Question

我没有使用C ++ OpenCV（版本3.4.1）进行数据分配。

请查看以下示例代码：

std::cout << "test cv::Mat" << std::endl;
cv::Mat a(2, 2, CV_32FC1, cv::Scalar(1.));
cv::Mat b(2, 2, CV_32FC1, cv::Scalar(5.));
std::cout << "a:" << std::endl << a << std::endl;
std::cout << "b:" << std::endl << b << std::endl;

a.col(0) = b.col(0);
std::cout << "a:" << std::endl << a << std::endl;
std::cout << "b:" << std::endl << b << std::endl;

a.col(0) = b.row(0).t();
std::cout << "a:" << std::endl << a << std::endl;
std::cout << "b:" << std::endl << b << std::endl;

std::cout << "test cv::UMat" << std::endl;
cv::UMat c(2, 2, CV_32FC1, cv::Scalar(1.));
cv::UMat d(2, 2, CV_32FC1, cv::Scalar(5.));
std::cout << "c:" << std::endl << c << std::endl;
std::cout << "d:" << std::endl << d << std::endl;

c.col(0) = d.col(0);
std::cout << "c:" << std::endl << c << std::endl;
std::cout << "d:" << std::endl << d << std::endl;

c.col(0) = d.row(0).t();
std::cout << "c:" << std::endl << c << std::endl;
std::cout << "d:" << std::endl << d << std::endl;

这给出了以下输出：

test cv::Mat
a:
[1, 1;
1, 1]
b:
[5, 5;
5, 5]
a:
[1, 1;
1, 1]
b:
[5, 5;
5, 5]
a:
[5, 1;
5, 1]
b:
[5, 5;
5, 5]
test cv::UMat
[ INFO:0] Initialize OpenCL runtime...
c:
[1, 1;
1, 1]
d:
[5, 5;
5, 5]
c:
[1, 1;
1, 1]
d:
[5, 5;
5, 5]
c:
[1, 1;
1, 1]
d:
[5, 5;
5, 5]

如果是cv :: Mat，为什么a.col(0) = b.col(0); 的分配不起作用？

为什么a.col(0) = b.row(0).t(); 的分配工作？

为什么cv :: UMat会有所不同？

所有这一切背后的目标是从多个其他OpenCV矩阵连接cv :: Mat（或更好的cv :: UMat），而不复制数据（由于数量可能很昂贵数据）。

这有可能吗？

Answer 1

使用a.row()或a.col()时，不会复制a中的数据到新阵列。像d = b.col(0);：这个表达式意味着创建一个新的数组头d，并安排其数据指针，步骤数组等，以便它将访问d中col 0中的数据。所以这就是为什么它看起来不起作用，当你向它添加转置.t()时，你就不会出现同样的情况。

对于CPU版本，在.t()中，您没有应用与.col()相同的规则，只是将向量分配给另一个矩阵，因此其值已被复制/修改。

对于UMat，我没有足够的信息确切地使用GPU或CPU来执行任务。对我而言，它正在使用我的GPU，但对你来说它似乎并不是：

test cv::UMat
[ INFO:0] Initialize OpenCL runtime...
[ INFO:0] Successfully initialized OpenCL cache directory: /home/jdros/.cache/opencv/3.4.1-dev/opencl_cache/
[ INFO:0] Preparing OpenCL cache configuration for context: NVIDIA_Corporation--GeForce_930MX--384_81

<强>建议：使用较新版本的OpenCV，您可以获得更优化的代码并且更快。因此，我建议您阅读有关在内存中复制数据的每个特定功能和/或自己尝试一些代码，您可以使用.clone()，copyTo()等功能。例如，一个简单的赋值不是矩阵复制的最佳方式，这是你真正需要的，但是.clone()实际上是在内存中复制数据。但是要研究一下你正在使用的每个函数，它是值得的

我在一本名为Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library：

的书中找到了更多信息

了解数组中的数据并非严格附加到数组对象是至关重要的。 cv::Mat对象实际上是数据区域的标头，原则上它是完全独立的。例如，可以将一个矩阵n分配给另一个矩阵m（即m=n）。在这种情况下，m内的数据指针将更改为指向与n相同的数据。先前由m（如果有）的数据元素指向的数据将被解除分配（从技术上讲，如果m是指向该特定数据的最后一个cv::Mat，它将仅被解除分配）。同时，它们现在共享的数据区域的参考计数器将递增。最后但并非最不重要的是，表征其数据的m成员（例如rows，cols和flags）将更新为准确描述m中数据现在指向的数据。这一切都导致了非常方便的行为，其中数组可以彼此分配，并且在幕后自动执行此操作以获得正确的结果。

Answer 2

不，如果不复制数据，就无法将多个OpenCV矩阵连接成一个。

类cv::Mat仅包含指向数据的单个指针，不允许处理多个内存区域。

datastart中还有指针dataend，datalimit和cv::Mat，但这些只是支持感兴趣区域的助手。它们有助于处理较小的矩阵而无需复制数据，而不是更大。

无需从其他OpenCV Matrix复制到cv :: Mat和cv :: UMat的数据分配

2 个答案: