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
lindsayshuo8 分钟前
jetson orin系列开发版安装cuda的gpu版本的opencv
人工智能·opencv
向阳逐梦8 分钟前
ROS机器视觉入门：从基础到人脸识别与目标检测
人工智能·目标检测·计算机视觉
Mr.Q16 分钟前
OpenCV和Qt坐标系不一致问题
qt·opencv
陈鋆33 分钟前
智慧城市初探与解决方案
人工智能·智慧城市
qdprobot34 分钟前
ESP32桌面天气摆件加文心一言AI大模型对话Mixly图形化编程STEAM创客教育
网络·人工智能·百度·文心一言·arduino
QQ395753323734 分钟前
金融量化交易模型的突破与前景分析
人工智能·金融
QQ395753323735 分钟前
金融量化交易：技术突破与模型优化
人工智能·金融
The_Ticker1 小时前
CFD平台如何接入实时行情源
java·大数据·数据库·人工智能·算法·区块链·软件工程
Elastic 中国社区官方博客1 小时前
Elasticsearch 开放推理 API 增加了对 IBM watsonx.ai Slate 嵌入模型的支持
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
jwolf21 小时前
摸一下elasticsearch8的AI能力：语义搜索/vector向量搜索案例
人工智能·搜索引擎
热门推荐
01(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02PyTorch机器学习实现液态神经网络03【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总04玄机平台应急响应—webshell查杀05Coze扣子平台完整体验和实践（附国内和国际版对比）06Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO07【目标跟踪】相机运动补偿08Unity中PICO实现 隔空取物 和 接触抓取物体09RAG 实践- Ollama+RagFlow 部署本地知识库10怎样让音频速度变慢？请跟随以下方法进行操作