输入/输出

图片

从文件加载图像：

Mat img = imread（filename）

如果您读取jpg文件，则默认情况下会创建3通道映像。如果需要灰度图像，请使用：

Mat img = imread（filename，IMREAD_GRAYSCALE）;

imwrite（filename，img）;

注意

文件的格式由其扩展名决定。

使用imdecode和imencode从/到内存而不是文件读写图像。

具有图像的基本操作

访问像素强度值

为了获得像素强度值，您必须知道图像的类型和通道数。以下是单通道灰度图像（类型8UC1）和像素坐标x和y的示例：

Scalar intensity = img.at<uchar>(y, x);

intensity.val [0]包含0到255之间的值。请注意x和y的顺序。由于OpenCV中的图像由与矩阵相同的结构表示，所以对于两种情况，我们使用相同的约定 - 基于0的行索引（或y坐标）首先出现，并且基于0的列索引（或x坐标）跟随它。或者，您可以使用以下符号：

Scalar intensity = img.at<uchar>(Point(x, y));

现在让我们考虑使用BGR颜色排序的3通道图像（由imread返回的默认格式）：

Vec3b intensity = img.at < Vec3b >（y，x）;
uchar blue = intensity.val [0];
uchar green = intensity.val [1];
uchar red = intensity.val [2];

您可以使用相同的浮点图像方法（例如，您可以通过在3通道图像上运行Sobel来获取此类图像）：

（y，x）; Vec3f intensity = img.at < Vec3f >（y，x）;
float blue = intensity.val [0];
float green = intensity.val [1];
float red = intensity.val [2];

可以使用相同的方法来改变像素强度：

img.at < UCHAR >（Y，X）= 128;

OpenCV中有功能，特别是calib3d模块，如projectPoints，它们以Mat的形式存在2D或3D数组。矩阵应该只包含一列，每行对应一个点，矩阵类型应相应为32FC2或32FC3。这样一个矩阵可以很容易地构造成std::vector：

vector<Point2f> points;
//... fill the array
Mat pointsMat = Mat(points);

可以使用与Mat :: at相同的方法访问此矩阵中的一个点：

Point2f point = pointsMat.at < Point2f >（i，0）;

内存管理和引用计数

Mat是一种保持矩阵/图像特征（行和列数，数据类型等）和指向数据的指针的结构。所以没有什么可以阻止我们有几个Mat对应于相同数据的实例。当Mat的特定实例被破坏时，Mat保留一个引用计数，指示数据是否必须被释放。以下是创建两个矩阵而不复制数据的示例：

std::vector<Point3f> points;
// .. fill the array
Mat pointsMat = Mat(points).reshape(1);

因此，我们得到一个32FC1矩阵与3列而不是32FC3矩阵与1列。pointsMat使用点数据，销毁时不会释放内存。然而，在这种特殊情况下，开发人员必须确保点的生命周期比pointMat长。如果我们需要复制数据，可以使用例如cv :: Mat :: copyTo或cv :: Mat :: clone：

Mat img = imread（“image.jpg”）;
Mat img1 = img.clone（）;

相反，使用C API，必须由开发人员创建输出图像，可以向每个功能提供空输出Mat。每个实现都为目标矩阵调用Mat :: create。如果矩阵为空，则此方法分配数据。如果它不是空且具有正确的大小和类型，该方法什么都不做。然而，如果大小或类型与输入参数不同，则数据被释放（并丢失）并分配新的数据。例如：

Mat img = imread（“image.jpg”）;
Mat sobelx;
Sobel（img，sobelx，CV_32F，1,0）;

原始操作

在矩阵上定义了一些方便的操作符。例如，这里是我们如何从现有的灰度图像“img”制作黑色图像：

img = Scalar（0）;

选择感兴趣的区域：

Rect r(10, 10, 100, 100);
Mat smallImg = img(r);

从Mat到C API数据结构的转换：

Mat img = imread（“image.jpg”）;
IplImage img1 = img;
CvMat m = img;

请注意，这里没有数据复制。

从颜色到灰度的转换：

Mat img = imread("image.jpg"); // loading a 8UC3 image
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);

将图像类型从8UC1更改为32FC1：

src.convertTo（dst，CV_32F）;

可视化图像

在开发过程中看到算法的中间结果是非常有用的。OpenCV提供了可视化图像的便捷方式。可以使用以下方式显示8U图像：

Mat img = imread（“image.jpg”）;
namedWindow（“image”，WINDOW_AUTOSIZE）;
imshow（“image”，img）;
waitKey（）;

对waitKey（）的调用会启动一个消息传递循环，等待“图像”窗口中的关键笔划。32F图像需要转换为8U型。例如：

Mat img = imread("image.jpg");
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);
Mat sobelx;
Sobel(grey, sobelx, CV_32F, 1, 0);
double minVal, maxVal;
minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
Mat draw;
sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal * 255.0/(maxVal - minVal));
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", draw);
waitKey();