opencv笔记（二十二）——CV_8UC1,CV_32FC3等参数的含义

太过爱你忘了你带给我的痛 2022-05-15 06:40 1002阅读 0赞

# （一）Mat矩阵(图像容器)创建时CV\_8UC1,CV\_8UC2等参数详解 #

**        Mat**不但是一个非常有用的**图像容器类**,同时也是一个通用的**矩阵类**.创建一个Mat对象的方法很多,我们现在先看一下Mat矩阵/图像容器类在OpenCv中的有关源代码:

使用Mat图像容器类创建Mat类的对象

//! default constructor
        Mat();
        //! constructs 2D matrix of the specified size and type
        // (_type is CV_8UC1, CV_64FC3, CV_32SC(12) etc.)
        Mat(int rows, int cols, int type);
        Mat(Size size, int type);
        //! constucts 2D matrix and fills it with the specified value _s.
        Mat(int rows, int cols, int type, const Scalar& s);
        Mat(Size size, int type, const Scalar& s);
    
        //! constructs n-dimensional matrix
        Mat(int ndims, const int* sizes, int type);
        Mat(int ndims, const int* sizes, int type, const Scalar& s);

我们可以看见,创建Mat矩阵/图像容器类的很多构造方法或者其他成员方法在创建Mat对象的时候,都需要指定type--所创建图像/矩阵的类型。 那么类型是什么呢?OpenCv的源代码中说了一句:

通过转到定义法,看一下CV\_8UC1,CV\_64FC3等这些宏。

这里的type可以是任何的预定义类型，预定义类型的结构如下所示:

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>CV_&lt;bit_depth&gt;(S|U|F)C&lt;number_of_channels&gt;</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td> <p>1--bit_depth---比特数---代表8bite,16bites,32bites,64bites---举个例子吧--比如说,如<br> &nbsp; &nbsp; &nbsp; &nbsp; 如果你现在创建了一个存储--灰度图片的Mat对象,这个图像的大小为宽100,高100,那么,现在这张灰度图片中有10000个像素点，它每一个像素点在内存空间所占的空间大小是8bite,8位--所以它对应的就是CV_8</p> <p><br> &nbsp;2--S|U|F--S--代表---signed int---有符号整形<br> &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;U--代表--unsigned int--无符号整形<br> &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;F--代表--float---------单精度浮点型</p> <p><br> 3--C&lt;number_of_channels&gt;----代表---一张图片的通道数,比如:<br> &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;1--灰度图片--grayImg---是--单通道图像<br> &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;2--RGB彩色图像---------是--3通道图像<br> &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;3--带Alph通道的RGB图像--是--4通道图像</p> </td> 
  </tr> 
 </tbody> 
</table>

创建Mat类对象：

// (\_type is CV\_8UC1, CV\_64FC3, CV\_32SC(12) etc.)

Mat(int rows, int cols, int type);

通过上面的讲解,现在，我们解读一下OpenCv的源代码:

//【1】CV_8UC1---则可以创建----8位无符号的单通道---灰度图片------grayImg
    #define CV_8UC1 CV_MAKETYPE(CV_8U,1)
    #define CV_8UC2 CV_MAKETYPE(CV_8U,2)
    //【2】CV_8UC3---则可以创建----8位无符号的三通道---RGB彩色图像---colorImg 
    #define CV_8UC3 CV_MAKETYPE(CV_8U,3)
    //【3】CV_8UC4--则可以创建-----8位无符号的四通道---带透明色的RGB图像 
    #define CV_8UC4 CV_MAKETYPE(CV_8U,4)

## (二)Mat矩阵图像容器类创建Mat类对象常用的几种方法: ##

*  1)使用Mat矩阵图像容器类的构造函数创建Mat类对象

//【1】载入原始图像1.jpg
        int flag;
        Mat srcImg=imread("1.jpg",flag); //flag = 0 表示灰度图； 1表示原图
        //【2】创建一个和原始图像srcImg高和宽一致的8位无符号单通道的灰度图片容器,并且初始化图片为白色255
        Mat grayImg(srcImg.rows,srcImg.cols,CV_8UC1,Scalar(255));

*  2)为已经存在的IplImage指针创建信息头

//【1】声明IplImg指针
        IplImg* imgTopDown; 
        //【2】将图片加载到内存中
        imgTopDown=cvLoadImage("1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
        //【3】为已经存在的imgTopDown指针创建信息头
        //【4】转换IplImage*--->Mat
        Mat mtx(imgTopDown);

*  3)利用Create()函数创建Mat矩阵图像容器类的对象

//【1】载入原始图像1.jpg
        Mat srcImg=imread("1.jpg",1);
        //【2】创建一个和原始图像srcImg高和宽一致的8位无符号单通道的灰度图片容器,并且初始化图片为白色255
        Mat dstImg.create(srcImg.rows,srcImg.cols,CV_8UC1);

*  4）使用Matlab风格的函数创建Mat矩阵图形容器类的对象

//! Matlab-style matrix initialization
        static MatExpr zeros(int rows, int cols, int type);
        static MatExpr zeros(Size size, int type);
        static MatExpr zeros(int ndims, const int* sz, int type);
        static MatExpr ones(int rows, int cols, int type);
        static MatExpr ones(Size size, int type);
        static MatExpr ones(int ndims, const int* sz, int type);
        static MatExpr eye(int rows, int cols, int type);
        static MatExpr eye(Size size, int type);
        //【1】载入原始图像1.jpg
        Mat srcImg=imread("1.jpg",1);
        //【2】创建一个和原始图像srcImg高和宽一致的8位无符号单通道的灰度图片容器,并且初始化图片为白色255
        Mat dstImg=Mat::zeros(srcImg.rows,srcImg.cols,CV_8UC3);
        Mat dstImg=Mat::ones(srcImg.rows,srcImg.cols,CV_8UC3);
        Mat dstImg=Mat::eye(srcImg.rows,srcImg.cols,CV_8UC3);

转自：[https://blog.csdn.net/maweifei/article/details/51221259][https_blog.csdn.net_maweifei_article_details_51221259]

[https_blog.csdn.net_maweifei_article_details_51221259]: https://blog.csdn.net/maweifei/article/details/51221259