简述网络检测的方法
扫描二维码
随时随地手机看文章
opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，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。在opencv2.0之前，opencv是完全用C实现的，但是，IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr，这在源代码中会常见。
1. IplImageopencv中的图像信息头，该结构体定义： typedef struct _IplImage
{
int nSize; /* IplImage大小 */
int ID; /* 版本 （=0）*/
int nChannels; /* 大多数OPENCV函数支持1，2，3 或 4 个通道 */
int alphaChannel; /* 被OpenCV忽略 */
int depth; /* 像素的位深度： IPL_DEPTH_8U， IPL_DEPTH_8S， IPL_DEPTH_16U，
IPL_DEPTH_16S， IPL_DEPTH_32S， IPL_DEPTH_32F and IPL_DEPTH_64F 可支持 */
char colorModel［4］; /* 被OpenCV忽略 */
char channelSeq［4］; /* 被OpenCV忽略 */
int dataOrder; /* 0 - 交叉存取颜色通道， 1 - 分开的颜色通道。 cvCreateImage只能创建交叉存取图像 */
int origin; /* 0 - 顶—左结构，1 - 底—左结构 （Windows bitmaps 风格） */
int align; /* 图像行排列 （4 or 8）。 OpenCV 忽略它，使用 widthStep 代替 */
int width; /* 图像宽像素数 */
int height; /* 图像高像素数*/
struct _IplROI *roi; /* 图像感兴趣区域。 当该值非空只对该区域进行处理 */
struct _IplImage *maskROI; /* 在 OpenCV中必须置NULL */
void *imageId; /* 同上*/
struct _IplTIleInfo *TIleInfo; /*同上*/
int imageSize; /* 图像数据大小（在交叉存取格式下imageSize=image-》height*image-》widthStep），单位字节*/
char *imageData; /* 指向排列的图像数据 */
int widthStep; /* 排列的图像行大小，以字节为单位 */
int BorderMode［4］; /* 边际结束模式， 被OpenCV忽略 */
int BorderConst［4］; /* 同上 */
char *imageDataOrigin; /* 指针指向一个不同的图像数据结构（不是必须排列的），是为了纠正图像内存分配准备的 */
} IplImage;
dataOrder中的两个取值：交叉存取颜色通道是颜色数据排列将会是BGRBGR.。.的交错排列。分开的颜色通道是有几个颜色通道就分几个颜色平面存储。roi是IplROI结构体，该结构体包含了xOffset，yOffset，height，width，coi成员变量，其中xOffset，yOffset是x，y坐标，coi代表channel of interest（感兴趣的通道），非0的时候才有效。访问图像中的数据元素，分间接存储和直接存储，当图像元素为浮点型时，（uchar *） 改为 （float *）：
/*间接存取*/
IplImage* img=cvLoadImage（“lena.jpg”， 1）;
CvScalar s; /*sizeof（s） == img-》nChannels*/
s=cvGet2D（img，i，j）; /*get the （i，j） pixel value*/
cvSet2D（img，i，j，s）; /*set the （i，j） pixel value*/
/*宏操作*/
IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
for（int row = 0; row 《 img-》height; row++）
{
for （int col = 0; col 《 img-》width; col++）
{
b = CV_IMAGE_ELEM（img， UCHAR， row， col * img-》nChannels + 0）;
g = CV_IMAGE_ELEM（img， UCHAR， row， col * img-》nChannels + 1）;
r = CV_IMAGE_ELEM（img， UCHAR， row， col * img-》nChannels + 2）;
}
}
/*直接存取*/
IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
uchar b， g， r; // 3 channels
for（int row = 0; row 《 img-》height; row++）
{
for （int col = 0; col 《 img-》width; col++）
{
b = （（uchar *）（img-》imageData + row * img-》widthStep））［col * img-》nChannels + 0］;
g = （（uchar *）（img-》imageData + row * img-》widthStep））［col * img-》nChannels + 1］;
r = （（uchar *）（img-》imageData + row * img-》widthStep））［col * img-》nChannels + 2］;
}
}
初始化使用IplImage *，是一个指向结构体IplImage的指针：
IplImage * cvLoadImage（const char * filename， int iscolor CV_DEFAULT（CV_LOAD_IMAGE_COLOR））; //load images from specified image
IplImage * cvCreateImage（CvSize size， int depth， int channels）; //allocate memory
2.CvMat首先，我们需要知道，第一，在OpenCV中没有向量（vector）结构。任何时候需要向量，都只需要一个列矩阵（如果需要一个转置或者共轭向量，则需要一个行矩阵）。第二，OpenCV矩阵的概念与我们在线性代数课上学习的概念相比，更抽象，尤其是矩阵的元素，并非只能取简单的数值类型，可以是多通道的值。CvMat 的结构：
typedef struct CvMat
{
int type;
int step; /*用字节表示行数据长度*/
int* refcount; /*内部访问*/
union {
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data; /*数据指针*/
union {
int rows;
int height;
};
union {
int cols;
int width;
};
} CvMat; /*矩阵结构头*/
创建CvMat数据：
CvMat * cvCreateMat（int rows， int cols， int type）; /*创建矩阵头并分配内存*/
CV_INLine CvMat cvMat（（int rows， int cols， int type， void* data CV_DEFAULT）; /*用已有数据data初始化矩阵*/
CvMat * cvInitMatHeader（CvMat * mat， int rows， int cols， int type， void * data CV_DEFAULT（NULL）， int step CV_DEFAULT（CV_AUTOSTEP））; /*（用已有数据data创建矩阵头）*/
对矩阵数据进行访问：
/*间接访问*/
/*访问CV_32F1和CV_64FC1*/
cvmSet（ CvMat* mat， int row， int col， double value）;
cvmGet（ const CvMat* mat， int row， int col ）;
/*访问多通道或者其他数据类型： scalar的大小为图像的通道值*/
CvScalar cvGet2D（const CvArr * arr， int idx0， int idx1）; //CvArr只作为函数的形参void cvSet2D（CvArr* arr， int idx0， int idx1， CvScalar value）;
/*直接访问： 取决于数组的数据类型*/
/*CV_32FC1*/
CvMat * cvmat = cvCreateMat（4， 4， CV_32FC1）;
cvmat-》data.fl［row * cvmat-》cols + col］ = （float）3.0;
/*CV_64FC1*/
CvMat * cvmat = cvCreateMat（4， 4， CV_64FC1）;
cvmat-》data.db［row * cvmat-》cols + col］ = 3.0;
/*一般对于单通道*/
CvMat * cvmat = cvCreateMat（4， 4， CV_64FC1）;
CV_MAT_ELEM（*cvmat， double， row， col） = 3.0; /*double是根据数组的数据类型传入，这个宏不能处理多通道*/
/*一般对于多通道*/
if （CV_MAT_DEPTH（cvmat-》type） == CV_32F）
CV_MAT_ELEM_CN（*cvmat， float， row， col * CV_MAT_CN（cvmat-》type） + ch） = （float）3.0; // ch为通道值
if （CV_MAT_DEPTH（cvmat-》type） == CV_64F）
CV_MAT_ELEM_CN（*cvmat， double， row， col * CV_MAT_CN（cvmat-》type） + ch） = 3.0; // ch为通道值
/*多通道数组*/
/*3通道*/
for （int row = 0; row 《 cvmat-》rows; row++）
{
p = cvmat -》data.fl + row * （cvmat-》step / 4）;
for （int col = 0; col 《 cvmat-》cols; col++）
{
*p = （float） row + col;
*（p+1） = （float）row + col + 1;
*（p+2） = （float）row + col + 2;
p += 3;
}
}
/*2通道*/
CvMat * vector = cvCreateMat（1，3， CV_32SC2）;CV_MAT_ELEM（*vector， CvPoint， 0， 0） = cvPoint（100，100）;
/*4通道*/
CvMat * vector = cvCreateMat（1，3， CV_64FC4）;CV_MAT_ELEM（*vector， CvScalar， 0， 0） = CvScalar（0， 0， 0， 0）;
复制矩阵操作：
/*复制矩阵*/
CvMat* M1 = cvCreateMat（4，4，CV_32FC1）;
CvMat* M2;
M2=cvCloneMat（M1）;
3.MatMat是opencv2.0推出的处理图像的新的数据结构，现在越来越有趋势取代之前的cvMat和lplImage，相比之下Mat最大的好处就是能够更加方便的进行内存管理，不再需要程序员手动管理内存的释放。opencv2.3中提到Mat是一个多维的密集数据数组，可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
class CV_EXPORTS Mat
{
public：
/*.。很多方法。.*/
/*.。..。..。..。.*/
int flags;（Note ：目前还不知道flags做什么用的）
int dims; /*数据的维数*/
int rows，cols; /*行和列的数量;数组超过2维时为（-1，-1）*/
uchar *data; /*指向数据*/
int * refcount; /*指针的引用计数器; 阵列指向用户分配的数据时，指针为 NULL
/* 其他成员 */
。..
};
从以上结构体可以看出Mat也是一个矩阵头，默认不分配内存，只是指向一块内存（注意读写保护）。初始化使用create函数或者Mat构造函数，以下整理自opencv2.3.1 Manual：
Mat（nrows， ncols， type， fillValue］）;
M.create（nrows， ncols， type）;
例子：
Mat M（7，7，CV_32FC2，Scalar（1，3））; /*创建复数矩阵1+3j*/
M.create（100， 60， CV_8UC（15））; /*创建15个通道的8bit的矩阵*/
/*创建100*100*100的8位数组*/
int sz［］ = {100， 100， 100};
Mat bigCube（3， sz， CV_8U， Scalar:all（0））;
/*现成数组*/
double m［3］［3］ = {{a， b， c}， {d， e， f}， {g， h， i}};
Mat M = Mat（3， 3， CV_64F， m）.inv（）;
/*图像数据*/
Mat img（Size（320，240），CV_8UC3）;
Mat img（height， width， CV_8UC3， pixels， step）; /*const unsigned char* pixels，int width， int height， int step*/
/*使用现成图像初始化Mat*/
IplImage* img = cvLoadImage（“greatwave.jpg”， 1）;
Mat mtx（img，0）; // convert IplImage* -》 Mat; /*不复制数据，只创建一个数据头*/
访问Mat的数据元素：
/*对某行进行访问*/
Mat M;
M.row（3） = M.row（3） + M.row（5） * 3; /*第5行扩大三倍加到第3行*/
/*对某列进行复制操作*/
Mat M1 = M.col（1）;
M.col（7）.copyTo（M1）; /*第7列复制给第1列*/
/*对某个元素的访问*/
Mat M;
M.at《double》（i，j）; /*double*/
M.at（uchar）（i，j）; /*CV_8UC1*/
Vec3i bgr1 = M.at（Vec3b）（i，j） /*CV_8UC3*/
Vec3s bgr2 = M.at（Vec3s）（i，j） /*CV_8SC3*/
Vec3w bgr3 = M.at（Vec3w）（i，j） /*CV_16UC3*/
/*遍历整个二维数组*/
double sum = 0.0f;
for（int row = 0; row 《 M.rows; row++）
{
const double * Mi = M.ptr《double》（row）;
for （int col = 0; col 《 M.cols; col++）
sum += std：：max（Mi［j］， 0.）;
}
/*STL iterator*/
double sum=0;
MatConsTIterator《double》 it = M.begin《double》（）， it_end = M.end《double》（）;
for（; it ！= it_end; ++it）
sum += std：：max（*it， 0.）;
Mat可进行Matlab风格的矩阵操作，如初始化的时候可以用iniTIalizers，zeros（）， ones（）， eye（）。 除以上内容之外，Mat还有有3个重要的方法：
Mat mat = imread（const String* filename）; // 读取图像imshow（const string frameName， InputArray mat）; // 显示图像imwrite （const string& filename， InputArray img）; //储存图像
CvMat， Mat， IplImage之间的互相转换
IpIImage -》 CvMat
/*cvGetMat*/
CvMat matheader;
CvMat * mat = cvGetMat（img， &matheader）;
/*cvConvert*/
CvMat * mat = cvCreateMat（img-》height， img-》width， CV_64FC3）;
cvConvert（img， mat）
IplImage -》 Mat
Mat：：Mat（const IplImage* img， bool copyData=false）;/*default copyData=false，与原来的IplImage共享数据，只是创建一个矩阵头*/
例子：IplImage* iplImg = cvLoadImage（“greatwave.jpg”， 1）;
Mat mtx（iplImg）; /* IplImage * -》 Mat，共享数据; or ： Mat mtx = iplImg;*/
Mat -》 IplImage
Mat M
IplImage iplimage = M; /*只创建图像头，不复制数据*/
CvMat -》 Mat
Mat：：Mat（const CvMat* m， bool copyData=false）; /*类似IplImage -》 Mat，可选择是否复制数据*/
Mat -》 CvMat
例子（假设Mat类型的imgMat图像数据存在）：
CvMat cvMat = imgMat;/*Mat -》 CvMat， 类似转换到IplImage，不复制数据只创建矩阵头
下载文档
