Mat的基本介绍

基本上讲 Mat 是一个类，由两个数据部分组成：

• 矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）
• 一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。
  矩阵头的尺寸是常数值，包含几个固定的图像属性，但矩阵本身的尺寸会依图像的大小和存储类型的不同而不同。

Mat 的传递

Mat中的矩阵头相比于存储像素值的矩阵而言非常小，所以在Mat的传递过程中通常传递的是Mat的矩阵头。每一个Mat拥有自己的矩阵头，但是不同的Mat共享一个像素值矩阵，矩阵维护一个引用次数，每拷贝一次Mat对象，矩阵的引用次数就会加一，反之矩阵头被释放时计数减一，最后一个引用的矩阵头负责释放掉矩阵。

Mat A, C;                                 // 只创建矩阵头
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存
Mat B(A);                                 // 拷贝A的矩阵头
C = A;                                    // 拷贝A的矩阵头
Mat D (A, Rect(10, 10, 100, 100) ); // 创建一个新的矩阵头，并指向A的矩阵
Mat E = A(Range:all(), Range(1,3)); // 创建一个新的矩阵头，并指向A的矩阵s

上述方法都是通过拷贝矩阵头的方法来实现Mat的传递，当用户想要拷贝整个矩阵的时候可以通过copyto()和clone()来实现。

    Mat image = imread("2.jpg");
    resize(image, image, Size(), 0.5, 0.5);

    Mat image1(image) ;//仅是创建了Mat的头部分，image1与image共享数据区
    Mat image2 = image ;//仅是创建了Mat的头部分，image1与image共享数据区
    Mat image3 = image.clone() ;//完全拷贝，把image中的所有信息拷贝到image3中
    Mat image4;
    image.copyTo(image4);//根据image信息创建新的矩阵头，并拷贝image的数据区到image1中
    
    for (int i = 0; i < image.rows; ++i)
    {
        uchar* ptr = image.ptr(i);
        for (int j = 0; j < image.cols; ++j)
        {
            ptr[j] = 0;
        }
    }
    imshow("image", image);
    imshow("image1", image1);
    imshow("image2", image2);
    imshow("image3", image3);
    imshow("image4", image4);
    waitKey();
    return 0;

上述代码运行后结果如下图，可见修改了image的数据区之后iamge1和image2都随着发生变化了，而image3和image4仍保持着原图的样子。

图片.png

Mat 的常用属性

Mat有很多属性，有一些我经常用的如rows、cols、dims和channels等，也有一些调试的时候经常遇到的，这里放在一起统一整理一下。

• data 指向矩阵数据部分的指针

• rows 矩阵的行数

• cols 矩阵的列数

• dims 矩阵的维度，二维矩阵dims=2，三维矩阵dims=3.

• size 矩阵的大小，size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)

• channels 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则channels = 3

• type 用于表示矩阵中元素存储类型的预定义的常量，其本质是特殊命名规则下的int类型常量，其命名规则为CV_(位数）+（数据类型）+（通道数）。
  数据类型包括这里U（unsigned integer）表示的是无符号整数，S（signed integer）是有符号整数，F（float）是浮点数。
  例如：CV_16UC2，表示的是元素类型是一个16位的无符号整数，通道为2。
  C1，C2，C3，C4则表示通道是1,2,3,4

• depth
  矩阵中元素的一个通道的数据类型，这个值和type是相关的。例如 type为 CV_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV_16S。depth也是一系列的预定义值，
  将type的预定义值去掉通道信息就是depth值:
  CV_8U CV_8S CV_16U CV_16S CV_32S CV_32F CV_64F

• elemSize
  矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes

• elemSize1
  矩阵元素一个通道占用的字节数，例如：type是CV_16CS3，那么elemSize1 = 16 / 8 = 2 bytes = elemSize / channels

• step
  step[0]是矩阵中一行元素的字节数。
  step[1]是矩阵中一个元素的字节数，也就是和上面所说的elemSize相等。

  上面说到，Mat中一个uchar* data指向矩阵数据的首地址，而现在又知道了每一行和每一个元素的数据大小，就可以快速的访问Mat中的任意元素了。下面公式：

  
  TIM截图20180717231815.png

• step1
  规整化的step，值为step / elemSize1。 定义如下：

inline size_t Mat::step1(int i) const { return step.p[i]/elemSize1(); }

以CV16UC4的img为例，来看下step,step1具体的值：

image
img的type是CV_16UC4, step[0]是其一行所占的数据字节数4 *4 * 16 / 8 = 32
step[1] 是一个元素所占的字节数，img的一个元素具有4个通道，故：4 * 16 / 8 = 8
step1 = step / elemSize1，elemSize1是元素的每个通道所占的字节数。

未完待续