首先介紹2維點(diǎn)對(duì)Point_，它的是一個(gè)模板類。我們可以直接訪問(wèn)數(shù)據(jù)成員x,y。它不僅定了+、-、==、!=這4個(gè)基本的操作，還定義了點(diǎn)乘、叉乘等操作。特別的這個(gè)類還提供了inside函數(shù)來(lái)判斷一個(gè)點(diǎn)是否在矩形區(qū)域內(nèi)。此外，還定義了一些其他的類型轉(zhuǎn)化函數(shù)，比如轉(zhuǎn)化為1.X版本的CvPoint。
為了方便使用，opencv又對(duì)常用的類型進(jìn)行了定義：
typedef Point_<int> Point2i;
typedef Point2i Point;
typedef Point_<float> Point2f;
typedef Point_<double> Point2d;


同理還有Point3_，只不過(guò)它是一個(gè)3維點(diǎn)(x,y,z)而已。它的常用類型是：
typedef Point3_<int> Point3i;
typedef Point3_<float> Point3f;
typedef Point3_<double> Point3d;


介紹完點(diǎn)，就可以介紹Size_了。它也是模板類。
typedef Size_<int> Size2i;
typedef Size2i Size;
typedef Size_<float> Size2f
Size能夠訪問(wèn)的成員變量是height和width。還定義了area函數(shù)來(lái)求面積。其他的操作基本都是類型轉(zhuǎn)化函數(shù)。


下來(lái)介紹Rect_模版類。它是由左上角點(diǎn)和長(zhǎng)度、寬度定義的。在opecv中，一般定義為左開右閉區(qū)間。有意思的是，這個(gè)類竟然也提供了一個(gè)Rect+Point的函數(shù)，作用是對(duì)矩形的偏移，還有一個(gè)Rect + Size的函數(shù)，在左上角不變的情況下，重新調(diào)整矩形的大小。其他的操作還有與&和|，是求兩個(gè)矩形的交集和并集。

除了基本的矩形之外，opecv還提供了一個(gè)可以旋轉(zhuǎn)的矩形RotatedRect，它是由中心、變長(zhǎng)、旋轉(zhuǎn)角度決定的。你可以訪問(wèn)它的這三個(gè)成員，也可以使用points函數(shù)返回它的4個(gè)頂點(diǎn)，使用boundingRect求出它的外接矩形（非旋轉(zhuǎn)），下面是一個(gè)例子：

[cpp]?view plaincopy

int?main(void)??

{??

????Mat?bg(200,200,CV_8UC3,Scalar(0));??

????imshow("",bg);??

????RotatedRect?rRect(Point2f(100,100),Size(100,100),40);???

????Point2f?vertices[4];??

????rRect.points(vertices);??

????for(int?i?=?0;?i?<?4;++i)??

????????line(bg,vertices[i],vertices[(i+1)%4],Scalar(0,255,0));??

????Rect?brect?=?rRect.boundingRect();??

????rectangle(bg,brect,Scalar(255,0,0));??

????imshow("",bg);??

????waitKey();??

????return?0;??

}??

下面介紹Matx類，這也是一個(gè)模板類，用來(lái)記錄一些小的矩形。這些矩形在編譯前大小就固定了：
typedef Matx<float, 1, 2> Matx12f;
typedef Matx<double, 1, 2> Matx12d;
...
typedef Matx<float, 1, 6> Matx16f;
typedef Matx<double, 1, 6> Matx16d;
typedef Matx<float, 2, 1> Matx21f;
typedef Matx<double, 2, 1> Matx21d;
...
typedef Matx<float, 6, 1> Matx61f;
typedef Matx<double, 6, 1> Matx61d;
typedef Matx<float, 2, 2> Matx22f;
typedef Matx<double, 2, 2> Matx22d;
...
typedef Matx<float, 6, 6> Matx66f;
typedef Matx<double, 6, 6> Matx66d;


如果要使用靈活的矩形，還是用Mat吧。


下面介紹Vec類，它其實(shí)是元素較少的向量。
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;
它支持加、減、數(shù)乘、相等、不等、求范數(shù)等運(yùn)算。




Scalar_類其實(shí)是用Vec<tp,4>派生下來(lái)的，也就是說(shuō)，它是一個(gè)4元組：typedef Scalar_<double> Scalar;
他通常用來(lái)傳遞像素。


Range類用來(lái)指定連續(xù)的子序列。比如矩陣的一部分，比較簡(jiǎn)單，我們直接看定義：

[cpp]?view plaincopy

class?CV_EXPORTS?Range??

{??

public:??

????Range();??

????Range(int?_start,?int?_end);??

????Range(const?CvSlice&?slice);??

????int?size()?const;??

????bool?empty()?const;??

????static?Range?all();??

????operator?CvSlice()?const;??

??

????int?start,?end;??

};??

講完這些簡(jiǎn)單的類型之后，我們看一個(gè)非常重要的類型；Mat。Mat是opencv中的一種非常重要的數(shù)據(jù)結(jié)構(gòu)，當(dāng)剛開始使用時(shí)，我僅僅把它當(dāng)做一個(gè)儲(chǔ)存圖像的數(shù)據(jù)結(jié)構(gòu)，后來(lái)才慢慢理解，它不僅可以儲(chǔ)存二維矩陣，也可以儲(chǔ)存高維矩陣，這在模式識(shí)別、機(jī)器學(xué)習(xí)中是非常常用的。對(duì)于這類問(wèn)題，我們就沒(méi)有必要自己手動(dòng)分配內(nèi)存了，直接使用它們就可以了。這個(gè)類的內(nèi)容很多，但opencv的幫助手冊(cè)，很好的幫我們理清的其中的內(nèi)容。
其中的核心數(shù)據(jù)成員data的儲(chǔ)存方式在前一篇博客《我的OpenCV學(xué)習(xí)筆記（23）：Mat中實(shí)際數(shù)據(jù)是如何保存的》中已經(jīng)討論過(guò)了，這里只做一個(gè)補(bǔ)充，就是多維情況：

[cpp]?view plaincopy

int?main(void)??

{??

????int?sz[]={4,5,6};??

????Mat?img(3,sz,CV_8U);//3維數(shù)組??

????cout<<img.dims<<endl;??

????cout<<img.size[0]<<endl;??

????cout<<img.size[1]<<endl;??

????cout<<img.size[2]<<endl;??

??

????cout<<img.step[0]<<endl;??

????cout<<img.step[1]<<endl;??

????cout<<img.step[2]<<endl;??

????//遍歷每個(gè)元素??

????for(int?i?=?0;?i?<?4;++i)??

????{??

????????for(int?j?=?0;?j?<?5;++j)??

????????{??

????????????for(int?k?=?0;?k?<?6;++k)??

????????????{??

????????????????cout<<(int)*(B.data?+?B.step[0]*i?+?B.step[1]*j?+?B.step[2]*k)<<endl;??

????????????}??

????????}??

????}??

????return?0;??

}??

我們建立了一個(gè)3維數(shù)組，數(shù)組的每一維長(zhǎng)度分別為4,5,6。這可以通過(guò)size來(lái)獲得。由于每個(gè)第一維向量中包含5個(gè)第二維的數(shù)組，而每個(gè)第二維數(shù)組中又包含了6個(gè)第三維數(shù)組，所以第一維每增加一步，相當(dāng)于整個(gè)地址移動(dòng)了5*6.所以step[0],等于30.
下面我們主要是看看Mat提供的函數(shù)。
首先是構(gòu)造函數(shù)，光構(gòu)造函數(shù)就有很多種，這里介紹幾種常用的方式：
1.使用(nrows, ncols, type)，初始化2維矩陣
// 創(chuàng)建一個(gè)7*7的2通道浮點(diǎn)矩陣，通常這樣的矩陣用來(lái)表示復(fù)矩陣
Mat M(7,7,CV_32FC2,Scalar(1,3));
//改變?yōu)?00*60的15通道uchar矩陣，原先的數(shù)據(jù)將會(huì)被釋放
M.create(100,60,CV_8UC(15));
創(chuàng)建高維矩陣
//創(chuàng)建100*100*100的3維矩陣
int sz[] = {100, 100, 100};
Mat bigCube(3, sz, CV_8U, Scalar::all(0));


下面是一些簡(jiǎn)單的對(duì)整行、整列的操作
// 第5行*3 + 第3行，這樣的操作在線性代數(shù)中很常見(jiàn)
M.row(3) = M.row(3) + M.row(5)*3;


// 把第7列拷貝到第1列
// M.col(1) = M.col(7); // 不能這樣寫
Mat M1 = M.col(1);
M.col(7).copyTo(M1);


用源圖像的一部分創(chuàng)建新圖像
// 創(chuàng)建一個(gè)320*240的圖像
Mat img(Size(320,240),CV_8UC3);
// 選擇感興趣區(qū)域
Mat roi(img, Rect(10,10,100,100));
// 將區(qū)域改為綠色，原圖像也會(huì)發(fā)生修改
roi = Scalar(0,255,0);


B是A的[1,3)列，對(duì)B的修改會(huì)影響A

[cpp]?view plaincopy

int?main(void)??

{??

????Mat?A?=?Mat::eye(5,5,CV_8U);??

??

????Mat?B?=?A(Range::all(),Range(1,3));??

????B.setTo(100);??

????for(int?i?=?0;?i?<?5;++i)??

????{??

????????for(int?j?=?0;?j?<?5;++j)??

????????{??

????????????cout<<(int)A.at<uchar>(i,j)<<endl;??

????????}??

????}??

????return?0;??

}??

如果需要深拷貝，則使用clone方法。


對(duì)于初始化Mat，還有其他的一些方法：
比如Matlab風(fēng)格的 zeros(), ones(), eye()：
M += Mat::eye(M.rows, M.cols, CV_64F);


Mat M = (Mat_<double>(3,3) << 1, 0, 0, 0, 1, 0, 0, 0, 1);


如果是處理“外來(lái)”的數(shù)據(jù)，那么則在構(gòu)造函數(shù)中加上data則會(huì)非常方便的將外來(lái)數(shù)據(jù)轉(zhuǎn)化為Mat結(jié)構(gòu)：

[cpp]?view plaincopy

void?process_video_frame(const?unsigned?char*?pixels,int?width,?int?height,?int?step)??

{??

????Mat?img(height,?width,?CV_8UC3,?pixels,?step);??

????GaussianBlur(img,?img,?Size(7,7),?1.5,?1.5);??

}??

??

double?m[3][3]?=?{{a,?b,?c},?{d,?e,?f},?{g,?h,?i}};??

Mat?M?=?Mat(3,?3,?CV_64F,?m).inv();??

特別的，對(duì)于與opencv1.X中的IplImage結(jié)構(gòu)的交互：

[cpp]?view plaincopy

IplImage*?img?=?cvLoadImage("greatwave.jpg",?1);??

Mat?mtx(img);?//?convert?IplImage*?->?Mat??

CvMat?oldmat?=?mtx;?//?convert?Mat?->?CvMat??

說(shuō)完了，構(gòu)造、初始化，應(yīng)該討論元素訪問(wèn)的方法，這個(gè)在之前的博客中也有提過(guò)《我的OpenCV學(xué)習(xí)筆記（二）：操作每個(gè)像素》這里就不再重復(fù)了。

總結(jié)

以上是生活随笔為你收集整理的OpenCV中的数据结构的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。