【NCNN】NCNN中Mat与CV中Mat的使用区别及相互转换方法

目录

• 相同点与不同点
• cv::Mat转ncnn::Mat
• • [cv::Mat CV_8UC3 -> ncnn::Mat 3 channel + swap RGB/BGR](#cv::Mat CV_8UC3 -> ncnn::Mat 3 channel + swap RGB/BGR)
  • [cv::Mat CV_8UC3 -> ncnn::Mat 1 channel + do RGB2GRAY/BGR2GRAY](#cv::Mat CV_8UC3 -> ncnn::Mat 1 channel + do RGB2GRAY/BGR2GRAY)
  • [cv::Mat CV_8UC1 -> ncnn::Mat 1 channel](#cv::Mat CV_8UC1 -> ncnn::Mat 1 channel)
• ncnn::Mat转cv::Ma
• • [ncnn::Mat 3 channel -> cv::Mat CV_8UC3 + swap RGB/BGR](#ncnn::Mat 3 channel -> cv::Mat CV_8UC3 + swap RGB/BGR)
  • [ncnn::Mat 3 channel -> cv::Mat CV_8UC3 + keep RGB/BGR order](#ncnn::Mat 3 channel -> cv::Mat CV_8UC3 + keep RGB/BGR order)
  • [ncnn::Mat 1 channel -> cv::Mat CV_32FC1](#ncnn::Mat 1 channel -> cv::Mat CV_32FC1)
  • [ncnn::Mat multiple channels -> std::vector < cv::Mat > + CV_32FC1](#ncnn::Mat multiple channels -> std::vector < cv::Mat > + CV_32FC1)

相同点与不同点

ncnn::Mat和cv::Mat在某些方面是相似的，但也存在一些区别。

相似之处：

ncnn::Mat和cv::Mat都是用于表示图像或矩阵数据的类。

它们都提供了类似的API，可以访问和操作图像数据。

它们都支持多种像素格式和通道数。

区别之处：

库的不同：ncnn::Mat是ncnn库中的数据类型，用于在ncnn中进行模型推理和图像处理。而cv::Mat是OpenCV库中的数据类型，用于图像处理和计算机视觉任务。

数据存储方式：ncnn::Mat使用行优先存储方式，而cv::Mat使用列优先存储方式。这意味着在访问像素时，它们的内存布局是不同的。

功能和用途：ncnn::Mat主要用于在ncnn中进行模型推理和图像处理，提供了与ncnn库相关的功能和接口。cv::Mat主要用于图像处理和计算机视觉任务，提供了丰富的图像处理和计算机视觉函数。

总结来说，ncnn::Mat和cv::Mat在用途和功能上有一些差异，但它们都用于处理图像和矩阵数据，并提供了类似的API，以便于访问和操作这些数据。

ncnn中数据的排列格式为(channel, h, w), cv::Mat中数据的排列格式为(h, w, channel).

cv::Mat转ncnn::Mat

cv::Mat CV_8UC3 -> ncnn::Mat 3 channel + swap RGB/BGR

// cv::Mat a(h, w, CV_8UC3);
ncnn::Mat in = ncnn::Mat::from_pixels(a.data, ncnn::Mat::PIXEL_BGR2RGB, a.cols, a.rows);

cv::Mat CV_8UC3 -> ncnn::Mat 1 channel + do RGB2GRAY/BGR2GRAY

ncnn::Mat inbgr = ncnn::Mat::from_pixels(bgr.data, ncnn::Mat::PIXEL_BGR2GRAY, bgr.cols, bgr.rows);

cv::Mat CV_8UC1 -> ncnn::Mat 1 channel

ncnn::Mat in = ncnn::Mat::from_pixels(a.data, ncnn::Mat::PIXEL_GRAY, a.cols, a.rows);

ncnn::Mat转cv::Ma

ncnn::Mat 3 channel -> cv::Mat CV_8UC3 + swap RGB/BGR

cv::Mat a(in.h, in.w, CV_8UC3);
in.to_pixels(a.data, ncnn::Mat::PIXEL_BGR2RGB);

ncnn::Mat 3 channel -> cv::Mat CV_8UC3 + keep RGB/BGR order

// ncnn::Mat in(w, h, 3);
cv::Mat a(in.h, in.w, CV_8UC3);
in.to_pixels(a.data, ncnn::Mat::PIXEL_RGB);

ncnn::Mat 1 channel -> cv::Mat CV_32FC1

You could consume or manipulate ncnn::Mat data directly to avoid data copy
// ncnn::Mat in;
cv::Mat a(in.h, in.w, CV_32FC1);
memcpy((uchar*)a.data, in.data, in.w * in.h * sizeof(float));

ncnn::Mat multiple channels -> std::vector < cv::Mat > + CV_32FC1

// ncnn::Mat in(w, h, channels);
std::vector<cv::Mat> a(in.c);
for (int p=0; p<in.c; p++)
{
    a[p] = cv::Mat(in.h, in.w, CV_32FC1);
    memcpy((uchar*)a[p].data, in.channel(p), in.w * in.h * sizeof(float));
}