一.什么是Mat

在OpenCV中，Mat类是图像存储和处理的核心基础类。它主要用于存储各种矩阵形式的数据，包括向量、矩阵以及灰度或彩色图像等。每个Mat对象包含两个主要部分：矩阵头存储图像的元信息（如尺寸、色彩模式等），而矩阵数据则存储实际的像素值。开发者若需修改图像内容，实际上操作的是矩阵数据中的像素信息。

简而言之，Mat类就是以矩阵形式存储图像二进制数据的容器。

二.Mat的深度和字节类型

CV_8U	8位无符号类型
CV_8S	8位有符号类型
CV_16U	16位无符号类型
CV_16S	16位有符号类型
CV_32S	32位整型数据
CV_32F	32位浮点型数据
CV_64F	64位双精度类型

 

单通道	双通道	三通道	四通道
CV_8UC1	CV_8UC2	CV_8UC3	CV_8UC4
CV_32SC1	CV_32SC2	CV_32SC3	CV_32SC4
CV_32FC1	CV_32FC2	CV_32FC3	CV_32FC4
CV_64FC1	CV_64FC2	CV_64FC3	CV_64FC4
CV_16SC1	CV_16SC2	CV_16SC3	CV_16SC4

上面是Opencv的字节类型和通道数的定义，在OPENCV中通常分为四个通道和8种数据类型。分别是单通道(灰度图)、双通道(二值图像)、三通道(RGB彩色图像)、四通道(带Alpha的四通道图像)。

灰度图：

灰度图又称之为灰阶图，颜色介于白色和黑色之间按对数关系分为若干等级，这种图像称之为灰度。灰度分为256个阶

二值图像：

二值图像中的图像中每一个像素只有两个值分别是0和1，其中0表示黑色、1表示白色

三通道图像：

三通道(RGB)图像也就是我们所说的RGB图像，所以三通道图像可以用来彩色图像。

四通道图像：

四通道(ARGB)也就是在RGB彩色图像中，添加了透明度Alpha

2.1.单通道分类：

CV_8UC1：指的是一个8位无符号整型单通道矩阵

CV_32SC1：指的是一个32位整型单通道矩阵

CV_32FC1：指的是一个32位浮点型单通道矩阵

CV_64FC1：指的是一个64位浮点型单通道矩阵

CV_16SC1：指的是一个16位整型单通道矩阵

2.2.双通道分类：

CV_8UC2：指的是一个8位无符号整型双通道矩阵

CV_32SC2：指的是一个32位整型双通道矩阵

CV_32FC2：指的是一个32位浮点型双通道矩阵

CV_64FC2：指的是一个64位浮点型双通道矩阵

CV_16SC2：指的是一个16位整型双通道矩阵

2.3.三通道分类：

CV_8UC3：指的是一个8位无符号整型三通道矩阵

CV_32SC3：指的是一个32位整型三通道矩阵

CV_32FC3：指的是一个32位浮点型三通道矩阵

CV_64FC3：指的是一个64位浮点型三通道矩阵

CV_16SC3：指的是一个16位整型三通道矩阵

2.4.四通道分类：

CV_8UC4：指的是一个8位无符号整型四通道矩阵

CV_32SC4：指的是一个32位整型四通道矩阵

CV_32FC4：指的是一个32位浮点型四通道矩阵

CV_64FC4：指的是一个64位浮点型四通道矩阵

CV_16SC4：指的是一个16位整型四通道矩阵

三.Mat的创建和构造方法

Mat的创建一般分为五种方式，分别是Mat(int rows, int cols, int type)、Mat(Size size, int type)、Mat::zeros(Size(width,height),type)，下面我将把三种构造的方式都详细说一遍。

3.1.Mat(int rows, int cols, int type);

重载的构造函数，这个构造函数在创建的时候，提供矩阵的大小，分别是rows、cols以及存储类型type

rows：行数，也指的是图像的高度，height。

cols：列数，也指的是图像的宽度，width。

type：通道类型，具体的看上面的图

示例：Mat t1 = Mat(300,300,CV_8UC1)，这指的是创建一个width:300,height:300,单通道的灰度图像.

3.2.Mat(Size size, int type);

重载的构造函数，这个构造函数在创建的时候，需要传入Size类和类型。

第一个传参：Size结构体，Size(width,height)

第二个传参：type通道类型，具体的看上面的图

示例：Mat t2 = Mat(Size(300,300),CV_8SC3)，这指的是创建一个width:300,height:300,三通道的灰度图像

3.3.Mat(int rows, int cols, int type, const Scalar& s);

重载的构造函数，这个构造函数在创建的时候，提供矩阵的大小，分别是rows、cols、存储类型type、还有Scalar颜色标量。

第一个传参：rows行数，也指的是图像的高度，height。

第二个传参：cols列数，也指的是图像的宽度，width。

第三个传参：type通道类型，具体的看上面的图

第四个传参：Scalar颜色标量，Scalar(v0,v1,v2,v3)，v0,v1,v2,v3分别对应OPENCV颜色分量的四个值

示例： Mat mat = Mat(300,300,CV_8UC3,Scalar(255,255,255));表示的是创建一个cols:300,rows:300,三通道的图像,颜色标量为白色的图像

3.4.Mat::zeros(rows,cols,type);

重载的构造函数，这个构造函数在创建的时候，提供矩阵的大小，分别是rows、cols以及存储类型type。ZROS相当于创建一张黑色的图片，每个像素通道为0，并且Scalar(0,0,0)。

第一个传参：rows行数，也指的是图像的高度，height。

第二个传参：cols列数，也指的是图像的宽度，width。

第三个传参：type通道类型，具体的看上面的图

示例： Mat::zeros(300,300,CV_8SC3);，这指的是创建一个width:300,height:300,三通道的彩色图像,Scalar(0,0,0)，相当于

Mat mat = Mat(300,300,CV_8SC3,Scalar(0,0,0));

3.5.Mat::ones(rows,cols,type);

重载的构造函数，这个构造函数在创建的时候，提供矩阵的大小，分别是rows、cols以及存储类型type。ONES相当于每个像素第一个通道为1，后面两个通道为0。

第一个传参：rows行数，也指的是图像的高度，height。

第二个传参：cols列数，也指的是图像的宽度，width。

第三个传参：type通道类型，具体的看上面的图

示例： Mat::ones(300,300,CV_8SC3)，这指的是创建一个width:300,height:300, 三通道的彩色图像,Scalar(1,0,0)，

这等同于Mat mat = Mat(300,300,CV_8SC3,Scalar(1,0,0));

四.代码实现OPENCV创建Mat

4.1. 实现Mat构造，并保存到本地

 Mat t0 = Mat(300, 300, CV_8UC3, Scalar(218,112,214));
          imwrite("t0.jpg", t0);

这指的是创建一个width:300,height:300,三通道的灰度图像, 粉色的图像

4.2. 利用Mat(Size size, int type)构造生成矩阵数据，并保存到本地

 Mat t1 = Mat(300, 300, CV_8UC3);
     t1 = Scalar(255,0,0);
          imwrite("t1.jpg", t1);

这指的是创建一个width:256,height:256,三通道的图像。

然后再用t1 = Scalar(255,0,0);把矩阵变成蓝色

最后把矩阵保存到本地

4.3. 利用Mat::zeros(rows,cols,type)构造生成矩阵数据，并保存到本地

Mat t2 = Mat::zeros(300,300,CV_8UC3);
         imwrite("t2.jpg", t2);

利用zeros去创建矩阵，ZROS相当于创建一张黑色的图片，每个像素通道为0，并且Scalar(0,0,0)。

然后把图片保存到本地

4.4. 利用Mat::ones(rows,cols,type)构造生成矩阵数据，并保存到本地

Mat t3 = Mat::ones(300,300,CV_8UC3);
    imwrite("t3.jpg", t3);

利用ones去创建矩阵，ONES相当于每个像素第一个通道为1，后面两个通道为0，相当于Scalar(1,0,0))

然后把图片保存到本地

4.5. Makefile的编写：

hide := @
ECHO := echo

#G++ := /home/hao/shared/rv1126_rv1109_linux_sdk_v1.8.0_20210224/prebuilts/gcc/linux-x86/arm/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin/arm-linux-gnueabihf-g++
G++ := /opt/rv1126_rv1109_linux_sdk_v1.8.0_20210224/prebuilts/gcc/linux-x86/arm/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin/arm-linux-gnueabihf-g++
CFLAGS := -I./include/rkmedia \
			-I./include/rkaiq/common \
			-I./include/rkaiq/xcore \
			-I./include/rkaiq/uAPI \
			-I./include/rkaiq/algos \
			-I./include/rkaiq/iq_parser \
			-I./rknn_rockx_include \
			-I./im2d_api          \
			-I./sqlite3_source/include \
			-I./arm_opencv_source/include 
			#-I./SDL_SOURCE/include

LIB_FILES := -L./rv1126_lib -L./sqlite3_source/lib -L./arm_opencv_source/lib #-L./SDL_SOURCE/lib

LD_FLAGS := -lpthread -leasymedia -ldrm -lrockchip_mpp \
	        -lavformat -lavcodec -lswresample -lavutil \
			-lasound -lv4l2 -lv4lconvert -lrga \
			-lRKAP_ANR -lRKAP_Common -lRKAP_3A \
			-lmd_share -lrkaiq -lod_share -lrknn_api \
			-lrockx -lsqlite3 -lopencv_core -lopencv_dnn \
			-lopencv_features2d -lopencv_flann -lopencv_highgui \
			-lopencv_imgcodecs -lopencv_imgcodecs -lopencv_imgproc \
			-lopencv_ml -lopencv_objdetect -lopencv_photo -lopencv_shape \
			-lopencv_stitching -lopencv_superres -lopencv_videoio -lopencv_video \
			-lopencv_calib3d 	
			


CFLAGS += -DRKAIQ

SAMPLE_COMMON := common/sample_common_isp.c
SAMPLE_COMMON_02 := sample_common_isp.c

all:
	$(G++) Opencv_Mat_Demo.cpp  $(CFLAGS) $(LIB_FILES) $(LD_FLAGS) -o Opencv_Mat_Demo
	$(hide)$(ECHO) "Build Done ..."