二维图像中Mat::setp、Mat::step1理解

一、前言

Mat中的step为构成图像的层次，考虑到Mat多应用于二维图像，本文讨论二维图像step的含义和应用。二维图像数据存储示意图如下：

如上图所示，该二维图像大小为5*6，图中元素I位于第2行第4列，该元素可具有多个通道，可为1、2、3、4；常见通道数为1或3，相应为灰度图像或RGB图像，RGB图像的通道排列为B分量、G分量、R分量。
二、Mat::setp、Mat::step1
对于二维图像， setp、step1均为2维，意义为：
setp[0]: 线的数据量大小，单位为字节
setp[1]: 点的数据量大小，单位为字节
step1(0): 线的通道数量
step1(1): 点的通道数量

上述线、点为构成二维图像数据的层次，例如第2行第4列元素，线、点序号为1、3。

三、示例
以下对分别对8UC3类型、16UC3类型二维数据进行测试说明

//main.cpp
#include <iostream>#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>using namespace cv;
using namespace std;
int M = 5;
int N  = 6;int main()
{int n = M*N*3;uchar * data8UC3 = new uchar[n];short * data16UC3 = new short[n];for (int i = 0; i < n; ++i){data8UC3[i] = i;data16UC3[i] = i;}Mat mat8UC3(M, N, CV_8UC3, data8UC3);Mat mat16UC3(M, N, CV_16UC3, data16UC3);cout << "*************************8UC3类型二维数据**************************\n";cout << "step[0]:" << mat8UC3.step[0]   //18,线大小，单位字节，8UC3，则每个通道数据只需1字节<< "\nstep[1]:" << mat8UC3.step[1]      //3,点大小，单位字节<< "\nstep1(0):" << mat8UC3.step1(0)   //18, 线的通道数<< "\nstep1(1):" << mat8UC3.step1(1);  // 3，点的通道数cout << "\n\ncout直接输出矩阵：\n" << mat8UC3<< "\n";cout << "\nm.addr(i,j) = m.data + step[0]*i + step[1]*j方式输出矩阵:\n";uchar *p8UC3 = mat8UC3.data;for (int i = 0; i < M; ++i){for (int j = 0; j < N; ++j){std:cout << (int)*(p8UC3 + mat8UC3.step[0] * i + mat8UC3.step[1] * j + 0) << " "<< (int)*(p8UC3 + mat8UC3.step[0] * i + mat8UC3.step[1] * j + 1) << " "<< (int)*(p8UC3 + mat8UC3.step[0] * i + mat8UC3.step[1] * j + 2) << " ";}std::cout << "\n";}cout << "\n*************************16UC3类型二维数据**************************\n";cout << "step[0]:" << mat16UC3.step[0]    //36,线大小，单位字节，16UC3，则每个通道数据只需2字节<< "\nstep[1]:" << mat16UC3.step[1]    //6,点大小，单位字节<< "\nstep1(0):" << mat16UC3.step1(0)   //18, 线的通道数<< "\nstep1(1):" << mat16UC3.step1(1);  // 3，点的通道数cout << "\n\ncout直接输出矩阵：\n" << mat16UC3 << "\n";cout << "\nm.addr(i,j) = m.data + step1(0)*i + step1(1)*j方式输出矩阵:\n";short *p16UC3 = (short*)mat16UC3.data;for (int i = 0; i < M; ++i){for (int j = 0; j < N; ++j){cout << (int)*(p16UC3 + mat16UC3.step1(0) * i + mat16UC3.step1(1) * j + 0) << " "<< (int)*(p16UC3 + mat16UC3.step1(0) * i + mat16UC3.step1(1) * j + 1) << " "<< (int)*(p16UC3 + mat16UC3.step1(0) * i + mat16UC3.step1(1) * j + 2) << " ";}std::cout << "\n";}delete data8UC3;delete data16UC3;return 0;
}

四、程序运行结果

可见单个通道的数据量不为1字节时，由Mat::data指针访问数据，必须使用step1(0)、step1(1)，更细致了解访问Mat中的每个像素值可看这篇博文http://blog.csdn.net/xiaowei_cqu/article/details/19839019

二维图像中Mat::setp、Mat::step1理解相关推荐

拉普拉斯算子属于卷积方法吗_二维图像中的Laplace算子和图论中的Laplacian矩阵...
最近在阅读如何理解 Graph Convolutional Network(GCN)?www.zhihu.com 接触到了图论中的Laplacian矩阵,定义为 , 是Laplacian矩阵, 是 ...
二维图像中的Hessian矩阵（及MATLAB代码）
文章目录一.图像中Hessian矩阵的定义及公式推导二.MATLAB代码一.图像中Hessian矩阵的定义及公式推导对于二维图像 f ( x , y ) f(x,y) f(x,y),在点 x ...
OpenCV图像处理：基于RANSAC的二维图像中直线、圆及椭圆的检测 C++
基于ransac的直线.圆及椭圆检测算法C++代码 LINK: https://github.com/Yiphy/Ransac-2d-Shape-Detection # Ransac-2d-Shape ...
【多传感融合】优达学城多传感融合学习笔记（二）——将激光雷达点云俯视图映射到二维图像
将激光雷达点云俯视图映射到二维图像目录将激光雷达点云俯视图映射到二维图像简介实现方法参考代码简介本节讲解如何将激光雷达点云俯视图(仅考虑水平坐标)映射到二维图像中,其中涉及到激光雷达点云 ...
三维激光点云到二维图像的投影
Camera系列文章传感器融合是将多个传感器采集的数据进行融合处理,以更好感知周围环境:这里首先介绍Camera的相关内容,包括摄像头及图像知识基本介绍,OpenCV图像识别(特征提取,目标分类等) ...
python怎么画简单图片-Python绘制简易的二维图像
大家好,我是飞向天空的牛. 最近学习了一下用Python绘制简易的二维图像,代码如下图所示:绘图代码文本如下: import matplotlib.pyplot as plt import nump ...
【MATLAB】二维绘图 ( 绘制二维图像 | 设置图像样式 )
文章目录一.绘制二维图像 1.二维绘图步骤 2.二维绘图步修饰 3.代码示例二.设置图像参数 1.图像参数 2.代码示例一.绘制二维图像 1.二维绘图步骤绘图前需要给定 xxx 轴 , yyy ...
程序员用「美貌」突破二维图像的人脸识别
GitChat 作者:于航原文: 如何利用"女装术"突破基于二维图像的人脸识别关注微信公众号:「GitChat 技术杂谈」一本正经的讲技术 [不要错过文末彩蛋] 首先声明,这 ...
python画车辆轨迹图_如何利用 Python 绘制酷炫的车辆轨迹 — 速度时空图？三维数据用二维图像呈现...
说明:本文系交通攻城狮原创文章,如需转载请私信联系,侵权必究. 2020,第 30 期,编程笔记建议直接阅读精编版:如何利用 Python 绘制酷炫的车辆轨迹 - 速度时空图?三维数据用二维图像呈 ...
python绘制曲线y=2x+5_Python绘制简易的二维图像
大家好,我是飞向天空的牛. 最近学习了一下用Python绘制简易的二维图像,代码如下图所示:绘图代码文本如下: import matplotlib.pyplot as plt import nump ...

二维图像中Mat::setp、Mat::step1理解

二维图像中Mat::setp、Mat::step1理解相关推荐

最新文章

热门文章