10.Opencv的重要结构体Mat—深拷贝与浅拷贝

目录

Mat深拷贝与浅拷贝

​ 访问图像(Mat)的属性

通道的分离与合并

Mat是什么？

是一个矩阵，灰色图像2通道，彩色图像3通道。

Mat的优点：可以Numpy以矩阵的方式进行访问， *** 作方便。

 

Mat深拷贝与浅拷贝

拷贝Mat时默认为浅拷贝，只拷贝Header中的内容，数据不变

Mat浅拷贝

Mat A

A = imread(file, IMREAD_COLOR)

Mat B(A);

B与A的Header不同，但指向的数据相同

Mat深拷贝

C++中实现方式有两种

cv ::Mat::clone()

cv::Mat::copyTo()

将DATA也重新赋值一份，A与B完全切断

python中实现：

copy()，使用该方法就是深拷贝

进行深拷贝后，进行图片的处理时不影响原图片，cv2.add也是深拷贝 *** 作

实际测试：

import cv2
import numpy as np

img = cv2.imread('C:\Users\Mengyang\Desktop\112.png')

#浅拷贝
img2 = img

#深拷贝
img3 = img.copy()

img[10:100,10:100] = [0,0,255]

cv2.imshow('img',img)
cv2.imshow('img2',img2)
cv2.imshow('img3',img3)

cv2.waitKey(0)

运行结果：

 访问图像(Mat)的属性

主要为使用print()函数打印输出图像的参数

import cv2
import numpy as np

img = cv2.imread('C:\Users\Mengyang\Desktop\112.png')

print(img.shape)  #shape中包含三个信息，长度 宽度 通道数
print(img.size)   #图像占用多大的空间，长度*宽度*通道数
print(img.dtype)   #图像中每个元素的位深 uint8表示8位无符号整型0~255

运行结果：

通道的分离与合并

正常的图片含有3个通道，BGR，通道的分离与合并主要采用2个API

split(mat)      分割图像的通道

merge((ch1,ch2,...))   将多个通道合并在一起，输出为一个mat

import cv2
import numpy as np

img = np.zeros((480,640,3),np.uint8)

b,g,r = cv2.split(img)  #分离通道
b[10:100,10:100] = 255  #分离出来后即为黑白单色
g[10:100,10:100] = 255  #分离出来后即为黑白单色

img2 = cv2.merge((b,g,r))  #通道合并

cv2.imshow('img',img)
cv2.imshow('b',b)
cv2.imshow('g',g)
cv2.imshow('img2',img2)

cv2.waitKey(0)

运行结果：