpenCV中有三种方法实现了乘法. 一.向量乘法 这两幅图像说明的就是向量乘法.在OpenCV中采用" . "来实现,要求是第一个矩阵的列值等于第二个矩阵的行值.且每个矩阵都是float结构. Mat A = Mat(3,3,CV_32

关于opencv中cv::Mat设置roi

opencv中设置roi实验: 1 cv::Mat SrcImg; 2 SrcImg = cv::imread("../resource/cpw3.png"); 3 cv::imshow("原图像",SrcImg); 4 5 // 第一次提取部分ROI 6 cv::Rect SrcImgROI = cv::Rect( SrcImg.cols/2, 0, SrcImg.cols/2, SrcImg.rows/2); 7 cv::Mat SrcROIImg = SrcI