当前位置：首页 > article >正文

opencv Mat数据乘以系数

article 2025/8/23 23:50:56

需要 Mat 数据乘以一个系数

  cout << "Bgain: " << Bgain << endl;cout << "Ggain: " << Ggain << endl;cout << "Rgain: " << Rgain << endl;

一、常数变同型矩阵，采用 Mat::multiply 函数进行矩阵运算。

需要注意的2个问题：

1、如果常数是浮点型，那么定义同型矩阵时候，要定义成CV_32FC1的格式，否则会变成取整处理后的同型矩阵；

2、采用Mat::multiply函数进行运算时，会发生报错现象，目前未解决。

  Mat BgainMat(B.rows, B.cols, CV_8UC1, Scalar::all(Bgain));Mat GgainMat(G.rows, G.cols, CV_8UC1, Scalar::all(Ggain));Mat RgainMat(R.rows, R.cols, CV_8UC1, Scalar::all(Rgain));Rect re(4180, 1650, 6, 6);cout << "BgainMat: " << BgainMat(re) << endl;cout << "GgainMat: " << GgainMat(re) << endl;cout << "RgainMat: " << RgainMat(re) << endl;

修改Scalar 数值：

  Mat BgainMat(B.rows, B.cols, CV_8UC1, Scalar::all(3.56));Mat GgainMat(G.rows, G.cols, CV_8UC1, Scalar::all(1.25));Mat RgainMat(R.rows, R.cols, CV_8UC1, Scalar(Rgain));Rect re(4180, 1650, 6, 6);cout << "BgainMat: " << BgainMat(re) << endl;cout << "GgainMat: " << GgainMat(re) << endl;cout << "RgainMat: " << RgainMat(re) << endl;

原因：无论Scalar是什么浮点值，输出的均为四舍五入后的整数型

问题不在输入参数，在于Mat类型的定义 8UC1

Mat.hpp 源码：

    int type() const;/** @brief Returns the depth of a matrix element.The method returns the identifier of the matrix element depth (the type of each individual channel).For example, for a 16-bit signed element array, the method returns CV_16S . A complete list ofmatrix types contains the following values:-   CV_8U - 8-bit unsigned integers ( 0..255 )-   CV_8S - 8-bit signed integers ( -128..127 )-   CV_16U - 16-bit unsigned integers ( 0..65535 )-   CV_16S - 16-bit signed integers ( -32768..32767 )-   CV_32S - 32-bit signed integers ( -2147483648..2147483647 )-   CV_32F - 32-bit floating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )-   CV_64F - 64-bit floating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )*/

矩阵输出问题解决，

但是矩阵运算出现报错

  multiply(B, BgainMat, newB);multiply(G, GgainMat, newG);multiply(R, RgainMat, newR);

二、通过 cvConvertScale 函数进行运算。

但是：存在一些小问题

  cvConvertScale(B, newB, Ggain,0);

不存在从 Cv::Mat 到 Cv::Arr * 的适当转换函数

参考博文：上篇转载该博文的解决方案是，针对Mat类型的数据，选用不以cv开头的函数。

cvConvertScale ：以cv开头的函数输入参数列表矩阵类型大都为 cv::Arr * 类型以Mat类型作为输入参数时会报错的不存在 Mat 到 Arr的适当转换函数

convertMaps : 不带cv的函数输入参数多为 cv::inputArray 类型，此类函数输入参数类型 Mat 类型的是可以的。

三、自己写代码，对Mat数据元素进行操作的方式实现：

需要注意存在的问题：当计算结果超出255时，注意处理溢出问题。否则图像结果会发生如下的问题。

  for (int i = 0; i < B.rows;i++){//uchar* dataB = B.ptr<uchar>(i);//uchar* dataNewB = newB.ptr<uchar>(i);for (int j = 0; j < B.cols;j++){//dataNewB[j] = dataB[j] * Bgain;  // 指针访问的方式 操作数据元素//dataNewG[j] = dataG[j] * Ggain;//dataNewR[j] = dataR[j] * Rgain;newB.at<uchar>(i, j) = B.at<uchar>(i, j) * Bgain; // 动态地址访问方式 操作数据元素newG.at<uchar>(i, j) = G.at<uchar>(i, j) * Ggain;newR.at<uchar>(i, j) = R.at<uchar>(i, j) * Rgain;}}

输出结果显示， newB发生了数据的溢出。

处理后的图片效果：

四、简洁可行

最后，最后，发现，Mat矩阵直接乘以数值就可以了，并且能自动满足溢出时取最大值255的处理。兜兜转转一大圈，最初曾经这样试过，可能某个地方出问题了，结果绕了一圈，想了很多其它的如前述的方式进行计算，足足花费一天时间。

  newB = B * Bgain;newG = G * Ggain;newR = R * Rgain;cout << "newB: " << newB(re) << endl;cout << "newG: " << newG(re) << endl;cout << "newR: " << newR(re) << endl;cout << "newC: " << newC(re) << endl;