概述: 本节主要讲述图像在OpenCV中的表示,以及Mat类的构造方式;
一. OpenCV 简介:
OpenCV 的全称是 Open Source Computer Vision Library，是一个开放源代码的 计算机视觉库。OpenCV 是最初由英特尔公司发起并开发，以 BSD 许可证授权发 行，可以在商业和研究领域中免费使用，现在美国 Willow Garage 为 OpenCV 供主要的支持。OpenCV 可用于开发实时的图像处理、计算机视觉以及模式识别 程序，目前在工业界以及科研领域广泛采用;
二.OpenCV中图像的表示:
在OpenCV中图像以矩阵( Mat类 )的形式表示,矩 阵元素的值表示这个位置上的像素的亮度，一般来说像素值越大表示该点越 亮。如图 2.1 :
一般来说，灰度图用 2 维矩阵表示，彩色(多通道)图像用 3 维矩阵(M × N × 3)表示。对于图像显示来说，目前大部分设备都是用无符号 8 位整 数(类型为 CV_8UC(n))表示像素亮度。(n 为通道数)
图像数据在计算机内存中的存储顺序为以图像最左上点(也可能是最左下 点)开始，存储如表 2-2 所示:
灰度图存储示意图:
| i00 | i00 | i00 | i00 |
| i00 | i00 | i00 | i00 |
| i00 | i00 | i00 | i00 |
| i00 | i00 | i00 | i00 |
iij 表示第 i 行 j 列的像素值。如果是多通道图像，比如 RGB 图像，则每个 像素用三个字节表示。在 OpenCV 中，RGB 图像的通道顺序为 BGR;三通道BGR图表示:
三. Mat 类:
早期的 OpenCV 中，使用 IplImage 和 CvMat 数据结构来表示图像。IplImage 和 CvMat 都是 C 语言的结构。使用这两个结构的问题是内存需要手动管理，开 发者必须清楚的知道何时需要申请内存，何时需要释放内存。这个开发者带来了 一定的负担，开发者应该将更多精力用于算法设计，因此在新版本的 OpenCV 中 引入了 Mat 类。
新加入的 Mat 类能够自动管理内存。使用 Mat 类，你不再需要花费大量精 力在内存管理上。而且你的代码会变得很简洁，代码行数会变少。但 C++接口唯 一的不足是当前一些嵌入式开发系统可能只支持 C 语言，如果你的开发平台支持 C++，完全没有必要再用 IplImage 和 CvMat。在新版本的 OpenCV 中，开发者依 然可以使用 IplImage 和 CvMat，但是一些新增加的函数只 供了 Mat 接口。本书 中的例程也都将采用新的 Mat 类，不再介绍 IplImage 和 CvMat。
Mat 类的定义如下所示，关键的属性如下方代码所示:
class CV_EXPORTS Mat
{
public:
//一系列函数 ...
/* flag 参数中包含许多关于矩阵的信息，如: -Mat 的标识
-数据是否连续
-深度
-通道数目
*/
int flags;
//矩阵的维数，取值应该大于或等于 2
int dims;
//矩阵的行数和列数，如果矩阵超过 2 维，这两个变量的值都为-1
int rows, cols;
//指向数据的指针
uchar* data;
//指向引用计数的指针 //如果数据是由用户分配的，则为 NULL
int* refcount;
...
};
四.Mat 类的创建:
4.1 构造方法:
Mat 类 供了一系列构造函数，可以方便的根据需要创建 Mat 对象。下面是 一个使用构造函数创建对象的例子。
Mat M(3,2, CV_8UC3, Scalar(0,0,255));
cout << "M = " << endl << " " << M << endl;
第一行代码创建一个rows = 3，cosl = 2 的图像，图像元 素是 8 位无符号整数类型，且有三个通道。图像的所有像素值被初始化为(0, 0, 255)。由于 OpenCV 中默认的颜色顺序为 BGR，因此这是一个全红的图像。
该段代码创建的矩阵M如下:
Mat类常用构造方法:
常用的构造函数有:
Mat::Mat() 无参数构造方法;
Mat::Mat(int rows, int cols, int type)
创建行数为 rows，列数为 col，类型为 type 的图像;Mat::Mat(Size size, int type)
创建大小为 size，类型为 type 的图像;-
Mat::Mat(int rows, int cols, int type, const Scalar& s) 24
创建行数为 rows，列数为 col，类型为 type 的图像，并将所有元素初始 化为值 s;
Mat::Mat(Size size, int type, const Scalar& s)
创建大小为 size，类型为 type 的图像，并将所有元素初始化为值 s;Mat::Mat(const Mat& m)
将 m 赋值给新创建的对象，此处不会对图像数据进行复制，m 和新对象 共用图像数据;Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP) 创建行数为 rows，列数为 col，类型为 type 的图像，此构造函数不创建 图像数据所需内存，而是直接使用 data 所指内存，图像的行步长由 step 指定。
Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP) 创建大小为 size，类型为 type 的图像，此构造函数不创建图像数据所需 内存，而是直接使用 data 所指内存，图像的行步长由 step 指定。
Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange) 创建的新图像为 m 的一部分，具体的范围由 rowRange 和 colRange 指 定，此构造函数也不进行图像数据的复制操作，新图像与 m 共用图像数 据;
Mat::Mat(const Mat& m, const Rect& roi)
创建的新图像为 m 的一部分，具体的范围 roi 指定，此构造函数也不进 行图像数据的复制操作，新图像与 m 共用图像数据。
这些构造函数中，很多都涉及到类型 type。type 可以是 CV_8UC1，CV_16SC1，...， CV_64FC4 等。里面的 8U 表示 8 位无符号整数，16S 表示 16 位有符号整数，64F 表示 64 位浮点数(即 double 类型);C 后面的数表示通道数，例如 C1 表示一个 通道的图像，C4 表示 4 个通道的图像，以此类推。
如果你需要更多的通道数，需要用宏 CV_8UC(n)，例如:
Mat M(3,2, CV_8UC(5));//创建行数为3，列数为2，通道数为5的图像;
其中rowRang/colRang表达范围为半闭半开区间,例如 cv::Rang(0,3)表示的范围为[0,3),即包含0单不包括3;
4.2 create()函数创建对象
//! allocates new matrix data unless the matrix already has specified size and type.
// previous data is unreferenced if needed.
void create(int rows, int cols, int type);
void create(Size size, int type);
void create(int ndims, const int* sizes, int type);
除了在构造函数中可以创建图像，也可以使用 Mat 类的 create()函数创建图 像。如果 create()函数指定的参数与图像之前的参数相同，则不进行实质的内存 申请操作;如果参数不同，则减少原始数据内存的索引，并重新申请内存。使用 方法如下:
Mat M(2,2, CV_8UC3);//构造函数创建图像
M.create(3,2, CV_8UC2);//释放内存重新创建图像
需要注意的时，使用 create()函数无法设置图像像素的初始值;
4.3Matlab 风格的创建对象方法:
//! Matlab-style matrix initialization
static MatExpr zeros(int rows, int cols, int type);
static MatExpr zeros(Size size, int type);
static MatExpr zeros(int ndims, const int* sz, int type);
static MatExpr ones(int rows, int cols, int type);
static MatExpr ones(Size size, int type);
static MatExpr ones(int ndims, const int* sz, int type);
static MatExpr eye(int rows, int cols, int type);
static MatExpr eye(Size size, int type);
使用方法如下:
Mat Z = Mat::zeros(2,3, CV_8UC1); // 0矩阵
cout << "Z = " << endl << " " << Z << endl;
Mat O = Mat::ones(2, 3, CV_32F); // 全1矩阵
cout << "O = " << endl << " " << O << endl;
Mat E = Mat::eye(2, 3, CV_64F); // 单位矩阵
cout << "E = " << endl << " " << E << endl;
输出结果如下:
五.矩阵的基本元素表达:
对于单通道图像，其元素类型一般为 8U(即 8 位无符号整数)，当然也可以 是 16S、32F 等;这些类型可以直接用 uchar、short、float 等 C/C++语言中的基本 数据类型表达。
如果多通道图像，如 RGB 彩色图像，需要用三个通道来表示。在这种情况 下，如果依然将图像视作一个二维矩阵，那么矩阵的元素不再是基本的数据类型。OpenCV 中有模板类 Vec，可以表示一个向量。OpenCV 中使用 Vec 类预定义了一 些小向量，可以将之用于矩阵元素的表达。
typedef Vec<uchar, 2> Vec2b;
typedef Vec<uchar, 3> Vec3b;
typedef Vec<uchar, 4> Vec4b;
typedef Vec<short, 2> Vec2s;
typedef Vec<short, 3> Vec3s;
typedef Vec<short, 4> Vec4s;
typedef Vec<int, 2> Vec2i;
typedef Vec<int, 3> Vec3i;
typedef Vec<int, 4> Vec4i;
typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;
typedef Vec<float, 4> Vec4f;
typedef Vec<float, 6> Vec6f;
typedef Vec<double, 2> Vec2d;
typedef Vec<double, 3> Vec3d;
typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;
例如 8U 类型的 RGB 彩色图像可以使用 Vec3b，3 通道 float 类型的矩阵可以 使用 Vec3f。
对于 Vec 对象，可以使用[]符号如操作数组般读写其元素，如:
Vec3b color; //用 color 变量 述一种 RGB 颜色
color[0]=255; //B 分量
color[1]=0; //G分量
color[2]=0; //R分量
六. 矩阵输出格式:
cv::Mat temp = (cv::Mat_<char>(3,3) << 1,2,3,4,5,6,7,8,9);
std::cout << "temp Default : "<< temp << std::endl;
std::cout << "temp python : "<< cv::format(temp,"python") << std::endl;
std::cout << "temp CSV : "<< cv::format(temp,"csv") << std::endl;
std::cout << "temp numpy : "<< cv::format(temp,"numpy") << std::endl;
std::cout << "temp C : "<< cv::format(temp,"C") << std::endl;
temp Default : [1, 2, 3;
4, 5, 6;
7, 8, 9]
temp python : [[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
temp CSV : 1, 2, 3
4, 5, 6
7, 8, 9
temp numpy : array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]],
type='int8')
temp C : {1, 2, 3,
4, 5, 6,
7, 8, 9}
