OpenCV Mat 类：基本图像容器详解

现在你可能会问——如果矩阵本身可能属于多个 Mat 对象，那么当不再需要它时，谁负责清理它？简短的回答是：使用它的最后一个对象。这是通过使用引用计数机制来处理的。每当有人复制 Mat 对象的标头时，矩阵的计数器就会增加。每当清理标头时，此计数器都会减少。当计数器达到零时，矩阵被释放。有时你也想复制矩阵本身，所以 OpenCV 提供了 clone() 和 copyTo() 函数。

Mat F = A.clone();
Mat G;
A.copyTo(G);

现在修改 F 或 G 不会影响 A 标头指向的矩阵。从这一切中你需要记住的是：

• OpenCV 函数的输出图像分配是自动的（除非另有说明）。
• 您无需考虑使用 OpenCV 的 C++ 接口进行内存管理。
• 赋值运算符和复制构造函数仅复制标头。
• 可以使用 clone() 和 copyTo() 函数复制图像的底层矩阵。

数据存储与类型

这是关于如何存储像素值的。您可以选择使用的色彩空间和数据类型。色彩空间是指我们如何组合颜色组件以编码给定的颜色。最简单的一种是灰度，我们可以使用的颜色是黑色和白色。这些的结合使我们能够创建许多灰色阴影。

对于丰富多彩的方式，我们有更多的方法可供选择。它们中的每一个都将其分解为三个或四个基本组件，我们可以使用这些组件的组合来创建其他组件。最受欢迎的是 RGB，主要是因为这也是我们的眼睛建立颜色的方式。它的基色是红色、绿色和蓝色。为了对颜色的透明度进行编码，有时会添加第四个元素 alpha（A）。

然而，还有许多其他颜色系统，每个颜色系统都有自己的优点：

• RGB：是最常见的，因为我们的眼睛使用类似的东西，但请记住，OpenCV 标准显示系统使用 BGR 色彩空间（红色和蓝色通道互换位置）组成颜色。
• HSV 和 HLS：将颜色分解为色调、饱和度和值/亮度分量，这是我们描述颜色的一种更自然的方式。例如，您可能会忽略最后一个分量，从而使您的算法对输入图像的光照条件不太敏感。
• YCrCb：被流行的 JPEG 图像格式使用。
• CIE Lab*：是一个感知均匀的色彩空间，如果您需要测量给定颜色与另一种颜色的距离，它会派上用场。

每个建筑构件都有其自己的有效域。这导致了使用的数据类型。我们如何存储组件定义了我们对其域的控制。可能的最小数据类型是 char，这意味着 1 个字节或 8 位。这可以是无符号的（因此可以存储从 0 到 255 的值）或有符号（从 -127 到 +127 的值）。尽管在三个组件（如 RGB）的情况下，这个宽度已经提供了 1600 万种可能的颜色来表示，但我们可以通过使用浮点数（4 字节 = 32 位）或双精度（8 字节 = 64 位）数据类型来获得更精细的控制每个组件。但是，请记住，增加组件的大小也会增加内存中整个图片的大小。

显式创建 Mat 对象

在教程中，您已经学习了如何使用 imread 函数将矩阵写入图像文件。但是，出于调试目的，查看实际值要方便得多。您可以使用 Mat 的 << 运算符执行此操作。请注意，这仅适用于二维矩阵。

虽然 Mat 作为图像容器工作得非常好，但它也是一个通用的矩阵类。因此，可以创建和操作多维矩阵。您可以通过多种方式创建 Mat 对象：

构造函数

Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255));
cout << "M = " << endl << M << endl << endl;

对于二维和多通道图像，我们首先定义它们的大小：行数和列数。然后，我们需要指定用于存储元素的数据类型以及每个矩阵点的通道数。为此，我们根据以下约定构造了多个定义：CV_[每个项目的位数][有符号或无符号][类型前缀]C[通道号]。

例如，CV_8UC3 意味着我们使用长度为 8 位的无符号字符类型，每个像素有三个这样的字符来形成三个通道。有预定义的类型，最多可支持四个通道。Vec 是四元素短向量。指定它，您可以使用自定义值初始化所有矩阵点。如果需要更多，可以使用上部宏创建类型，在括号中设置通道号。

使用 C/C++ 数组并通过构造函数初始化

int sz[3] = {2, 2, 2};
Mat L(3, sz, CV_32F, Scalar::all(0));

上面的示例演示如何创建具有两个以上维度的矩阵。指定其尺寸，然后传递一个指针，其中包含每个尺寸的大小，其余部分保持不变。

函数创建

Mat M;
M.create(4, 4, CV_8UC1);
cout << "M = " << endl << M << endl << endl;

不能使用此构造初始化矩阵值。只有当新大小不适合旧大小时，它才会重新分配其矩阵数据存储器。

MATLAB 样式初始化器

OpenCV 提供了便捷的静态方法来创建特定模式的矩阵：

Mat E = Mat::eye(4, 4, CV_32F);
cout << "E = " << endl << E << endl << endl;

Mat O = Mat::ones(2, 2, CV_32F);
cout << "O = " << endl << O << endl << endl;

Mat Z = Mat::zeros(3, 3, CV_32F);
cout << "Z = " << endl << Z << endl << endl;

对于小矩阵，您可以使用逗号分隔的初始值设定项或初始值设定项列表（最后一种情况需要 C++11 支持）：

Mat C = (Mat_<float>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
cout << "C = " << endl << C << endl << endl;

C = (Mat_<float>({0, -1, 0, -1, 5, -1, 0, -1, 0})).reshape(1, 3);
cout << "C = " << endl << C << endl << endl;

为现有 Mat 对象创建一个新标头，然后 clone 它：

Mat RowClone = C.row(1).clone();
cout << "RowClone = " << endl << RowClone << endl << endl;

注意：您可以使用 randu 函数用随机值填充矩阵。您需要为随机值提供下限和上限：

Mat R(3, 2, CV_32FC1);
randu(R, Scalar::all(0), Scalar::all(255));

常用操作示例

在实际开发中，除了创建 Mat 对象，经常需要进行文件读写、格式转换等操作。以下是常用的基础操作示例。

读取与保存图像

// 读取图像
Mat img = imread("input.jpg", IMREAD_COLOR);
if (img.empty()) {
    cout << "无法加载图像" << endl;
    return -1;
}

// 保存图像
imwrite("output.jpg", img);

颜色空间转换

Mat grayImg;
cvtColor(img, grayImg, COLOR_BGR2GRAY);
Mat hsvImg;
cvtColor(img, hsvImg, COLOR_BGR2HSV);

图像缩放

Mat resized;
resize(img, resized, Size(100, 100), 0, 0, INTER_LINEAR);

输出格式与其他数据结构

在上面的示例中，您可以看到默认格式选项。但是，OpenCV 允许您格式化矩阵输出：

cout << "R (default) = " << endl << R << endl << endl;
cout << "R (python) = " << endl << format(R, Formatter::FMT_PYTHON) << endl << endl;
cout << "R (csv) = " << endl << format(R, Formatter::FMT_CSV) << endl << endl;
cout << "R (numpy) = " << endl << format(R, Formatter::FMT_NUMPY) << endl << endl;
cout << "R (c) = " << endl << format(R, Formatter::FMT_C) << endl << endl;

OpenCV 也通过 << 运算符提供对其他常见 OpenCV 数据结构输出的支持：

2D 点

Point P(5, 1);
cout << "点 (2D) = " << P << endl << endl;

3D 点

Point3f P3f(2, 6, 7);
cout << "点 (3D) = " << P3f << endl << endl;

std::vector 通过 Mat

vector<float> v;
v.push_back(1.0f); v.push_back(2.0f); v.push_back(3.01f);
cout << "通过 Mat 的浮点向量 = " << Mat(v) << endl << endl;

std::point 向量

vector<Point> vPoints(20);
for (size_t i = 0; i < vPoints.size(); ++i)
    vPoints[i] = Point((float)(i * 5), (float)(i % 7));
cout << "2D 点的向量 = " << vPoints << endl << endl;

理解 Mat 类的内部机制对于高效编写 OpenCV 程序至关重要。掌握其内存管理策略、数据类型选择以及常用 API，能够帮助开发者在处理大规模图像数据时保持性能优势。