学习了几天，发现mat比IplImage,cvmat 好用太多了。
不知道确切的原文出处，我是转自新浪的一篇博文： http://blog.sina.com.cn/s/blog_534497fd01015k7z.html （ 原创作者如果看到，请提醒我，我会写明原作者 ）
opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。在opencv2.0之前，opencv是完全用C实现的，但是，IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr，这在源代码中会常见。
1. IplImage
opencv中的图像信息头，该结构体定义：
View Code
typedef struct _IplImage { int nSize; int ID; int nChannels; int alphaChannel; int depth; char colorModel[ 4 ]; char channelSeq[ 4 ]; int dataOrder; int origin; int align; int width; int height; struct _IplROI *roi; struct _IplImage *maskROI; void *imageId; struct _IplTileInfo *tileInfo; int imageSize; char *imageData; int widthStep; int BorderMode[ 4 ]; int BorderConst[ 4 ]; char *imageDataOrigin; } IplImage;
dataOrder中的两个取值：交叉存取颜色通道是颜色数据排列将会是BGRBGR...的交错排列。分开的颜色通道是有几个颜色通道就分几个颜色平面存储。 roi是IplROI结构体，该结构体包含了xOffset,yOffset,height,width,coi成员变量，其中xOffset,yOffset是x,y坐标，coi代表channel of interest(感兴趣的通道)，非0的时候才有效。 访问图像中的数据元素，分间接存储和直接存储，当图像元素为浮点型时，(uchar *) 改为 (float *)：
View Code
IplImage* img=cvLoadImage( " lena.jpg " , 1 ); CvScalar s; s=cvGet2D(img,i,j); cvSet2D(img,i,j,s); IplImage* img; // malloc memory by cvLoadImage or cvCreateImage for ( int row = 0 ; row < img->height; row++) { for ( int col = 0 ; col < img->width; col++) { b = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 0 ); g = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 1 ); r = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 2 ); } } IplImage* img; // malloc memory by cvLoadImage or cvCreateImage uchar b, g, r; // 3 channels for ( int row = 0 ; row < img->height; row++) { for ( int col = 0 ; col < img->width; col++) { b = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 0 ]; g = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 1 ]; r = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 2 ]; } }
初始化使用IplImage *，是一个指向结构体IplImage的指针：
View Code
IplImage * cvLoadImage( const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); // load images from specified image IplImage * cvCreateImage(CvSize size, int depth, int channels); // allocate memory
2.CvMat
首先，我们需要知道，第一，在OpenCV中没有向量(vector)结构。任何时候需要向量，都只需要一个列矩阵(如果需要一个转置或者共轭向量，则需要一个行矩阵)。第二，OpenCV矩阵的概念与我们在线性代数课上学习的概念相比，更抽象，尤其是矩阵的元素，并非只能取简单的数值类型，可以是多通道的值。 CvMat 的结构：
View Code
typedef struct CvMat { int type; int step; int * refcount; union { uchar* ptr; short * s; int * i; float * fl; double * db; } data; union { int rows; int height; }; union { int cols; int width; }; } CvMat;
创建CvMat数据：
View Code
CvMat * cvCreateMat( int rows, int cols, int type); CV_INLine CvMat cvMat(( int rows, int cols, int type, void * data CV_DEFAULT); CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP));
对矩阵数据进行访问：
View Code
cvmSet( CvMat* mat, int row, int col, double value); cvmGet( const CvMat* mat, int row, int col ); CvScalar cvGet2D( const CvArr * arr, int idx0, int idx1); // CvArr只作为函数的形参void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
CvMat * cvmat = cvCreateMat( 4 , 4 , CV_32FC1); cvmat->data.fl[row * cvmat->cols + col] = ( float ) 3.0 ; CvMat * cvmat = cvCreateMat( 4 , 4 , CV_64FC1); cvmat->data.db[row * cvmat->cols + col] = 3.0 ;
CvMat * cvmat = cvCreateMat( 4 , 4 , CV_64FC1); CV_MAT_ELEM(*cvmat, double , row, col) = 3.0 ;
if (CV_MAT_DEPTH(cvmat->type) == CV_32F) CV_MAT_ELEM_CN(*cvmat, float , row, col * CV_MAT_CN(cvmat->type) + ch) = ( float ) 3.0 ; // ch为通道值 if (CV_MAT_DEPTH(cvmat->type) == CV_64F) CV_MAT_ELEM_CN(*cvmat, double , row, col * CV_MAT_CN(cvmat->type) + ch) = 3.0 ; // ch为通道值
for ( int row = 0 ; row < cvmat->rows; row++) { p = cvmat ->data.fl + row * (cvmat->step / 4 ); for ( int col = 0 ; col < cvmat->cols; col++) { *p = ( float ) row + col; *(p+ 1 ) = ( float )row + col + 1 ; *(p+ 2 ) = ( float )row + col + 2 ; p += 3 ; } } CvMat * vector = cvCreateMat( 1 , 3 , CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0 , 0 ) = cvPoint( 100 , 100 ); CvMat * vector = cvCreateMat( 1 , 3 , CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0 , 0 ) = CvScalar( 0 , 0 , 0 , 0 );
复制矩阵操作：
View Code
CvMat* M1 = cvCreateMat( 4 , 4 ,CV_32FC1); CvMat* M2; M2=cvCloneMat(M1);
3.Mat
Mat是opencv2.0推出的处理图像的新的数据结构，现在越来越有趋势取代之前的cvMat和lplImage，相比之下Mat最大的好处就是能够更加方便的进行内存管理，不再需要程序员手动管理内存的释放。opencv2.3中提到Mat是一个多维的密集数据数组，可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
View Code
class CV_EXPORTS Mat { public ： int flags;（Note ：目前还不知道flags做什么用的） int dims; int rows,cols; uchar *data; int * refcount; ... };
从以上结构体可以看出Mat也是一个矩阵头，默认不分配内存，只是指向一块内存(注意读写保护)。初始化使用create函数或者Mat构造函数，以下整理自opencv2.3.1 Manual:
View Code
Mat(nrows, ncols, type, fillValue]); M.create(nrows, ncols, type);
例子： Mat M( 7 , 7 ,CV_32FC2,Scalar( 1 , 3 )); M.create( 100 , 60 , CV_8UC( 15 ));
int sz[] = { 100 , 100 , 100 }; Mat bigCube( 3 , sz, CV_8U, Scalar:all( 0 ));
double m[ 3 ][ 3 ] = {{a, b, c}, {d, e, f}, {g, h, i}}; Mat M = Mat( 3 , 3 , CV_64F, m).inv();
Mat img(Size( 320 , 240 ),CV_8UC3); Mat img(height, width, CV_8UC3, pixels, step);
IplImage* img = cvLoadImage( " greatwave.jpg " , 1 ); Mat mtx(img, 0 ); // convert IplImage* -> Mat;
访问Mat的数据元素：
View Code
Mat M; M.row( 3 ) = M.row( 3 ) + M.row( 5 ) * 3 ; Mat M1 = M.col( 1 ); M.col( 7 ).copyTo(M1); Mat M; M.at< double >(i,j); M.at(uchar)(i,j); Vec3i bgr1 = M.at(Vec3b)(i,j) Vec3s bgr2 = M.at(Vec3s)(i,j) Vec3w bgr3 = M.at(Vec3w)(i,j) double sum = 0.0f ; for ( int row = 0 ; row < M.rows; row++) { const double * Mi = M.ptr< double >(row); for ( int col = 0 ; col < M.cols; col++) sum += std::max(Mi[j], 0 .); } double sum= 0 ; MatConstIterator< double > it = M.begin< double >(), it_end = M.end< double >(); for (; it != it_end; ++it) sum += std::max(*it, 0 .);
Mat可进行Matlab风格的矩阵操作，如初始化的时候可以用initializers,zeros(), ones(), eye(). 除以上内容之外，Mat还有有3个重要的方法：
View Code
Mat mat = imread( const String* filename); // 读取图像 imshow( const string frameName, InputArray mat); // 显示图像 imwrite ( const string & filename, InputArray img); // 储存图像
4. CvMat, Mat, IplImage之间的互相转换
View Code
IpIImage -> CvMat CvMat matheader; CvMat * mat = cvGetMat(img, &matheader); CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3); cvConvert(img, mat)
IplImage -> Mat Mat::Mat( const IplImage* img, bool copyData= false ); 例子： IplImage* iplImg = cvLoadImage( " greatwave.jpg " , 1 ); Mat mtx(iplImg);
Mat -> IplImage
Mat M
IplImage iplimage = M;
CvMat -> Mat
Mat::Mat(
const
CvMat* m,
bool
copyData=
false
);
Mat -> CvMat
例子(假设Mat类型的imgMat图像数据存在)：
CvMat cvMat = imgMat;
/*
Mat -> CvMat, 类似转换到IplImage，不复制数据只创建矩阵头
在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
Mat有3个重要的方法：
1、Mat mat = imread(const String* filename); 读取图像
2、imshow(const string frameName, InputArray mat); 显示图像
3、imwrite (const string& filename, InputArray img); 储存图像
Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。
A.Mat -> IplImage
同样只是创建图像头，而没有复制数据。
例： // 假设Mat类型的imgMat图像数据存在
IplImage pImg= IplImage(imgMat);
B.Mat -> CvMat
与IplImage的转换类似，不复制数据，只创建矩阵头。
例： // 假设Mat类型的imgMat图像数据存在
CvMat cvMat = imgMat;
二、 CvMat类型与IplImage类型 ：“图像”类型
在openCV中，Mat类型与CvMat和IplImage类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，openCV对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。
补充： IplImage 由 CvMat 派生，而 CvMat 由 CvArr 派生 即CvArr -> CvMat -> IplImage
CvArr 用作函数的参数，无论传入的是 CvMat 或 IplImage ，内部都是按 CvMat 处理。
1.CvMat
A.CvMat-> IplImage
IplImage* img = cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);
cvSaveImage("rice1.bmp",img);
B.CvMat->Mat
与IplImage的转换类似，可以选择是否复制数据。
Mat::Mat(const CvMat* m, bool copyData=false);
在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。
但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵：
CvMat* cvCreatMat(int rows ,int cols , int type);
这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。
2.IplImage
在类型关系上，我们可以说IplImage类型继承自CvMat类型，当然还包括其他的变量将之解析成图像数据。
IplImage类型较之CvMat多了很多参数，比如depth和nChannels。在普通的矩阵类型当中，通常深度和通道数被同时表示，如用32位表示RGB+Alpha.但是，在图像处理中，我们往往将深度与通道数分开处理，这样做是OpenCV对图像表示的一种优化方案。
IplImage的对图像的另一种优化是变量origin----原点。在计算机视觉处理上，一个重要的不便是对原点的定义不清楚，图像来源，编码格式，甚至操作系统都会对原地的选取产生影响。为了弥补这一点，openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角，1表示左下角。
dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值，前者便是对于像素，不同的通道的数据交叉排列，后者表示所有通道按顺序平行排列。
IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。
A.IplImage -> Mat
IplImage* pImg = cvLoadImage("lena.jpg");
Mat img(pImg,0); // 0
是不複製影像，也就是
pImg
與
img
的
data
共用同個記憶體位置，
header
各自有
B.IplImage -> CvMat
法 1 ： CvMat mathdr, *mat = cvGetMat( img, &mathdr );
法2
：
CvMat *mat = cvCreateMat( img->height, img->width, CV_64FC3 );
cvConvert( img, mat );
C.IplImage*-> BYTE*
BYTE* data= img->imageData;
CvMat和IplImage创建时的一个小区别：
1、建立矩阵时，第一个参数为行数，第二个参数为列数。
CvMat* cvCreateMat( int rows, int cols, int type );
2、建立图像时，CvSize第一个参数为宽度，即列数；第二个参数为高度，即行数。这 个和CvMat矩阵正好相反。
IplImage* cvCreateImage(CvSize size, int depth, int channels );
CvSize cvSize( int width, int height );
IplImage 内部 buffer 每行是按 4 字节对齐的， CvMat 没有这个限制
补充：
A.BYTE*-> IplImage*
img= cvCreateImageHeader(cvSize(width,height),depth,channels);
cvSetData(img,data,step);
// 首先由 cvCreateImageHeader() 创建 IplImage 图像头，制定图像的尺寸，深度和通道数；
// 然后由 cvSetData() 根据 BYTE* 图像数据指针设置 IplImage 图像头的数据数据，
// 其中 step 指定该 IplImage 图像每行占的字节数，对于 1 通道的 IPL_DEPTH_8U 图像， step 可以等于 width 。
