1.什么是Mat类
Mat类是OpenCV中的一个类，用于存储矩阵数据的类型，与int、double等相同。
2.Mat类能存储的数据
Mat类可以存储各种类型的数据，包括但不限于以下几种常见的数据类型：
- 整数类型（有符号和无符号）：
- CV_8U：8位无符号整数（范围从0到255）
- CV_8S：8位有符号整数（范围从-128到127）
- CV_16U：16位无符号整数（范围从0到65535）
- CV_16S：16位有符号整数（范围从-32768到32767）
- CV_32S：32位有符号整数
- CV_64S：64位有符号整数
- 浮点数类型：
- CV_32F：32位浮点数（单精度浮点数）
- CV_64F：64位浮点数（双精度浮点数）
- 布尔类型：
- CV_8UC1：8位无符号整数，表示二值图像（黑白图像）
- CV_8UC3：8位无符号整数，表示彩色图像（三通道RGB图像）
3.Mat类的创建
1.利用矩阵宽、高和类型参数创建Mat类
cv::Mat mat( int rows,int cols,int type）
- 构造矩阵的行数rows:
- cols:矩阵的列数
- type: 矩阵中存储的数据类型。此处除了CV 8UC1、CV 64FC4等从1到4通道以外，还提供了更多通道的参数，通过CV 8UC(n)中的n来构建多通道矩阵，其中n最大可以取到512。
2.利用矩陈Size(结构和数据类型参数创建Mat类
cv::Mat mat( Size size,int type）
- size: 2D数组变量尺寸，通过Size(cols,rows)进行赋值
- type:与前面一致
3.利用已有Mat类创建新的Mat类
cv::Mat mat( const Mat &m,
const Range & rowRange,
const Range & colRange = Range: :al1()
）
- m:已经构建完成的Mat类矩阵数据。
- rowRange:在已有矩阵中需要截取的行数范围，是个Range变量，例如从第2行到第5行可以表示为Range(2,5)。
- colRange: 在已有矩阵中需要截取的列数范围，是一个Range变量，例如从第2列到第5列可以表示为
- Range(2,5)，当不输入任何值时表示所有列都会被截取。
4.Mat类的赋值
1.创建时赋值
cv::Mat mat( int rows,
int cols,
int type,
const Scalar & s
）
- 矩阵的行数rows:
- 矩阵的列数cols:
- type:存储数据的类型
- s:给矩阵中每个像素赋值的参数变量，例如Scalar(0,0,255)。
2.类方法赋值
- eye:单位矩阵
- diag:对角矩阵
- 元素全为1的矩阵ones:
- zeros:元素全为0的矩阵
3.枚举法赋值
cv::Mat a(Mat_<int>(3，3)<<1,2, 3, 4, 5, 6, 7,8, 9);
cv::Mat b = (Mat_<double>(2, 3) << 1.0, 2.1, 3.2, 4.0, 5.1, 6.2);
5. Android jni demo
#include <jni.h> #include <string> #include <android/bitmap.h> #include <opencv2/opencv.hpp> #include <iostream> #include <android/log.h> #define LOG_TAG "xxx" #define LOGD(...) __android_log_print(ANDROID_LOG_DEBUG, LOG_TAG, __VA_ARGS__) #define LOGI(...) __android_log_print(ANDROID_LOG_INFO, LOG_TAG, __VA_ARGS__) #define LOGW(...) __android_log_print(ANDROID_LOG_WARN, LOG_TAG, __VA_ARGS__) #define LOGE(...) __android_log_print(ANDROID_LOG_ERROR, LOG_TAG, __VA_ARGS__) using namespace cv; using namespace std; extern "C" JNIEXPORT void JNICALL Java_com_example_myapplication_MainActivity_test(JNIEnv *env, jclass clazz) { Mat a(3,3,CV_8UC1); Mat b(Size(3,3),CV_8UC1); Mat c0(5,5,CV_8UC1,Scalar(4,5,6)); Mat c1(5,5,CV_8UC2,Scalar(4,5,6)); Mat c2(5,5,CV_8UC3,Scalar(4,5,6)); Mat d = (Mat_<int>(1, 5) << 1, 2, 3, 4, 5); Mat e=Mat::diag(d);//类方法赋值，对角矩阵 Mat f=Mat(e,Range(2,4),Range(2,4)); ostringstream ss; ss << "c0 data:" << std::endl; // 遍历并输出像素值 for (int i = 0; i < c0.rows; i++) { for (int j = 0; j < c0.cols*c0.channels(); j++) { // 获取像素值 uchar value = c0.at<uchar>(i, j); // 构建输出字符串 ss << static_cast<int>(value) << " "; } ss << std::endl; } ss << "c1 data:" << std::endl; // 遍历并输出像素值 for (int i = 0; i < c1.rows; i++) { for (int j = 0; j < c1.cols*c1.channels(); j++) { // 获取像素值 uchar value = c1.at<uchar>(i, j); // 构建输出字符串 ss << static_cast<int>(value) << " "; } ss << std::endl; } ss << "c2 data:" << std::endl; // 遍历并输出像素值 for (int i = 0; i < c2.rows; i++) { for (int j = 0; j < c2.cols*c2.channels(); j++) { // 获取像素值 uchar value = c2.at<uchar>(i, j); // 构建输出字符串 ss << static_cast<int>(value) << " "; } ss << std::endl; } ss << "d data:" << std::endl; // 遍历并输出像素值 for (int i = 0; i < d.rows; i++) { for (int j = 0; j < d.cols; j++) { // 获取像素值 int value = d.at<int>(i, j); // 构建输出字符串 ss <<value << " "; } ss << std::endl; } ss << "e data:" << std::endl; // 遍历并输出像素值 for (int i = 0; i < e.rows; i++) { for (int j = 0; j < e.cols*e.channels(); j++) { // 获取像素值 int value = e.at<int>(i, j); // 构建输出字符串 ss << value << " "; } ss << std::endl; } ss << "f data:" << std::endl; // 遍历并输出像素值 for (int i = 0; i < f.rows; i++) { for (int j = 0; j < f.cols*f.channels(); j++) { // 获取像素值 int value = f.at<int>(i, j); // 构建输出字符串 ss <<value << " "; } ss << std::endl; } // 使用LOG输出到Logcat LOGD("%s", ss.str().c_str()); }
输出结果：
