申明：以下的小技巧，均为 OpenCV2.4.2 下验证过的，但并不保证其它版本依然奏效 （1）利用数组来构建 cv::Mat 示例代码如下所示： void ArrayToMat(){double m[3][3];for (int i=0; i3; i++){for (int j=0; j3; j++){m[i][j] = i+j;coutm[i][j] ;}coutendl;

申明：以下的小技巧，均为OpenCV2.4.2下验证过的，但并不保证其它版本依然奏效

（1）利用数组来构建cv::Mat

示例代码如下所示：

void ArrayToMat()
{
	double m[3][3];
	for (int i=0; i<3; i++)
	{
	for (int j=0; j<3; j++)
	{
	m[i][j] = i+j;
	cout<(i,j);
	cout<
不出意外的话，执行结果应该如下所示：



（2） IplImage*跟cv::Mat之间的互相转换
示例代码：
void IplImageToMat()
{
	IplImage* pImg = cvLoadImage("c:/test.jpg");
	if (!pImg)
	{
	cout<<"pImg load error"<

笔者任意加载了电脑上一副图片，结果如下所示：


提醒，这里的格式转换并不申请新的内存，而仅仅是改变数据结构而已

（3）Mat转换为IplImge
示例代码：
void MatToIplImage()
{
	Mat m = imread("c:/test.jpg");
	if (m.empty())
	{
	cout<<"mat load error"<
笔者任意加载一张图片，上述代码的执行
结果为：



（4）访问二维数据（cv::Mat）最高效的方式是先得到该二维数据的每一行的指针，然后利用下标运算符逐列访问
示例代码：
void MatAccess()
{
	double m[3][3];
	for (int i=0; i<3; i++)
	{
	for (int j=0; j<3; j++)
	{
	m[i][j] = i+j;
	cout<(i);
	for (int j=0; j
上面的代码执行
结果为：



（5）cv::Mat支持STL中的迭代器功能
示例代码：
void MatAccess()
{
	double m[3][3];
	for (int i=0; i<3; i++)
	{
	for (int j=0; j<3; j++)
	{
	m[i][j] = i+j;
	cout<(i);
	for (int j=0; j it = M.begin();
	MatConstIterator_ itEnd = M.end();
	for (;it!=itEnd; it++)
	{
	sum += *it;
	}
	cout<<"sum: "<
运行结果：


（6） satureat_cast : openCV中用于数据“饱和”判断
示例：
void Saturate_castTest()
{
	int r = 300;
	uchar t = saturate_cast(r);
	cout<
结果：


（7）获取函数执行时间
getTickCount()和getTickFrequency()结合起来可以用来计算函数执行时间，尤其是很小的代码片段的执行时间
举例：
void GetFuncTime()
{
	double exec_time = (double)getTickCount();
	for (int i=0; i<10; i++)
	{
	;
	}
	exec_time = ((double)getTickCount() - exec_time)*1000./getTickFrequency();
	cout<
上面的代码，重点在于for循环，且，该循环中什么也不处理；用一般的时间函数很难计算出该代码片段的执行时间，但利用getTickCount（）和getTickFrequency（）就很容易。笔者电脑上的结果是：
 




下载本文