OpenCV：widthStep vs step( 四 ) _2410

iplImage = cvCreateImageHeader(cvSize(width,height),depth,channels);
cvSetData(iplImage,data,step);
起首，由cvCreateImageHeader()建立IplImage图像头，设置图像尺寸、深度和通道数；
然后，由cvSetData()按照BYTE*图像数据指针设置IplImage图像头的数据，
此中， step指定该IplImage图像，每行占的字节数，对于1通道的 IPL_DEPTH_8U图像， step可以等于width 。

文章插图

6Mat拜候图像像素---step：
data：unsigned char类型的指针，指标的目的Mat数据矩阵的首地址；
dims：Mat矩阵的维度；
rows：Mat矩阵的行数；
cols：Mat矩阵的列数；
size()：是一个布局体，有image.size().width==image.cols; image.size().height==image.rows
channels()：Mat矩阵元素拥有的通道数；
depth：怀抱每一个像素中每一个通道的精度，但它自己与图像的通道数无关！depth数值越年夜，精度越高。在Opencv中， Mat.depth()获得的是一个0~6的数字，别离代表分歧的位数，如下：{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}
elemSize：暗示矩阵中每一个元素的数据大小，单元字节，若是Mat中的数据类型是CV_8UC1 ，那么elemSize==1；若是是CV_8UC3或CV_8SC3 ，那么elemSize==3；若是是CV_16UC3或者CV_16SC3 ，那么elemSize==6；即elemSize是以8位（一个字节）为一个单元，乘以通道数和8位的整数倍；
elemSize1：
暗示Mat矩阵中每一个元素单个通道的数据大小，单元字节， elemSize1=elemSize/channels；
step：为Mat矩阵中每一行的“步长” ，以字节为根基单元，每一行中所有元素的字节总量；
step1()：以字节为根基单元， Mat矩阵中每一个像素的大小step1==step/elemSize1；
type：Mat矩阵的类型，包含有矩阵中元素的类型、通道数信息， type的定名格局为CV_(位数)+(数据类型)+(通道数) ，如下：

文章插图

7Mat拜候图像像素---step
step：为Mat矩阵中每一行的“步长” ，以字节为根基单元，每一行中所有元素的字节总量；
经常应用在拜候图像像素操作中；如下：
对8bit ，单通道， unsigned char类型的图像I---Mat img：
unsigned char* pData=https://vvvtt.com/article/(unsigned char*)img.data;
I(x, y)~pData[img.step*y+x];//
对8bit ， 3通道， unsigned char类型的图像I---IplImage* img：
I(x, y)blue~((unsigned char*)(img.data+img.step*y))[x*3];
I(x, y)green~((unsigned char*)(img.data+img.step*y))[x*3+1];
I(x, y)red~((unsigned char*)(img.data+img.step*y))[x*3+2];
对32bit ， 1通道， float*类型的图像I---Mat img：
I(x, y)~((float*)(img.data+img.step*y)[x];
对32bit ， 3通道， float*类型的图像I--- Mat img；
I(x, y) blue ~((float*)(img.data+img.step*y))[3*x];
I(x, y) green ~((float*)(img.data+img.step*y))[x*3+1];
I(x, y) red ~((float*)(img.data+img.step*y) )[x*3+2];
对64bit ， 1通道， double*类型的图像I---Mat img：
I(x, y)~((double*)(img.data+img.step*y)[x];