cv::Mat初始化、赋值初始化与访问方式

初始化

常量赋值初始化

cpp 复制代码
cv::Mat m = (cv::Mat_<float>(3,1) << 1, 2, 1.0);

指定类型和大小的二维数组

cpp 复制代码
cv::Mat m(int rows, int cols, int type);
cv::Mat m(cv::Size sz, int type);

初始化值均为0

cpp 复制代码
//二维数组,类型CV_8UC3, 初始化值cv::Scalar(100, 1, 1)
cv::Mat mat = cv::Mat::zeros(int rows, int cols, CV_8UC3, cv::Scalar(100, 1, 1)); 
cv::Mat mat = cv::Mat::ones(rows, cols, CV_32F); // 全1
cv::Mat mat = cv::Mat::eye(rows, cols, CV_64F); // 单位矩阵

数组赋值

cpp 复制代码
char* data = new char[15];
cv::Mat m3(3, 5, CV_8UC1, data);
//或者, 数据位数对齐
cv::Mat m4(1, 5, CV_8UC3, data);
cv::Mat m6(cv::Size(3, 5), CV_8UC1, data);

指定类型多维数组

cpp 复制代码
 7、指定类型的多维数组
    cv::Mat m(int ndims, const int* sizes, int type);
    int size[3] = { 3, 2, 2 };
    cv::Mat m7(3, size, CV_8UC1);
    //多维赋值
 		int matSize2[] = { 2,2,2 };//每一维元素的个数:8:行,10:列
    char* data2 = new char[8];
    cv::Mat m9(3, matSize2, CV_8UC1, data2);
cpp 复制代码
//使用cv::Vec定义相同类型、大小为n的一维数组初始化
cv::Vec<float, 10> data1{ 1,2,3,4,5, 6,7,8,9,10 };
cv::Mat m1(data1, true);
//使用cv::Matx定义相同类型、大小为mxn的二维数组
cv::Matx<float, 2, 4> data2{ 1,2,3,4,5,6,7,7 };
cv::Mat m2(data2, true);
//使用STL vector定义相同类型的一维数组
std::vector<float> vec{1, 2, 3, 4, 5, 6};
cv::Mat m3(vec, true);

访问:

1、 at 访问

If matrix is of type CV_8U then use Mat.at<uchar >(y,x).

If matrix is of type CV_8S then use Mat.at<schar >(y,x).

If matrix is of type CV_16U then use Mat.at<ushort >(y,x).

If matrix is of type CV_16S then use Mat.at<short >(y,x).

If matrix is of type CV_32S then use Mat.at<int >(y,x).

If matrix is of type CV_32F then use Mat.at<float >(y,x).

If matrix is of type CV_64F then use Mat.at<double >(y,x).

If matrix is of type CV_8UC3 then use Mat.at<Vec3b>(y,x)[0]

优点:直观好理解

缺点:访问速度相对慢

2、ptr指针进行访问

cpp 复制代码
cvInitMatHeader(&mat,3,2,CV_32FC3,data);//3通道
int nChannels = 3;
for(int x=0;x<mat.rows;++x){
	float *p = (float *)(mat.data.ptr + x*mat.step);//指向每一行的起始位置
for(int y=0;y<mat.cols;++y){
		float value[3];
	 value[0] = *(p+y*nChannels);
	 value[1] = *(p+y*nChannels+1);
	 value[2] = *(p+y*nChannels+2);
	 }
 }
相关推荐
火山引擎开发者社区4 分钟前
火山引擎发布系列《AI 安全白皮书》,构筑AI云原生可信基座
人工智能·安全·火山引擎
TonyLee0177 分钟前
pytorch深度学习训练随机种子设置
人工智能·pytorch·深度学习
蓑雨春归7 分钟前
2025 AI Coding实践总结 - AI Coding工具真的好用吗?
人工智能·ai编程
IT·小灰灰11 分钟前
大模型API成本优化实战指南:Token管理的艺术与科学
人工智能·python·数据分析
Mintopia11 分钟前
⚙️ AI冲击下的职场新物种:超级个体
人工智能·llm·aigc
HaiLang_IT12 分钟前
基于卷积神经网络的棉花品种智能识别系统研究
人工智能·神经网络·cnn
云说智树13 分钟前
AI Agent重构制造业:从技术概念到车间实景的落地革命
人工智能·重构
KG_LLM图谱增强大模型14 分钟前
OntoMetric:破解ESG报告难题的“大模型+本体知识图谱”新范式,准确率提升10倍
人工智能·大模型·知识图谱
90后小陈老师18 分钟前
自律APP开发规划测评,个人感觉chatGPT最佳Claude其次
人工智能·chatgpt·ai编程
可触的未来,发芽的智生21 分钟前
2025年终总结:智能涌现的思考→放弃冯诺依曼架构范式,拥抱“约束产生智能”
javascript·人工智能·python·神经网络·程序人生