IplImage 结构解读

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

IplImage 结构解读：

typedef struct _IplImage
{
int nSize; /* IplImage大小，等于width*height */
int ID; /* 版本 (=0)*/
int nChannels; /* 大多数OPENCV函数支持1,2,3 或 4 个通道 */
int alphaChannel; /* 被OpenCV忽略 */
int depth; /* 像素的位深度: 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（ditto）*/
int dataOrder;   /* 0 - 交叉存取颜色通道, 1 - 分开的颜色通道. cvCreateImage只能创建交叉存取图像 */
int origin;   /* 0 - 顶—左结构,1 - 底—左结构 (Windows bitmaps 风格) */
int align; /* 图像行排列 (4 or 8). OpenCV 忽略它，使用 widthStep 代替 */
int width;   /* 图像宽像素数 */
int height;   /* 图像高像素数*/
struct _IplROI *roi; /* 图像感兴趣区域. 当该值非空只对该区域进行处理 */
struct _IplImage *maskROI; /* 在 OpenCV中必须置NULL */
void *imageId; /* 同上*/
struct _IplTileInfo *tileInfo; /*同上*/
int imageSize; /* 图像数据大小(在交叉存取格式下imageSize=image->height*image->widthStep），单位字节*/
char *imageData; /* 指向排列的图像数据 */
int widthStep; /* 排列的图像行大小，以字节为单位 */
int BorderMode[4];   /* 边际结束模式, 被OpenCV忽略 */
int BorderConst[4]; /* 同上 */
char *imageDataOrigin;   /* 指针指向一个不同的图像数据结构（不是必须排列的），是为了纠正图像内存分配准备的 */
}
IplImage;

重要结构元素说明：

depth和nChannels

depth代表颜色深度，使用的是以下定义的宏,nChannels是通道数，为1,2,3或4。
depth的宏定义：
IPL_DEPTH_8U,无符号8bit整数(8u)
IPL_DEPTH_8S,有符号8bit整数(8s)
IPL_DEPTH_16S,有符号16bit整数(16s)
IPL_DEPTH_32S,有符号32bit整数(32s)
IPL_DEPTH_32F,32bit浮点数，单精度(32f)
IPL_DEPTH_64F,64bit浮点数，双精度(64f)

origin和dataOrder

origin变量可以有两个取值：IPL_ORIGIN_TL或者IPL_ORIGIN_BL,分别代表图像坐标系原点在左上角或是左下角。相应的，在计算机视觉领域，一个重要的错误来源就是原点位置的定义不统一。例如，图像的来源不同，操作系统不同，视频解码codec不同，存储方式不同等等，都可以造成原点位置的变化。例如，你可能认为你正在从图像上面的脸部附近取样，但实际上你却在图像下方的裙子附近取样。最初时，就应该检查一下你的系统中图像的原点位置，这可以通过在图像上方画个形状等方式实现。
dataOrder的取值可以是IPL_DATA_ORDER_PIXEL或者IPL_DATA_ORDER_PLANE,这个成员变量定义了多通道图像数据存储时颜色数据的排列方式，如果是IPL_DATA_ORDER_PIXEL,通道颜色数据排列将会是BGRBGR...的交错排列，如果是IPL_DATA_ORDER_PLANE，则每个通道的颜色值在一起，有几个通道，就有几个“颜色平面”。大多数情况下，通道颜色数据的排列是交错的。
widthStep与CvMat中的step类似，是以字节数计算的图像的宽度。成员变量imageData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coi被设置成非零值，则对该图像的操作就只作用于被coi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<height; y++ )
{
uchar* ptr = (uchar*) ( img->imageData + y * img->widthStep );
for( int x=0; x<width; x++ )
{
ptr[3*x+1] = 255;
ptr[3*x+2] = 255;
}
}

上面只是简单的直接计算相关行y最左边的像素的指针ptr。从那里为参考，引用第x列的饱和度数据。因为图像是三通道的，第c通道的地址为3*x+c。

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byte型），即字节指针类型，所以与CvMat的data指针类型(union)不同——CvMat的数据元素是一个联合体，所以必须说明你想要的指针类型。不需要象CvMat那样麻烦（还记得step/4,step/8的那种情形吗）。CvMat的数据元素是一个联合体，所以必须说明你想要的指针类型，imageData是一个byte型(uchar*)。我们知道，被指向的数据不一定是uchar类型，这意味着当对指针作算术运算时，你可以简单的加上widthStep(同样是以字节数为度量的)而不用担心实际的数据类型，只需在做完加法后，把你计算所得的指针转换成你想要的数据类型。总结：党对矩阵操作时，你必须对偏移量进行缩减，因为数据指针可能不是byte型，而当对图像操作时，你可以使用“看上去”那么多的偏移量，因为数据指针永远都是byte型，因此在你准备使用它时，只需把整部分做类型转换。

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。

（以下参考百度文库《IplImage的像素的访问》）

opencv中访问图像数据——假设要访问第k通道、第i行、第j列的像素

一、间接访问（通用，但效率低，可以访问任意格式的图像）

对于单通道字节型图像：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_8U, 1);
CvScalar s;
s = cvGet2D(img, i, j);// get the (i,j) pixel value
printf("intensity = %f\n", s.val[0]);
s.val[0] = 111;
cvSet2D(img, i, j, s);// set the (i,j) pixel value

对于多通道字节/浮点型图像

// mul channels byte/float image
IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_32F, 3);
CvScalar s;
s = cvGet2D(img, i, j);// get the (i,j) pixel value
printf("B=%f, G=%f, R=%f\n", s.val[0], s.val[1], s.val[2]);
s.val[0] = 111;
s.val[1] = 111;
s.val[2] = 111;
cvSet(img, i, j, s);// set the (i,j) pixel value

二、直接访问（效率高，但容易出错）

对于单通道字节型图像：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_8U, 1);
((uchar *) (img->imageData + i*img->widthStep))[j] = 111;// 也相当于在后面加j，即(uchar *) (img->imageData + i*img->widthStep + j) = 111;

对于多通道字节型图像：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_8U, 3);
((uchar *) (img->imageData + i*img->widthStep))[j*img->nChannels + 0] = 111;// B
((uchar *) (img->imageData + i*img->widthStep))[j*img->nChannels + 1] = 112;// G
((uchar *) (img->imageData + i*img->widthStep))[j*img->nChannels + 2] = 113;// R

对于多通道浮点型图像：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_32F, 3);
((float *) (img->imageData + i*img->widthStep))[j*img->nChannels + 0] = 111;// B
((float *) (img->imageData + i*img->widthStep))[j*img->nChannels + 1] = 112;// G
((float *) (img->imageData + i*img->widthStep))[j*img->nChannels + 2] = 113;// R

三、基于指针的直接访问（简单高效）

对于单通道字节型图像：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_8U, 1);
int height = img->height;
int width = img->width;
int step = img->widthStep/sizeof(uchar);
uchar* data =(uchar *)img->imageData;
data[i*step + j] = 111;

对于多通道字节型图像：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_8U, 3);
int height = img->height;
int width = img->width;
int step = img->widthStep/sizeof(uchar);
int channels = img->nChannels;
uchar* data = (uchar *)img->imageData;
data[i*step + j*channels + k] = 111;

对于多通道浮点型图像（假设图像数据采用4字节（32位）行对齐方式）：

IplImage* img = cvCreateImage(cvSize(640,480), IPL_DEPTH_32F, 3);
int height = img->height;
int width = img->width;
int step = img->widthStep/sizeof(float);
int channels = img->nChannels;
float * data = (float *)img->imageData;
data[i*step + j*channels + k] = 111;

ROI和widthStep有非常重要的实用价值，因为它允许代码只处理图像的一部分子区域，从而在很多场合加速计算机视觉的处理。OpenCV对ROI和widthStep的支持是普遍的：每一个函数都允许把操作只限定在一个子区域。使用cvSetImageROI()和cvResetImageROI()可以开启或关闭ROI。

void cvSetImageROI( IplImage* image, CvRect rect );
void cvResetImageROI( IplImage* image );

下面我们看ROI是怎么使用的，我们载入一张图，然后变更图像的一部分。在显示之前用cvResetImageROI()释放ROI是很重要的，否则只会忠实的显示ROI区域。

#include <cv.h>
#include <highgui.h>
int main()
{
IplImage* src = cvLoadImage("poppy.jpg", 1);// 载入图像
cvSetImageROI(src, cvRect(200, 100, 100, 100));// 为图像设置ROI区域
cvAddS(src, cvScalar(100, 100, 100), src);// 对图像做与运算
cvResetImageROI(src);// 释放ROI区域
cvSaveImage("poppy1.jpg", src);// 保存处理后的图像
cvNamedWindow("Roi_add");// 创建一个窗口
cvShowImage("Roi_add", src);// 在窗口中显示图像
cvWaitKey();// 延时
return 0;
}

如果我们灵活的使用widthStep，也可以达到同样的效果

#include <cv.h>
#include <highgui.h>
int main()
{
IplImage* src = cvLoadImage("poppy.jpg", 1);// 载入图像
CvRect interest_rect = cvRect(200, 100, 100, 100);
// 创建一个和源图像属性相同的子图像
IplImage* sub_img = cvCreateImageHeader(cvSize(interest_rect.width, interest_rect.height), src->depth, src->nChannels);
sub_img->origin = src->origin;// 设置相同的P的原点标准
sub_img->widthStep = src->widthStep;// 这是子图像的widthStep，这是此技术中最精妙的一步
sub_img->imageData = src->imageData
+ interest_rect.y*src->widthStep
+ interest_rect.x*src->nChannels;// 设置图像的数据区域
cvAddS(sub_img, cvScalar(100, 100, 100), sub_img);// 对图像做与运算
cvReleaseImageHeader(&sub_img);// 释放子图像头
cvSaveImage("poppy1.jpg", src);// 保存处理后的图像
cvNamedWindow("Roi_add");// 创建一个窗口
cvShowImage("Roi_add", src);// 在窗口中显示图像
cvWaitKey();// 延时
return 0;
}