Opencv2.4.6自带文档中文笔记(core).pdf

OpenCV 是一个强大的计算机视觉库，它包含了众多用于图像处理和计算机视觉的函数。在OpenCV 2.4.6版本中，核心模块（core）是基础，它提供了基本的数据结构和操作，如`Mat`类，它是OpenCV中表示二维数组或矩阵的主要类。 `Mat`类的核心特性之一是其内部数据指针`Mat.data`，这是一个`uchar`类型的指针。对于`CV_8U`（8位无符号整型）系列的矩阵，可以通过简单的指针运算快速访问任意元素。例如，二维单通道矩阵的元素可以通过`Mat::at(i, j)`进行访问，其中`i`代表行索引，`j`代表列索引。然而，对于多通道和非`uchar`类型的矩阵，直接使用指针访问会更为复杂。这时，可以利用`Mat::ptr()`来获取指向特定行的指针，再通过行数和通道数计算出对应元素的指针。 为了方便访问，可以自定义模板函数，如`getMatPointPtr`和`getMatPoint`。这两个函数分别返回一个指向`Mat`中指定位置元素的指针和直接访问该元素的值。它们没有进行边界检查，因此使用时需谨慎。在OpenCV中，`Mat::at()`和`Mat::ptr()`都内置了边界检查，但自定义函数则需要开发者自行处理。 对于非`uchar`类型的矩阵，可以直接通过类型转换来访问元素。例如，如果图像格式是`CV_64FC1`（64位浮点型，单通道），可以将`Mat.data`指针转换为`double*`类型。这可以通过C++的显式类型转换完成，如使用`static_cast`。尽管这种方式在Debug模式下可能会显著提升速度，但缺乏边界检查和异常处理，需要特别小心。 `Mat`类的结构包括一个矩阵头，包含尺寸、存储方式和存储地址等信息，以及一个指向存储像素值的矩阵的指针。矩阵头的大小是固定的，而实际矩阵的大小根据图像不同而变化，通常远大于头的大小。因此，传递和复制`Mat`对象时，主要的时间开销在于矩阵本身，而非矩阵头。 OpenCV引入了引用计数系统来管理内存。这意味着每个`Mat`对象有自己的头，但它们可能共享同一个数据矩阵的指针。复制操作符只会复制矩阵头，而不复制矩阵本身。在某些情况下，多个`Mat`对象可能指向相同的数据，比如`Mat A, B, C; A = imread(argv[1], CV_LOAD_IMAGE_COLOR); B = A; C = A;`这里的`A`, `B`, `C`最终都指向同一个数据矩阵。修改任何一个对象会影响到其他所有对象。 创建感兴趣区域（ROI）时，可以通过创建一个新的`Mat`头并设置边界来实现，如`Mat D(A, Rect(10, 10, 100, 100));`。当矩阵被多个`Mat`对象共享时，最后一个使用它的对象负责清理。OpenCV的引用计数机制确保了当最后一个引用消失时，矩阵会被正确释放。`clone()`和`copyTo()`函数用于创建矩阵的深拷贝，使得对新矩阵的操作不会影响原始矩阵。 总结来说，`Mat`是OpenCV中处理图像和数据的核心结构，其内存管理和访问方式对于理解和高效使用OpenCV至关重要。理解`Mat`的内部工作原理，以及如何安全地访问和操作矩阵元素，是学习OpenCV的基础。