typedef struct _IplImage
{
资讯科技
nSize;
//IplImage大小
资讯科技
ID;
//版本(=0) )
资讯科技
nChannels;
//大多数OPENCV函数支持1、2、3或4个通道
int alpha通道;
被OpenCV忽略
输入深度;
//像素位深度:
IPL_DEPTH_8U、IPL_DEPTH_8S、IPL_DEPTH_16U,
IPL_DEPTH_16S、IPL_DEPTH_32S、IPL_DEPTH_32F and IPL_DEPTH_64F可支持
*/
char colorModel[4];
被OpenCV忽略
char channelSeq[4];
//同上
int dataOrder;
//0 -交叉访问颜色通道,
1 -分离的颜色通道
cvCreateImage可以创建交叉访问图像*/
int origin;
//0 (上)左结构,1 (下)左结构) Windows bitmaps
样式)
int align;
//图像行的排列(4 or 8).OpenCV忽略它,使用widthStep
相反,
输入宽度;
//图像宽度宽的像素数
int height;
//图像高像素数
struct _IplROI *roi;
//图像的感兴趣区域。 如果该值不为空,则只处理该区域
struct _IplImage *maskROI;
OpenCV必须包含空值
void *imageId;
//同上
struct _IplTileInfo *tileInfo;
//同上
int图像大小;
//图像数据大小(image size=image-height * image-width step,以交叉访问格式),单位字节
char * image数据;
//指排列的图像数据
输入宽度步骤;
//排列的图像行的大小,以字节为单位
int BorderMode[4];
//极限退出模式,被OpenCV忽略
int BorderConst[4];
//同上
char * image数据origin;
}
IplImage;
重要结构要素说明:
深度和通道
深度表示颜色深度,使用以下定义的宏。 nChannels是频道数,1、2、3或4。
深度宏定义:
IPL_DEPTH_8U,无符号8bit整数(8u ) ) ) ) ) ) ) ) ) ) )。
IPL_DEPTH_8S,有符号8bit整数(8s )
IPL_DEPTH_16S,带符号的16位整数(16s )。
IPL_DEPTH_32S,有符号32位整数(32s )
IPL_DEPTH_32F,32位浮点数,单精度(32f ) )。
IPL_DEPTH_64F,64位浮点数,双精度(64f ) ) )。
(注:这里的颜色深度是指将1个通道的数据保存为的变量类型。 例如,对于RGB24格式的数据,通道数为3,颜色深度为IPL_DEPTH_8U )
原始和数据生成器
origin变量可以有两个值: IPL_ORIGIN_TL或IPL_ORIGIN_BL,分别表示图像坐标系的原点位于左上角或左下角。 因此,在计算机视觉领域,原点位置的定义不统一是重要的错误源之一。 例如,图像来源的不同、操作系统的不同、视频解码编解码器的不同、保存方法的不同等都会导致原点位置的变化。 例如,您可能认为是从图像上方的脸附近进行采样,但实际上是从图像下方的裙子附近进行采样。 首先,需要检查图像在系统中的原点位置。 这可以通过在图像上绘制形状等来实现。
dataOrder的值可以是IPL_DATA_ORDER_PIXEL或IPL_DATA_ORDER_PLANE。 对于IPL_DATA_ORDER_PIXEL,此成员变量定义存储多通道图像数据时颜色数据的放置方式。在大多数情况下,通道颜色数据的排列是交错的。
widthStep类似于CvMat中的step,是按字节计算的图像宽度。 成员变量ima
geData则保存了指向图像数据区首地址的指针。最后还有一个重要参数roi(region of interest
感兴趣的区域),这个参数是IplROI结构体类型的变量。IplROI结构体包含了xOffset,yOffset,height,width,coi成员变量,其中xOffset,yOffset是x,y坐标,coi代表channel
of
interest(感兴趣的通道)。有时候,OpenCV图像函数不是作用于整个图像,而是作用于图像的某一个部分。这是,我们就可以使用roi成员变量了。如果IplImage变量中设置了roi,则OpenCV函数就会使用该roi变量。如果roi被设置成非零值,则对该图像的操作就只作用于被roi指定的通道上了。不幸的是,许多OpenCV函数忽略了coi的值。
访问图像中的数据
就象访问矩阵中元素一样,我们希望用最直接的办法访问图像中的数据,例如,如果我们有一个三通道HSV图像(HSV色彩属性模式是根据色彩的三个基本属性:色相H、饱和度S和明度V来确定颜色的一种方法),我们要将每个点的饱和度和明度设置成255,则我们可以使用指针来遍历图像,请对比一下,与矩阵的遍历有何不同:
void sat_sv( IplImage* img ) {
for( int y=0; y
{
uchar* ptr =
(uchar*) (
img->imageData + y * img->widthStep
//指向第y行
);
for( int
x=0; x
ptr[3*x+1] = 255;
ptr[3*x+2] = 255;
}
}
}
注意一下,3*x+1,3*x+2的方法,因为每一个点都有三个通道,所以这样设置。另外imageData成员的类型是uchar*,即字节指针类型,所以与CvMat的data指针类型(union)不同,而不需要象CvMat那样麻烦(还记得step/4,step/8的那种情形吗)。
roi和widthStep
roi和widthStep在实际工作中有很重要的作用,在很多情况下,使用它们会提高计算机视觉代码的执行速度。这是因为它们允许对图像的某一小部分进行操作,而不是对整个图像进行运算。在OpenCV中,所有的对图像操作的函数都支持roi,如果你想打开roi,可以使用函数cvSetImageROI(),并给函数传递一个矩形子窗口。而cvResetImageROI()是用于关闭roi的。
void cvSetImageROI(IplImage* image,CvRect rect);
void cvResetImageROI(IplImage* image);
注意,在程序中,一旦使用了roi做完相应的运算,就一定要用cvResetImageROI()来关闭roi,否则,其他操作执行时还会使用roi的定义。