| 查看: 1070 | 回复: 2 | |||
[交流]
opencv数据结构 已有2人参与
|
|
转自：http://blog.csdn.net/thefutureisour/article/details/8455342 最近在写自己的算法，其实就是对一些传统算法的改进。传统算法可以参考opecv的源代码。在阅读源代码的过程中，我慢慢领会到了opencv的强大之处，并不是因为它实现了各种算法，而是在于它对于基本数据结构的设计，是得其他人可以很方便的使用这些数据结构来实现自己的算法。在帮助手册中，已经对于这些数据结构有比较详细的描述了。今天我就为英语不好的孩子们服务一下，简单的介绍一下它们。 首先介绍2维点对Point_，它的是一个模板类。我们可以直接访问数据成员x,y。它不仅定了+、-、==、!=这4个基本的操作，还定义了点乘、叉乘等操作。特别的这个类还提供了inside函数来判断一个点是否在矩形区域内。此外，还定义了一些其他的类型转化函数，比如转化为1.X版本的CvPoint。 为了方便使用，opencv又对常用的类型进行了定义： typedef Point_<int> Point2i; typedef Point2i Point; typedef Point_<float> Point2f; typedef Point_<double> Point2d; 同理还有Point3_，只不过它是一个3维点(x,y,z)而已。它的常用类型是： typedef Point3_<int> Point3i; typedef Point3_<float> Point3f; typedef Point3_<double> Point3d; 介绍完点，就可以介绍Size_了。它也是模板类。 typedef Size_<int> Size2i; typedef Size2i Size; typedef Size_<float> Size2f Size能够访问的成员变量是height和width。还定义了area函数来求面积。其他的操作基本都是类型转化函数。 下来介绍Rect_模版类。它是由左上角点和长度、宽度定义的。在opecv中，一般定义为左开右闭区间。有意思的是，这个类竟然也提供了一个Rect+Point的函数，作用是对矩形的偏移，还有一个Rect + Size的函数，在左上角不变的情况下，重新调整矩形的大小。其他的操作还有与&和|，是求两个矩形的交集和并集。 除了基本的矩形之外，opecv还提供了一个可以旋转的矩形RotatedRect，它是由中心、变长、旋转角度决定的。你可以访问它的这三个成员，也可以使用points函数返回它的4个顶点，使用boundingRect求出它的外接矩形（非旋转），下面是一个例子： [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,vertices[(i+1)%4],Scalar(0,255,0)); Rect brect = rRect.boundingRect(); rectangle(bg,brect,Scalar(255,0,0)); imshow("",bg); waitKey(); return 0; } 下面介绍Matx类，这也是一个模板类，用来记录一些小的矩形。这些矩形在编译前大小就固定了： 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; 如果要使用灵活的矩形，还是用Mat吧。 下面介绍Vec类，它其实是元素较少的向量。 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、减、数乘、相等、不等、求范数等运算。 Scalar_类其实是用Vec<tp,4>派生下来的，也就是说，它是一个4元组：typedef Scalar_<double> Scalar; 他通常用来传递像素。 Range类用来指定连续的子序列。比如矩阵的一部分，比较简单，我们直接看定义： [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; }; 讲完这些简单的类型之后，我们看一个非常重要的类型；Mat。Mat是opencv中的一种非常重要的数据结构，当刚开始使用时，我仅仅把它当做一个储存图像的数据结构，后来才慢慢理解，它不仅可以储存二维矩阵，也可以储存高维矩阵，这在模式识别、机器学习中是非常常用的。对于这类问题，我们就没有必要自己手动分配内存了，直接使用它们就可以了。这个类的内容很多，但opencv的帮助手册，很好的帮我们理清的其中的内容。 其中的核心数据成员data的储存方式在前一篇博客《我的OpenCV学习笔记（23）：Mat中实际数据是如何保存的》中已经讨论过了，这里只做一个补充，就是多维情况： [cpp] view plaincopy int main(void) { int sz[]={4,5,6}; Mat img(3,sz,CV_8U);//3维数组 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; //遍历每个元素 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; } 我们建立了一个3维数组，数组的每一维长度分别为4,5,6。这可以通过size来获得。由于每个第一维向量中包含5个第二维的数组，而每个第二维数组中又包含了6个第三维数组，所以第一维每增加一步，相当于整个地址移动了5*6.所以step[0],等于30. 下面我们主要是看看Mat提供的函数。 首先是构造函数，光构造函数就有很多种，这里介绍几种常用的方式： 1.使用(nrows, ncols, type)，初始化2维矩阵 // 创建一个7*7的2通道浮点矩阵，通常这样的矩阵用来表示复矩阵 Mat M(7,7,CV_32FC2,Scalar(1,3)); //改变为100*60的15通道uchar矩阵，原先的数据将会被释放 M.create(100,60,CV_8UC(15)); 创建高维矩阵 //创建100*100*100的3维矩阵 int sz[] = {100, 100, 100}; Mat bigCube(3, sz, CV_8U, Scalar::all(0)); 下面是一些简单的对整行、整列的操作 // 第5行*3 + 第3行，这样的操作在线性代数中很常见 M.row(3) = M.row(3) + M.row(5)*3; // 把第7列拷贝到第1列 // M.col(1) = M.col(7); // 不能这样写 Mat M1 = M.col(1); M.col(7).copyTo(M1); 用源图像的一部分创建新图像 // 创建一个320*240的图像 Mat img(Size(320,240),CV_8UC3); // 选择感兴趣区域 Mat roi(img, Rect(10,10,100,100)); // 将区域改为绿色，原图像也会发生修改 roi = Scalar(0,255,0); B是A的[1,3)列，对B的修改会影响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; } 如果需要深拷贝，则使用clone方法。 对于初始化Mat，还有其他的一些方法： 比如Matlab风格的 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); 如果是处理“外来”的数据，那么则在构造函数中加上data则会非常方便的将外来数据转化为Mat结构： [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(); 特别的，对于与opencv1.X中的IplImage结构的交互： [cpp] view plaincopy IplImage* img = cvLoadImage("greatwave.jpg", 1); Mat mtx(img); // convert IplImage* -> Mat CvMat oldmat = mtx; // convert Mat -> CvMat 说完了，构造、初始化，应该讨论元素访问的方法，这个在之前的博客中也有提过《我的OpenCV学习笔记（二）：操作每个像素》这里就不再重复了。 |
回复此楼» 猜你喜欢
306求调剂
已经有4人回复
-
材料学学硕337求调剂-一志愿华中科技大学
已经有4人回复
-
求调剂
已经有6人回复
-
313求调剂
已经有3人回复
-
一志愿重庆大学085700资源与环境总分308求调剂
已经有3人回复
-
南昌大学材料专硕311分求调剂
已经有6人回复
-
316求调剂
已经有6人回复
-
346求调剂[0856]
已经有7人回复
-
一志愿山大07化学 332分 四六级已过 本科山东双非 求调剂！
已经有3人回复
-
310求调剂
已经有3人回复
_tony
木虫 (小有名气)
- 应助: 1 (幼儿园)
- 金币: 2193.1
- 红花: 2
- 帖子: 230
- 在线: 154.5小时
- 虫号: 2981977
- 注册: 2014-02-20
- 专业: 计算机应用技术
2楼2016-01-04 16:28:15
3楼2016-01-14 00:11:02
