OpenCV Mat实例详解 一

Bill662024-02-19 12:39

OpenCV中的Mat是一个类，它用存储图像信息。由两部分数据组成：矩阵头和像素值矩阵。矩阵头包含矩阵尺寸、存储方法、存储地址等信息，而像素值矩阵则存储实际的像素值数据。

Mat类在OpenCV中有十分重要的作用，图像信息的载入、保存、传递都离不开Mat类。OpenCV用来保存图像矩阵类型的数据信息，包括向量、矩阵、灰度或彩色图像等数据。通过使用Mat类，可以对图像进行各种操作和变换，例如裁剪、旋转、缩放、滤波等。 下面详细介绍Mat类中的常用方法（函数）。

Mat 类的常用构造函数

Mat类的构造函数原型有很多，下面介绍几个常用的构造函数及其用法。

Mat (int rows, int cols, int type)；

rows图像的像素行数，也可以说是以像素为单位的高度。

cols图像的像素列数，也可以说是以像素为单位的宽度。

type 数据类型，OpenCV的数据类型定义在interface.h中。如下：

#define 	CV_8U   0
 
#define 	CV_8S   1
 
#define 	CV_16U   2
 
#define 	CV_16S   3
 
#define 	CV_32S   4
 
#define 	CV_32F   5
 
#define 	CV_64F   6
 
#define 	CV_16F   7
  
#define 	CV_MAKE_TYPE   CV_MAKETYPE
 
#define 	CV_8UC1   CV_MAKETYPE(CV_8U,1)
 
#define 	CV_8UC2   CV_MAKETYPE(CV_8U,2)
 
#define 	CV_8UC3   CV_MAKETYPE(CV_8U,3)
 
#define 	CV_8UC4   CV_MAKETYPE(CV_8U,4)
 
#define 	CV_8UC(n)   CV_MAKETYPE(CV_8U,(n))
 
#define 	CV_8SC1   CV_MAKETYPE(CV_8S,1)
 
#define 	CV_8SC2   CV_MAKETYPE(CV_8S,2)
 
#define 	CV_8SC3   CV_MAKETYPE(CV_8S,3)
 
#define 	CV_8SC4   CV_MAKETYPE(CV_8S,4)
 
#define 	CV_8SC(n)   CV_MAKETYPE(CV_8S,(n))
 
#define 	CV_16UC1   CV_MAKETYPE(CV_16U,1)
 
#define 	CV_16UC2   CV_MAKETYPE(CV_16U,2)
 
#define 	CV_16UC3   CV_MAKETYPE(CV_16U,3)
 
#define 	CV_16UC4   CV_MAKETYPE(CV_16U,4)
 
#define 	CV_16UC(n)   CV_MAKETYPE(CV_16U,(n))
 
#define 	CV_16SC1   CV_MAKETYPE(CV_16S,1)
 
#define 	CV_16SC2   CV_MAKETYPE(CV_16S,2)
 
#define 	CV_16SC3   CV_MAKETYPE(CV_16S,3)
 
#define 	CV_16SC4   CV_MAKETYPE(CV_16S,4)
 
#define 	CV_16SC(n)   CV_MAKETYPE(CV_16S,(n))
 
#define 	CV_32SC1   CV_MAKETYPE(CV_32S,1)
 
#define 	CV_32SC2   CV_MAKETYPE(CV_32S,2)
 
#define 	CV_32SC3   CV_MAKETYPE(CV_32S,3)
 
#define 	CV_32SC4   CV_MAKETYPE(CV_32S,4)
 
#define 	CV_32SC(n)   CV_MAKETYPE(CV_32S,(n))
 
#define 	CV_32FC1   CV_MAKETYPE(CV_32F,1)
 
#define 	CV_32FC2   CV_MAKETYPE(CV_32F,2)
 
#define 	CV_32FC3   CV_MAKETYPE(CV_32F,3)
 
#define 	CV_32FC4   CV_MAKETYPE(CV_32F,4)
 
#define 	CV_32FC(n)   CV_MAKETYPE(CV_32F,(n))
 
#define 	CV_64FC1   CV_MAKETYPE(CV_64F,1)
 
#define 	CV_64FC2   CV_MAKETYPE(CV_64F,2)
 
#define 	CV_64FC3   CV_MAKETYPE(CV_64F,3)
 
#define 	CV_64FC4   CV_MAKETYPE(CV_64F,4)
 
#define 	CV_64FC(n)   CV_MAKETYPE(CV_64F,(n))
 
#define 	CV_16FC1   CV_MAKETYPE(CV_16F,1)
 
#define 	CV_16FC2   CV_MAKETYPE(CV_16F,2)
 
#define 	CV_16FC3   CV_MAKETYPE(CV_16F,3)
 
#define 	CV_16FC4   CV_MAKETYPE(CV_16F,4)
 
#define 	CV_16FC(n)   CV_MAKETYPE(CV_16F,(n))

下面以实例演示其用法

在VS 中新建一个C++ 控制台程序，完成代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    Mat tmp(100,200, CV_8U);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
}

试运行，结果如下：

说明已成功构造对象。将构造函数的type直接输入0，也是同样的结果。如下:

Mat tmp(100, 200,0);

如果将type参数用CV_8UC1替代结果又如何，如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    Mat tmp(100, 200, CV_8UC1);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
}

试运行的结果，如下：

结果并未发生改变。修改代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    Mat tmp(100, 200, CV_8UC1);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
}

、试运行，结果如下：

再次修改代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    Mat tmp(100, 200, CV_8UC2);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
}

试运行，结果如下：

可以看出数据类型与通道数发生了改变，位深度是0，即8位。再修改代码改成如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    Mat tmp(100, 200, CV_8SC3);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
}

试运行结果如下：

说明type参数与位深度与通道数相关。从数据类型定义即可看出，如CV_8UC1其中的8U表示位深度为0，即8位无符号数据，C1表示通道数为1。

Mat (Size size, int type)；

这个构造函数与上面构造函数，只不过用Size参数代替了rows、cols参数。下面演示其使用。将上面的示例代码修改如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);

    Mat tmp(Size(100, 200), CV_16UC3);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
}

试运行，结果如下：

可以看出Size的第一个参数是cols，第二个参数是rows，这点需要注意。

MatMat (int rows, int cols, int type, const Scalar &s)

修改上面示例程序代码来演示该构造函数的使用，代码修改如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);

    Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    imshow("构造图像", tmp);
    waitKey(0);

试运行，结果如下：

可以看出，已经构造出蓝色图片的Mat对象。

Mat (Size size, int type, const Scalar &s)

这个构造函数与上面的构造函数类似，就不再做详细介绍。

Mat (int ndims, const int *sizes, int type)

ndims 维数，只有1,2有效。

size 包含rows，cols的数组名

修改上面示例代码，来演示该构造函数的用法，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    int size[] = {400,200};
    Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行后，结果如下：

可以看出，数组的第一个元素被作为rows，第二个元素作为cols。把ndims参数值设为1，运行结果如下：

可以看出，构造对象图片的列变成了1，rows依然使用的数组的第一个元素。

Mat (const std::vector< int > &sizes, int type)；

Mat (int ndims, const int *sizes, int type, const Scalar &s)

size 装有图像维度数据的vector 对象，

type 数据类型

s 含义颜色信息的Scalar参数

修改上面例程中的代码，来演示该构造函数的用法，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    vector<int> size(2);
    size[0] = 400;
    size[1] = 200;
    Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

可以看出已成功构造对象，且vector对象的第一个元素作为rows，第二个元素作为cols。

Mat (const Mat &m)

以已有的Mat对象，构造新的·Mat对象。m： Mat源

修改上面代码，来演示该构造函数的使用方法，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    Mat tmp = Mat(src);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

Mat (int rows, int cols, int type, void *data, size_t step=AUTO_STEP)；

Mat (Size size, int type, void *data, size_t step=AUTO_STEP)；

Mat (int ndims, const int *sizes, int type, void *data, const size_t *steps=0)；

Mat (const std::vector< int > &sizes, int type, void *data, const size_t *steps=0)；

rows 构造对象图像rows

cols 构造对象图像 cols

type 构造对象图像数据类型

data 构造对象图像数据指针

ndims 构造对象图像的维度数

size 包含构造对象rows，cols参数的数组名

step 每个行矩阵所占的字节数。

steps 指向step的指针。

修改上面示例代码，来演示以上构造函数的用法，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

修改上面示例代码，来演示另外构造函数的使用，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    //Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    Mat tmp = Mat(src.size(), src.type(), src.data);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

修改上面示例代码，来演示另外构造函数的使用，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    //Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    //Mat tmp = Mat(src.size(), src.type(), src.data);
    Mat tmp = Mat(700,800, CV_8UC3, src.data+800*3);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

Mat (const Mat &m, const Range &rowRange, const Range &colRange=Range::all())；

Mat (const Mat &m, const Rect &roi)；

Mat (const Mat &m, const Range *ranges)；

Mat (const Mat &m, const std::vector< Range > &ranges)；

m 分配给构建对象的Mat对象

rowRange 行范围

colRange 列范围

roi 感兴趣的矩形区域

ranges Range数组或Range的vector 容器

用此构造函数构建的Mat对象不会拷贝数据，修改新构建对象的数据反而来修改新构建Mat对象的数据会修改已有Mat对象m的数据，实质上已有图像构建感兴趣区域对象。

修改上面示例代码，来演示构造函数的使用，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    //Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    //Mat tmp = Mat(src.size(), src.type(), src.data);
    //Mat tmp = Mat(700,800, CV_8UC3, src.data+800*3);
    Range rowRange = Range(0, 700);
    Range colRange = Range(0, 700);
    Mat tmp = Mat(src, rowRange, colRange);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

修改上面示例代码，来演示构造函数的使用，修改后的代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    //Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    //Mat tmp = Mat(src.size(), src.type(), src.data);
    //Mat tmp = Mat(700,800, CV_8UC3, src.data+800*3);
    //Range rowRange = Range(0, 700);
    //Range colRange = Range(0, 700);
    //Mat tmp = Mat(src, rowRange, colRange);
    Rect rec = Rect(100, 0, 700, 700);
    Mat tmp = Mat(src, rec);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

修改上面代码，来演示另一构造函数的使用，修改后的代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    //Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    //Mat tmp = Mat(src.size(), src.type(), src.data);
    //Mat tmp = Mat(700,800, CV_8UC3, src.data+800*3);
    //Range rowRange = Range(0, 700);
    //Range colRange = Range(0, 700);
    //Mat tmp = Mat(src, rowRange, colRange);
    //Rect rec = Rect(100, 0, 700, 700);
    //Mat tmp = Mat(src, rec);
    Range rowRange = Range(0, 700);
    Range colRange = Range(100, 700);
    Range ranges[] = {rowRange, colRange};
    Mat tmp = Mat(src, ranges);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

试运行，结果如下：

修改上面代码，来演示另一构造函数的使用，修改后的代码如下：

// OpenCVMatTest.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。


#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    //Mat tmp(100,200, CV_8U);
    //Mat tmp(100, 200, CV_8UC2);
    //Mat tmp(100, 200, CV_8SC3);
    //Mat tmp = Mat(Size(400, 200), CV_8UC3, Scalar(255,0,0));
    //int size[] = {400,200};
    // Mat tmp = Mat(2, size, CV_8UC3, Scalar(0,255,0));
    //Mat tmp = Mat(1, size, CV_8UC3, Scalar(0, 255, 0));
    //vector<int> size(2);
    //size[0] = 400;
    //size[1] = 200;
    //Mat tmp = Mat(size, CV_8UC3, Scalar(0, 255, 0));
    Mat src = imread("1.jpg");
    src.resize(src.rows / 2, src.cols / 2);
    //Mat tmp = Mat(src);
    //Mat tmp = Mat(src.rows, src.cols, src.type(),src.data);
    //Mat tmp = Mat(src.size(), src.type(), src.data);
    //Mat tmp = Mat(700,800, CV_8UC3, src.data+800*3);
    //Range rowRange = Range(0, 700);
    //Range colRange = Range(0, 700);
    //Mat tmp = Mat(src, rowRange, colRange);
    //Rect rec = Rect(100, 0, 700, 700);
    //Mat tmp = Mat(src, rec);
    Range rowRange = Range(0, 700);
    Range colRange = Range(100, 700);
    //Range ranges[] = {rowRange, colRange};
    //Mat tmp = Mat(src, ranges);
    vector<Range> ranges1(2);
    ranges1[0] = rowRange;
    ranges1[1] = colRange;
    Mat tmp = Mat(src, ranges1);
    cout <<"构造Mat对象的高度为： " << tmp.rows << endl;
    cout << "构造Mat对象的宽度为： " << tmp.cols << endl;
    cout << "构造Mat对象的通道数为： " << tmp.channels() << endl;
    cout << "构造Mat对象的位深度为： " << tmp.depth() << endl;
    cout << "构造Mat对象的数据类型为： " << tmp.type() << endl;
    cout << "构造Mat对象的Size为： " << tmp.size() << endl;
    cout << "构造Mat对象的Step为： " << tmp.step << endl;
    imshow("构造图像", tmp);
    waitKey(0);
}

由于篇幅关系，OpenCV构造函数暂时介绍在这里，将在下篇博文中继续介绍OpenCV Mat类。

本篇 博文示例是基于OpenCV4.8（opencv目录位于d盘根目录下）及VS2022。示例源码已上传到CSDN，其链接为：https://download.csdn.net/download/billliu66/88831683

相关推荐
GocNeverGiveUp4 分钟前
机器学习2-NumPy
人工智能·机器学习·numpy
B站计算机毕业设计超人1 小时前
计算机毕业设计PySpark+Hadoop中国城市交通分析与预测 Python交通预测 Python交通可视化 客流量预测 交通大数据 机器学习 深度学习
大数据·人工智能·爬虫·python·机器学习·课程设计·数据可视化
学术头条1 小时前
清华、智谱团队：探索 RLHF 的 scaling laws
人工智能·深度学习·算法·机器学习·语言模型·计算语言学
18号房客1 小时前
一个简单的机器学习实战例程，使用Scikit-Learn库来完成一个常见的分类任务——**鸢尾花数据集（Iris Dataset）**的分类
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·sklearn
feifeikon1 小时前
机器学习DAY3 : 线性回归与最小二乘法与sklearn实现 （线性回归完）
人工智能·机器学习·线性回归
游客5201 小时前
opencv中的常用的100个API
图像处理·人工智能·python·opencv·计算机视觉
古希腊掌管学习的神1 小时前
[机器学习]sklearn入门指南（2）
人工智能·机器学习·sklearn
凡人的AI工具箱2 小时前
每天40分玩转Django：Django国际化
数据库·人工智能·后端·python·django·sqlite
咸鱼桨2 小时前
《庐山派从入门到...》PWM板载蜂鸣器
人工智能·windows·python·k230·庐山派
强哥之神2 小时前
Nexa AI发布OmniAudio-2.6B：一款快速的音频语言模型，专为边缘部署设计
人工智能·深度学习·机器学习·语言模型·自然语言处理·音视频·openai
热门推荐
01【一文读懂】NTN（非地面网络）技术介绍02优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间03玄机平台应急响应—webshell查杀04Cube-Studio：开源大模型全链路一站式中台05基于大语言模型（LLM）的合成数据生成、策展和评估的综述06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07组基轨迹建模 GBTM的介绍与实现（Stata 或 R）08HCIA-datacom数通题库和录播视频资料09Docker 夺命连环 15 问10RAG 实践- Ollama+RagFlow 部署本地知识库