OpenCV提供了多種基本數據類型。雖然這些數據類型在C語言中不是基本類型，但結構都很簡單，可將它們作為原子類型。可以在“…/OpenCV/cxcore/include”目錄下的cxtypes.h文件中查看其詳細定義。?

數據類型中最簡單的就是CvPoint。CvPoint是一個包含integer類型成員x和y的簡單結構體。CvPoint有兩個變體類型：CvPoint2D32f和CvPoint3D32f。前者同樣有兩個成員x，y，但它們是浮點類型；而后者卻多了一個浮點類型的成員z。

CvSize類型與CvPoint非常相似，但它的數據成員是integer類型的width和height。如果希望使用浮點類型，則選用CvSize的變體類型CvSize2D32f。

CvRect類型派生于CvPoint和CvSize，它包含4個數據成員：x，y，width和height。(正如你所想的那樣，該類型是一個復合類型)。

下一個(但不是最后一個)是包含4個整型成員的CvScalar類型，當內存不是問題時，CvScalar經常用來代替1，2或者3個實數成員(在這個情況下，不需要的分量被忽略)。CvScalar有一個單獨的成員val，它是一個指向4個雙精度浮點數數組的指針。

所有這些數據類型具有以其名稱來定義的構造函數，例如cvSize()。(構造函數通常具有與結構類型一樣的名稱，只是首字母不大寫)。記住，這是C而不是C++，所以這些構造函數只是內聯函數，它們首先提取參數列表，然后返回被賦予相關值的結構。??????????????????????????????????????????????????????????????????????????????????????????????????????????????????

各數據類型的內聯構造函數被列在下表中：cvPoint()，cvSize()，cvRect()和cvScalar()。這些結構都十分有用，因為它們不僅使代碼更容易編寫，而且也更易于閱讀。假設要在(5，10)和(20，30)之間畫一個白色矩形，只需簡單調用：

?

cvRectangle(

????myImg,

????cvPoint(5,10),

????cvPoint(20,30),

????cvScalar(255,255,255)

);

?

表3-1：points, size, rectangles和calar三元組的結構

?

結構	成員	意義
CvPoint	int x, y	圖像中的點
CvPoint2D32f	float x, y	二維空間中的點
CvPoint3D32f	float x, y, z	三維空間中的點
CvSize	int width, height	圖像的尺寸
CvRect	int x, y, width, height	圖像的部分區域
CvScalar	double val[4]	RGBA 值

cvScalar是一個特殊的例子：它有3個構造函數。第一個是cvScalar()，它需要一個、兩個、三個或者四個參數并將這些參數傳遞給數組val[]中的相應元素。第二個構造函數是cvRealScalar()，它需要一個參數，它被傳遞給給val[0]，而val[]數組別的值被賦為0。最后一個有所變化的是cvScalarAll()，它需要一個參數并且val[]中的4個元素都會設置為這個參數。

矩陣和圖像類型

下圖為我們展示了三種圖像的類或結構層次結構。使用OpenCV時，會頻繁遇到IplImage數據類型，IplImage是我們用來為通常所說的“圖像”進行編碼的基本結構。這些圖像可能是灰度，彩色，4通道的(RGB+alpha)，其中每個通道可以包含任意的整數或浮點數。因此，該類型比常見的、易于理解的3通道8位RGB圖像更通用。

OpenCV提供了大量實用的圖像操作符，包括縮放圖像，單通道提取，找出特定通道最大最小值，兩個圖像求和，對圖像進行閾值操作，等等。

圖3-1：雖然OpenCV是由C語言實現的，但它使用的結構體也是遵循面向對象的思想設計的。實際上，IplImage由CvMat派生，而CvMat由CvArr派生

在開始探討圖像細節之前，我們需要先了解另一種數據類型CvMat，OpenCV的矩陣結構。雖然OpenCV完全由C語言實現，但CvMat和IplImage之間的關系就如同C++中的繼承關系。實質上，IplImage可以被視為從CvMat中派生的。因此，在試圖了解復雜的派生類之前，最好先了解基本的類。第三個類CvArr，可以被視為一個抽象基類，CvMat由它派生。在函數原型中，會經常看到CvArr(更準確地說，CvArr*)，當它出現時，便可以將CvMat*或IplImage*傳遞到程序。

??? CvMat矩陣結構：

在開始學習矩陣的相關內容之前，我們需要知道兩件事情。第一，在OpenCV中沒有向量(vector)結構。任何時候需要向量，都只需要一個列矩陣(如果需要一個轉置或者共軛向量，則需要一個行矩陣)。第二，OpenCV矩陣的概念與我們在線性代數課上學習的概念相比，更抽象，尤其是矩陣的元素，并非只能取簡單的數值類型。例如，一個用于新建一個二維矩陣的例程具有以下原型：

cvMat* cvCreateMat ( int rows, int cols, int type );

這里type可以是任何預定義類型，預定義類型的結構如下：CV_<bit_depth> (S|U|F)C<number_of_channels>。于是，矩陣的元素可以是32位浮點型數據(CV_32FC1)，或者是無符號的8位三元組的整型數據(CV_8UC3)，或者是無數的其他類型的元素。一個CvMat的元素不一定就是個單一的數字。在矩陣中可以通過單一(簡單)的輸入來表示多值，這樣我們可以在一個三原色圖像上描繪多重色彩通道。對于一個包含RGB通道的簡單圖像，大多數的圖像操作將分別應用于每一個通道(除非另有說明)。

?

IplImage數據結構

從本質上講，它是一個CvMat對象，但它還有其他一些成員變量將矩陣解釋為圖像。這個結構最初被定義為Intel圖像處理庫(IPL)的一部分。IplImage結構的準確定義如例3-10所示。

例3-10：IplImage結構

?

?

typedef struct _IplImage?{

??int?nSize;

??int?ID;

??int?nChannels;

??int?alphaChannel;

??int?depth;

??char colorModel[4];

??char channelSeq[4];

??int?dataOrder;

??int?origin;

??int?align;

??int?width;

??int?height;

??struct _IplROI*?roi;

??struct _IplImage*?maskROI;

??void*?imageId;

??struct _IplTileInfo*?tileInfo;

??int?imageSize;

??char*?imageData;

??int?widthStep;

??int?BorderMode[4];

??int?BorderConst[4];

??char*?imageDataOrigin;

}?IplImage;

?

我們試圖討論這些變量的某些功能。有些變量不是很重要，但是有些變量非常重要，有助于我們理解OpenCV解釋和處理圖像的方式。

width和height這兩個變量很重要，其次是depth和nchannals。depth變量的值取自ipl.h中定義的一組數據，但與在矩陣中看到的對應變量不同。因為在圖像中，我們往往將深度和通道數分開處理，而在矩陣中，我們往往同時表示它們。可用的深度值如表3-2所示。????????????????????????????????????????????????????????????????????????????????????????????????表3-2：OpenCV圖像類型

?

宏	圖像像素類型
IPL_DEPTH_8U	無符號8位整數 (8u)
IPL_DEPTH_8S	有符號 8位整數(8s)
IPL_DEPTH_16S	有符號16位整數(16s)
IPL_DEPTH_32S	有符號32位整數(32s)
IPL_DEPTH_32F	32位浮點數單精度(32f)
IPL_DEPTH_64F	64位浮點數雙精度(64f)

通道數nChannels可取的值是1，2，3或4。

隨后兩個重要成員是origin和dataOrder。origin變量可以有兩種取值：IPL_ORIGIN_TL 或者 IPL_ORIGIN_BL，分別設置坐標原點的位置于圖像的左上角或者左下角。

在計算機視覺領域，一個重要的錯誤來源就是原點位置的定義不統一。具體而言，圖像的來源、操作系統、編解碼器和存儲格式等因素都可以影響圖像坐標原點的選取。舉例來說，你或許認為自己正在從圖像上面的臉部附近取樣，但實際上卻在圖像下方的裙子附近取樣。避免此類現象發生的最好辦法是在最開始的時候檢查一下系統，在所操作的圖像塊的地方畫點東西試試。

dataOrder的取值可以是IPL_DATA_ORDER_PIXEL或IPL_DATA_ORDER_PLANE，前者指明數據是將像素點不同通道的值交錯排在一起(這是常用的交錯排列方式)，后者是把所有像素同通道值排在一起，形成通道平面，再把平面排列起來。

參數widthStep與前面討論過的CvMat中的step參數類似，包括相鄰行的同列點之間的字節數。僅憑變量width是不能計算這個值的，因為為了處理過程更高效每行都會用固定的字節數來對齊；因此在第i行末和第i+1行開始處可能會有些冗于字節。參數imageData包含一個指向第一行圖像數據的指針。如果圖像中有些獨立的平面(如當dataOrder = IPL_DATA_ORDER_PLANE)那么把它們作為單獨的圖像連續擺放，總行數為height和nChannels的乘積。但通常情況下，它們是交錯的，使得行數等于高度，而且每一行都有序地包含交錯的通道。

最后還有一個實用的重要參數——?感興趣的區域(ROI)，實際上它是另一個IPL/IPP 結構IplROI的實例。IplROI包含xOffset，yOffset，height，width和coi成員變量，其中COI代表channel of interest(感興趣的通道)。ROI的思想是：一旦設定ROI，通常作用于整幅圖像的函數便會只對ROI所表示的子圖像進行操作。如果IplImage變量中設置了ROI，則所有的OpenCV函數就會使用該ROI變量。如果COI被設置成非0值，則對該圖像的操作就只作用于被指定的通道上了。不幸的是，許多OpenCV函數都忽略參數COI。

轉載于:https://www.cnblogs.com/xiaoyueqingfeng/archive/2012/03/23/2413475.html

總結

以上是生活随笔為你收集整理的【OpenCV学习笔记】2.1OpenCV基本数据类型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。