新游期待排行榜
下载排行榜
113 128 132 146 1533 161 171 1810 192 201 211 222 237 24理肤泉MAT能不能和烟酰胺一起用？皮肤求稳定 | 美丽也是技术活小组 | 果壳网 科技有意思
1058014人加入此小组
楼主女23岁，大油皮易长痘，坐标魔都。现在的routine：早：米萃+小绿瓶+C乳+碧柔小白瓶（涂改液）。晚：米萃+小绿瓶+AH A醇 or C乳。之前一直是这个routine，偶尔会长痘痘，有白头可以挤的那种。但是最近脸上爆了好几个红肿的、按压会疼的大痘痘，无白头没法挤。也不知道和防晒有木有关系，之前用的新碧蓝瓶涂改液，现在这两天换成碧柔，但是我觉得应该关系不大。然后我就点涂克林霉素，无效，换成过氧苯甲酰，涂了两次，还没见到啥效果。现在求助：1 这样的routine是否有问题？为何这两天爆豆突然增多？
2 自我感觉AH A醇略刺激，而且效果还不如露得清，现在看中了雅漾的祛油清痘乳，可否一试？
3 楼主大油皮，现在早上的routine没过多久就会出油，能否把C乳换成MAT？但是听说水杨酸不能和烟酰胺一起用，否则会产生刺激皮肤的烟酸，这样一来，美白精华岂不是也要换掉？楼主的目标就是皮肤稳定，在此基础上逐渐淡化痘印，可是目前状况真的不稳定啊。。。
+ 加入我的果篮
没人呐。。。瓶颈期求突破求指教
表示一直在用k乳叠小绿瓶哎...没啥问题,楼主先试着在耳后叠加看会不会刺激吧?
引用 的话：表示一直在用k乳叠小绿瓶哎...没啥问题,楼主先试着在耳后叠加看会不会刺激吧?不刺激的前提下这二者叠加会不会使小绿瓶无效呢？我也是看到果壳某位大神说的水杨酸最好不要与烟酰胺叠加
引用 的话：不刺激的前提下这二者叠加会不会使小绿瓶无效呢？我也是看到果壳某位大神说的水杨酸最好不要与烟酰胺叠加不要叠加的原因不是怕烟酰胺转化成比较刺激的烟酸吗0 0会失效吗0 0
引用 的话：不要叠加的原因不是怕烟酰胺转化成比较刺激的烟酸吗0 0会失效吗0 0不知道哇，就是想问的。如果不会失效只是会刺激的话二者隔个几分钟就好了。我现在用AH的A醇都隔几分钟的，因为AH的PH值也比较低
(C)2016果壳网&&&&京ICP证100430号&&&&京网文[-239号&&&&新出发京零字东150005号&&&&
违法和不良信息举报邮箱：&&&&举报电话：CvMat、Mat、IplImage之间的转换详解及实例
OpenCV学习之CvMat的用法详解及实例
&&&&CvMat是OpenCV比较基础的函数。初学者应该掌握并熟练应用。但是我认为计算机专业学习的方法是，不断的总结并且提炼，同时还要做大量的实践，如编码，才能记忆深刻，体会深刻，从而引导自己想更高层次迈进。
1.初始化矩阵：&
方式一、逐点赋值式：&
CvMat*&mat&=&cvCreateMat(&2,&2,&CV_64FC1&);
cvZero(&mat&);
cvmSet(&mat,&0,&0,&1&);
cvmSet(&mat,&0,&1,&2&);
cvmSet(&mat,&1,&0,&3&);
cvmSet(&mat,&2,&2,&4&);
cvReleaseMat(&&mat&);&
方式二、连接现有数组式：&
double&a[]&=&{&1,&2,&3,&4,&&&&5,&6,&7,&8,&&&&9,&10,&11,&12&};
CvMat&mat&=&cvMat(&3,&4,&CV_64FC1,&a&);&//&64FC1&for&double
//&不需要cvReleaseMat，因为数据内存分配是由double定义的数组进行的。&
2.IplImage&&-----&cvMat的转换&
A.CvMat-&&IplImage
IplImage*&img&=&cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);
cvSaveImage("rice1.bmp",img);
B.IplImage&-&&CvMat
IplImage*&img&=&cvLoadimage("leda.jpg",1);
法2：CvMat&*mat&=&cvCreateMat(&img-&height,&img-&width,&CV_64FC3&);
&&&&&cvConvert(&img,&mat&);
法：CvMat&
&&&&&&&&&&CvMat&
*mat&=&cvGetMat(&img,&&mathdr&);
3.IplImage&&---&Mat的转换&
（1）将IplImage----- & Mat类型
Mat::Mat(const IplImage* img, bool copyData=false);
默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建一个Mat矩阵头。当将参数copyData设为true后，就会复制整个图像数据。
IplImage*iplImg = cvLoadImage("greatwave.jpg", 1);
Matmtx(iplImg);&// IplImage* -&Mat 共享数据
// or : Mat mtx = iplI
或者是：Mat&mtx(iplImg,0);&//&0是不复制影像，也就是iplImg的data共用同个记意位置，header各自有
（2）将Mat类型转换-----& IplImage类型
同样只是创建图像头，而没有复制数据。
IplImage ipl_img =&// Mat -& IplImage
IplImage*-&&BYTE*
BYTE*&data=&img-&imageD
4.CvMat&---&Mat的转换
（1）将CvMat类型转换为Mat类型
B.CvMat-&Mat
与IplImage的转换类似，可以选择是否复制数据。
CvMat*m=&cvCreatMat(int&rows&,int&cols&,&int&type);
Mat::Mat(const&CvMat*&m,&bool&copyData=false);
在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。
但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵：
&&&&&&&&&&&&&&CvMat*m=&cvCreatMat(int&rows&,int&cols&,&int&type);
这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。
（2）将Mat类型转换为CvMat类型
与IplImage的转换类似，不复制数据，只创建矩阵头。
假设Mat类型的imgMat图像数据存在
CvMat cvMat = imgM&// Mat -& CvMat
5.cv::Mat---&const cvArr*
cvArr * 数组的指针。就是opencv里面的一种类型。
const CvArr* s=(CvArr*)&
上面就可以了，CvArr是Mat的虚基类，所有直接强制转换就可以了
void cvResize(&const CvArr*
src, CvArr* dst, int interpolation=CV_INTER_LINEAR );
//&src&就是之前的lplimage类型的一个指针变量
6.cvArr(IplImage或者cvMat)转化为cvMat方式一、cvGetMat方式：
int&coi&=&0;
cvMat&*mat&=&(CvMat*)
if(&!CV_IS_MAT(mat)&)
&&&&mat&=&cvGetMat(&mat,&&matstub,&&coi&);
&&&&if&(coi&!=&0)&&//&CV_ERROR_FROM_CODE(CV_BadCOI);
写成函数为：
//&This&is&just&an&example&of&function
//&to&support&both&IplImage&and&cvMat&as&an&input
CVAPI(&void&)&cvIamArr(&const&CvArr*&arr&)
&&&&CV_FUNCNAME(&"cvIamArr"&);
&&&&__BEGIN__;
&&&&CV_ASSERT(&mat&==&NULL&);
&&&&CvMat&matstub,&*mat&=&(CvMat*)
&&&&int&coi&=&0;
&&&&if(&!CV_IS_MAT(mat)&)
&&&&&&&&CV_CALL(&mat&=&cvGetMat(&mat,&&matstub,&&coi&)&);
&&&&&&&&if&(coi&!=&0)&CV_ERROR_FROM_CODE(CV_BadCOI);
&&&&//&Process&as&cvMat
&&&&__END__;
7.图像直接操作方式一：直接数组操作&int&col,&row,&z;
uchar&b,&g,&r;
for(&row&=&0;&row&&&img-&&y++&)
&&&for&(&col&=&0;&col&&&img-&&col++&)
&&&&&b&=&img-&imageData[img-&widthStep&*&row&+&col&*&3]
&&&&&g&=&img-&imageData[img-&widthStep&*&row&+&col&*&3&+&1];
&&&&&r&=&img-&imageData[img-&widthStep&*&row&+&col&*&3&+&2];
}方式二：宏操作：int&row,&
uchar&b,&g,&r;
for(&row&=&0;&row&&&img-&&row++&)
&&&for&(&col&=&0;&col&&&img-&&col++&)
&&&&&b&=&CV_IMAGE_ELEM(&img,&uchar,&row,&col&*&3&);
&&&&&g&=&CV_IMAGE_ELEM(&img,&uchar,&row,&col&*&3&+&1&);
&&&&&r&=&CV_IMAGE_ELEM(&img,&uchar,&row,&col&*&3&+&2&);
注：CV_IMAGE_ELEM(&img,&uchar,&row,&col&*&img-&nChannels&+&ch&)&
8.cvMat的直接操作数组的直接操作比较郁闷，这是由于其决定于数组的数据类型。&
对于CV_32FC1&(1&channel&float)：
CvMat*&M&=&cvCreateMat(&4,&4,&CV_32FC1&);
M-&data.fl[&row&*&M-&cols&+&col&]&=&(float)3.0;&
对于CV_64FC1&(1&channel&double)：
CvMat*&M&=&cvCreateMat(&4,&4,&CV_64FC1&);
M-&data.db[&row&*&M-&cols&+&col&]&=&3.0;&
一般的，对于1通道的数组：
CvMat*&M&=&cvCreateMat(&4,&4,&CV_64FC1&);
CV_MAT_ELEM(&*M,&double,&row,&col&)&=&3.0;
注意double要根据数组的数据类型来传入，这个宏对多通道无能为力。&
对于多通道：
看看这个宏的定义：#define&CV_MAT_ELEM_CN(&mat,&elemtype,&row,&col&)&\
&&&&(*(elemtype*)((mat).data.ptr&+&(size_t)(mat).step*(row)&+&sizeof(elemtype)*(col)))
if(&CV_MAT_DEPTH(M-&type)&==&CV_32F&)
&&&&CV_MAT_ELEM_CN(&*M,&float,&row,&col&*&CV_MAT_CN(M-&type)&+&ch&)&=&3.0;
if(&CV_MAT_DEPTH(M-&type)&==&CV_64F&)
&&&&CV_MAT_ELEM_CN(&*M,&double,&row,&col&*&CV_MAT_CN(M-&type)&+&ch&)&=&3.0;
更优化的方法是：
&&&#define&CV_8U&&&0
&&&#define&CV_8S&&&1
&&&#define&CV_16U&2
&&&#define&CV_16S&3
&&&#define&CV_32S&4
&&&#define&CV_32F&5
&&&#define&CV_64F&6
&&&#define&CV_USRTYPE1&7&
int&elem_size&=&CV_ELEM_SIZE(&mat-&type&);
for(&col&=&start_&col&&&end_&col++&)&{
&&&&for(&row&=&0;&row&&&mat-&&row++&)&{
&&&&&&&&for(&elem&=&0;&elem&&&elem_&elem++&)&{
&&&&&&&&&&&&(mat-&data.ptr&+&((size_t)mat-&step&*&row)&+&(elem_size&*&col))[elem]&=
&&&&&&&&&&&&&&&&(submat-&data.ptr&+&((size_t)submat-&step&*&row)&+&(elem_size&*&(col&-&start_col)))[elem];
对于多通道的数组，以下操作是推荐的：
for(row=0;&row&&mat-&&row++)
&&&&&&&&p&=&mat-&data.fl&+&row&*&(mat-&step/4);
&&&&&&&&for(col&=&0;&col&&&mat-&&col++)
&&&&&&&&&&&&*p&=&(float)&row+
&&&&&&&&&&&&*(p+1)&=&(float)&row+col+1;
&&&&&&&&&&&&*(p+2)&=(float)&row+col+2;
&&&&&&&&&&&&p+=3;
对于两通道和四通道而言：
CvMat*&vector&=&cvCreateMat(&1,&3,&CV_32SC2&);
CV_MAT_ELEM(&*vector,&CvPoint,&0,&0&)&=&cvPoint(100,100);&
CvMat*&vector&=&cvCreateMat(&1,&3,&CV_64FC4&);
CV_MAT_ELEM(&*vector,&CvScalar,&0,&0&)&=&cvScalar(0,0,0,0);&
9.间接访问cvMatcvmGet/Set是访问CV_32FC1&和&CV_64FC1型数组的最简便的方式，其访问速度和直接访问几乎相同
cvmSet(&mat,&row,&col,&value&);
cvmGet(&mat,&row,&col&);
举例：打印一个数组
inline&void&cvDoubleMatPrint(&const&CvMat*&mat&)
&&&&int&i,&j;
&&&&for(&i&=&0;&i&&&mat-&&i++&)
&&&&&&&&for(&j&=&0;&j&&&mat-&&j++&)
&&&&&&&&&&&&printf(&"%f&",cvmGet(&mat,&i,&j&)&);
&&&&&&&&printf(&"\n"&);
而对于其他的，比如是多通道的后者是其他数据类型的，cvGet/Set2D是个不错的选择
CvScalar&scalar&=&cvGet2D(&mat,&row,&col&);
cvSet2D(&mat,&row,&col,&cvScalar(&r,&g,&b&)&);&
注意：数据不能为int，因为cvGet2D得到的实质是double类型。
举例：打印一个多通道矩阵：
inline&void&cv3DoubleMatPrint(&const&CvMat*&mat&)
&&&&int&i,&j;
&&&&for(&i&=&0;&i&&&mat-&&i++&)
&&&&&&&&for(&j&=&0;&j&&&mat-&&j++&)
&&&&&&&&&&&&CvScalar&scal&=&cvGet2D(&mat,&i,&j&);
&&&&&&&&&&&&printf(&"(%f,%f,%f)&",&scal.val[0],&scal.val[1],&scal.val[2]&);
&&&&&&&&printf(&"\n"&);
10.修改矩阵的形状——cvReshape的操作经实验表明矩阵操作的进行的顺序是：首先满足通道，然后满足列，最后是满足行。
注意：这和Matlab是不同的，Matlab是行、列、通道的顺序。
我们在此举例如下：
对于一通道：
//&1&channel
CvMat&*mat,&
double&data[]&=&{&11,&12,&13,&14,
&&&&&&&&&&&&&&&&&&&21,&22,&23,&24,
&&&&&&&&&&&&&&&&&&&31,&32,&33,&34&};
CvMat*&orig&=&&cvMat(&3,&4,&CV_64FC1,&data&);
//11&12&13&14
//21&22&23&24
//31&32&33&34
mat&=&cvReshape(&orig,&&mathdr,&1,&1&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//&11&12&13&14&21&22&23&24&31&32&33&34
mat&=&cvReshape(&mat,&&mathdr,&1,&3&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//11&12&13&14
//21&22&23&24
//31&32&33&34
mat&=&cvReshape(&orig,&&mathdr,&1,&12&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
mat&=&cvReshape(&mat,&&mathdr,&1,&3&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//11&12&13&14
//21&22&23&24
//31&32&33&34
mat&=&cvReshape(&orig,&&mathdr,&1,&2&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//11&12&13&14&21&22
//23&24&31&32&33&34
mat&=&cvReshape(&mat,&&mathdr,&1,&3&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//11&12&13&14
//21&22&23&24
//31&32&33&34
mat&=&cvReshape(&orig,&&mathdr,&1,&6&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
mat&=&cvReshape(&mat,&&mathdr,&1,&3&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//11&12&13&14
//21&22&23&24
//31&32&33&34
//&Use&cvTranspose&and&cvReshape(&mat,&&mathdr,&1,&2&)&to&get
//&Use&cvTranspose&again&when&to&recover
对于三通道
//&3&channels
CvMat&mathdr,&*
double&data[]&=&{&111,&112,&113,&121,&122,&123,211,&212,&213,&221,&222,&223&};
CvMat*&orig&=&&cvMat(&2,&2,&CV_64FC3,&data&);
//(111,112,113)&(121,122,123)
//(211,212,213)&(221,222,223)
mat&=&cvReshape(&orig,&&mathdr,&3,&1&);&//&new_ch,&new_rows
cv3DoubleMatPrint(&mat&);&//&above
//&(111,112,113)&(121,122,123)&(211,212,213)&(221,222,223)
//&concatinate&in&column&first&order
mat&=&cvReshape(&orig,&&mathdr,&1,&1&);//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//&111&112&113&121&122&123&211&212&213&221&222&223
//&concatinate&in&channel&first,&column&second,&row&third
mat&=&cvReshape(&orig,&&mathdr,&1,&3);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//111&112&113&121
//122&123&211&212
//213&221&222&223
//&channel&first,&column&second,&row&third
mat&=&cvReshape(&orig,&&mathdr,&1,&4&);&//&new_ch,&new_rows
cvDoubleMatPrint(&mat&);&//&above
//111&112&113
//121&122&123
//211&212&213
//221&222&223
//&channel&first,&column&second,&row&third
//&memorize&this&transform&because&this&is&useful&to
//&add&(or&do&something)&color&channels
CvMat*&mat2&=&cvCreateMat(&mat-&cols,&mat-&rows,&mat-&type&);
cvTranspose(&mat,&mat2&);
cvDoubleMatPrint(&mat2&);&//&above
//111&121&211&221
//112&122&212&222
//113&123&213&223
cvReleaseMat(&&mat2&);&
11.计算色彩距离我们要计算img1,img2的每个像素的距离，用dist表示，定义如下
IplImage&*img1&=&cvCreateImage(&cvSize(w,h),&IPL_DEPTH_8U,&3&);
IplImage&*img2&=&cvCreateImage(&cvSize(w,h),&IPL_DEPTH_8U,&3&);
CvMat&*dist&=&cvCreateMat(&h,&w,&CV_64FC1&);
比较笨的思路是：cvSplit-&cvSub-&cvMul-&cvAdd
代码如下：
IplImage&*img1B&=&cvCreateImage(&cvGetSize(img1),&img1-&depth,&1&);
IplImage&*img1G&=&cvCreateImage(&cvGetSize(img1),&img1-&depth,&1&);
IplImage&*img1R&=&cvCreateImage(&cvGetSize(img1),&img1-&depth,&1&);
IplImage&*img2B&=&cvCreateImage(&cvGetSize(img1),&img1-&depth,&1&);
IplImage&*img2G&=&cvCreateImage(&cvGetSize(img1),&img1-&depth,&1&);
IplImage&*img2R&=&cvCreateImage(&cvGetSize(img1),&img1-&depth,&1&);
IplImage&*diff&&&&=&cvCreateImage(&cvGetSize(img1),&IPL_DEPTH_64F,&1&);
cvSplit(&img1,&img1B,&img1G,&img1R&);
cvSplit(&img2,&img2B,&img2G,&img2R&);
cvSub(&img1B,&img2B,&diff&);
cvMul(&diff,&diff,&dist&);
cvSub(&img1G,&img2G,&diff&);
cvMul(&diff,&diff,&diff);
cvAdd(&diff,&dist,&dist&);
cvSub(&img1R,&img2R,&diff&);
cvMul(&diff,&diff,&diff&);
cvAdd(&diff,&dist,&dist&);
cvReleaseImage(&&img1B&);
cvReleaseImage(&&img1G&);
cvReleaseImage(&&img1R&);
cvReleaseImage(&&img2B&);
cvReleaseImage(&&img2G&);
cvReleaseImage(&&img2R&);
cvReleaseImage(&&diff&);&
比较聪明的思路是
int&D&=&img1-&nC&//&D:&Number&of&colors&(dimension)
int&N&=&img1-&width&*&img1-&&//&N:&number&of&pixels
CvMat&mat1hdr,&*mat1&=&cvReshape(&img1,&&mat1hdr,&1,&N&);&//&N&x&D(colors)
CvMat&mat2hdr,&*mat2&=&cvReshape(&img2,&&mat2hdr,&1,&N&);&//&N&x&D(colors)
CvMat&diffhdr,&*diff&=&cvCreateMat(&N,&D,&CV_64FC1&);&//&N&x&D,&temporal&buff
cvSub(&mat1,&mat2,&diff&);
cvMul(&diff,&diff,&diff&);
dist&=&cvReshape(&dist,&&disthdr,&1,&N&);&//&nRow&x&nCol&to&N&x&1
cvReduce(&diff,&dist,&1,&CV_REDUCE_SUM&);&//&N&x&D&to&N&x&1
dist&=&cvReshape(&dist,&&disthdr,&1,&img1-&height&);&//&Restore&N&x&1&to&nRow&x&nCol
cvReleaseMat(&&diff&);&
#pragma&comment(&lib,&"cxcore.lib"&)
#include&"cv.h"
int&main()
CvMat*&mat&=&cvCreateMat(3,3,CV_32FC1);
cvZero(mat);//将矩阵置0
//为矩阵元素赋值
CV_MAT_ELEM(&*mat,&float,&0,&0&)&=&1.f;
CV_MAT_ELEM(&*mat,&float,&0,&1&)&=&2.f;
CV_MAT_ELEM(&*mat,&float,&0,&2&)&=&3.f;
CV_MAT_ELEM(&*mat,&float,&1,&0&)&=&4.f;
CV_MAT_ELEM(&*mat,&float,&1,&1&)&=&5.f;
CV_MAT_ELEM(&*mat,&float,&1,&2&)&=&6.f;
CV_MAT_ELEM(&*mat,&float,&2,&0&)&=&7.f;
CV_MAT_ELEM(&*mat,&float,&2,&1&)&=&8.f;
CV_MAT_ELEM(&*mat,&float,&2,&2&)&=&9.f;
//获得矩阵元素(0,2)的值
float&*p&=&(float*)cvPtr2D(mat,&0,&2);
printf("%f\n",*p);
&&&&return&0;}