opencv_mat

在Learning OpenCV书中，讲到一个基础数据类型CvMat，其中有一段程序：

 1 Example 3-9. Summing all of the elements in a three-channel matrix
 2 float sum( const CvMat* mat ) {
 3  
 4   float s = 0.0f;
 5   for(int row=0; row<mat->rows; row++ ) {
 6     const float* ptr = (const float*)(mat->data.ptr + row * mat->step);//获取第row行的首地址
 7     for( col=0; col<mat->cols; col++ ) {
 8       s += *ptr++;
 9     }
10   }
11   return( s );
12 }

　　不知是我理解错了，还是书中的注释错了，“Summing all of the elements in a three-channel matrix”，我觉得是对三通道CvMat中的所有数据进行求和，按我之前的编写风格，这个函数应该是这样：

Example 3-9. Summing all of the elements in a three-channel matrix
float sum( const CvMat* mat ) {
 
  float s = 0.0f;
  float* ptr=(float*) cvPtr2D(mat, 0, 0); //获取该三通道CvMat的首地址（这一句未经测试），将三通道看成是二通道

  for(int row=0; row<mat->rows; row++ ) {
    for( col=0; col<mat->cols; col++ ) {
      s += *ptr+*(ptr+1)+*(ptr+2);//将整个CvMat看成一个二维矩阵，则矩阵中每个元素是个三维向量，将它们累加
      ptr += 3;//通道为3，则自加3可到达CvMat矩阵中的下个元素
    }
  }
  return( s );
}

　　自己构建一个三通道矩阵，为测试方便，假设其为一个3*3的三通道矩阵：

( 1,  2,  3)  (11, 12, 13)  (21, 22, 23)
(31, 32, 33)  (41, 42, 43)  (51, 52, 53)
(61, 62, 63)  (71, 72, 73)  (81, 82, 83)

//用代码构建如下


 CvMat* mat = cvCreateMat(3,3,CV_32FC3);//矩阵元素为三通道浮点数
 cvZero(mat);//将矩阵置0


    //----------为矩阵元素赋值-----------------

    //获得矩阵元素(0,0)的指针
    float *p = (float*)cvPtr2D(mat, 0, 0);
    //为矩阵赋值
    for(int i = 0; i < 9; i++)
    {
        //为每个通道赋值
        *p = (float)i*10;    
        p++;
        *p = (float)i*10+1;
        p++;
        *p = (float)i*10+2;
        p++;
    } 

　　经过测试，书中的程序得到的结果是279，即如下数的和：

---------------
|( 1,  2,  3) | (11, 12, 13)  (21, 22, 23)
|(31, 32, 33) | (41, 42, 43)  (51, 52, 53)
|(61, 62, 63) | (71, 72, 73)  (81, 82, 83)
---------------

　　即仅仅求了一个3*3 float矩阵的值，严格的说是矩阵中每行第一个元素的三通道元素和。

　　我们可以对其进行进一步剖析，先看CvMat的申明：

 1 typedef struct CvMat
 2 {
 3 int type;
 4 int step;
 5 int* refcount;
 6 union
 7 {
 8 uchar* ptr;
 9 short* s;
10 int* i;
11 float* fl;
12 double* db;
13 } data;
14 #ifdef __cplusplus
15 union
16 {
17 int rows;
18 int height;
19 };
20 union
21 {
22 int cols;
23 int width;
24 };
25 #else
26 int rows;
27 int cols;
28 #endif
29 } CvMat;

     在大多数情况下，你需要使用最有效率的方式来访问矩阵中的数据。如果使用函数界面来访问数据，效率比较低，你应该使用指针方式来直接访问矩阵中数据。特别是，如果你想遍历矩阵中所有元素时，就更需要这样做了。
    在用指针直接访问矩阵元素时，就需要格外注意矩阵结构体中的step成员。该成员是以字节为单位的每行的长度。而矩阵结构体的cols或width就不适合此时使用，因为为了访问效率，矩阵中的内存分配上，是以每四个字节做为最小单位的。因此如果一个矩阵的宽度是三个字节，那么就会在宽度上分配四个字节，而此时每行最后一个字节会被忽略掉。所以我们用step则会准确地按行访问数据。
    我们可以通过以下例子，看一下rows,cols,height,width,step的数据,你可以通过改变矩阵的元素类型定义，来查看step的改变：

 1 #pragma comment(lib,"cxcore.lib")
 2 #include"cv.h"
 3 #include<stdio.h>
 4 void main()
 5 {
 6     //矩阵元素为三通道8位浮点数
 7     CvMat *mat=cvCreateMat(3,3,CV_32FC3 );
 8     printf("rows=%d,cols=%d,height=%d,width=%d,step=%d
",mat->rows,mat->cols,mat->height,mat->width,mat->step);
 9 
10 }

//输出为rows=3,cols=3,height=3,width=3,step=36

　　如果我们的矩阵存储的是浮点型（或整数类型）数据，此时矩阵中每个元素占4字节，则如果我们用float类型指针指向下一行时，我们实际上要用float类型指针挪动step/4的长度，因为float类型指针每挪动一个单位就是4个字节长度。
    如果我们的矩阵存储的是double类型数据，此时矩阵中每个元素占8字节，则如果我们用double类型指针指向下一行时，我们实际上要用double类型指针挪动step/8的长度，因为double类型指针每挪动一个单位就是8个字节长度。
　　在书上源码中：

const float* ptr = (const float*)(mat->data.ptr + row * mat->step);//获取第row行的首地址

这里只是获得一个首地址而已，然后在结下来的循环里，它仅仅累加了mat->cols，并不正确，应该改为：

1 for(int row=0; row<mat->rows; row++ ) {
2       const float* ptr = (const float*)(mat->data.ptr + row * mat->step);//获取第row行的首地址
3       for( col=0; col<mat->cols; col++ ) {
4         s += *ptr+*（ptr+1)+*(ptr+2);
5          ptr += 3;
6       }
7    }
8    return( s );
9  }