OpenCV：widthStep vs step

绪：

在OpenCV中，widthStep是相对于IplImage*进行图像像素拜候操作的；

而step是相对于Mat进行图像像素拜候操作的；

widthStep：存储一行像素需要的字节数；

step：每一行中所有元素的字节总量，单元字节；

本文本家儿要介绍：

widthStep界说；widthStep在IplImage中的感化；widthStep在图像像素拜候中的应用；

widthStep总结；

step在Mat类中的感化；step在图像像素拜候中的应用；

东西/原料

OpenCV 2410

方式/步调

1
widthStep界说：
①OpenCV中，默认图像原点为图像左上角，img->origin=IPL_ORIGIN_TL；若是想更改图像原点坐标也可以，如img->origin=IPL_ORIGIN_BL，将图像原点更改为左下角；
一般采用默认的图像原点；
②OpenCV用imread或者cvLoadImage获得的图像数据都是unsigned char类型的；
③IplImage布局体中的widthStep元素巨细纷歧心猿意马等于width*nChannels，
④在cxcore/cxarray.cpp文件中，cvInitImageHeader对widthStep巨细赋值：
image->widthStep =
(((image->width * image->nChannels *(image->depth & ~IPL_DEPTH_SIGN) + 7)/8)+ align - 1) & (~(align - 1));
此中，
cxtypes.h界说IPL_DEPTH_SIGN为：#define IPL_DEPTH_SIGN 0x80000000；
cxmisc.h中界说align为：#define CV_DEFAULT_IMAGE_ROW_ALIGN 4；
depth取8位深度；
则可计较图像的widthStep；
一些图像的widthStep如下：
IplImage *image_33 = cvCreateImage(cvSize(3, 3), 8, 3);
IplImage *image_31 = cvCreateImage(cvSize(3, 3), 8, 1);
IplImage *image_53 = cvCreateImage(cvSize(5, 3), 8, 3);
IplImage *image_51= cvCreateImage(cvSize(5, 3), 8, 1);
IplImage *image_73 = cvCreateImage(cvSize(7, 3), 8, 3);
IplImage *image_71 = cvCreateImage(cvSize(7, 3), 8, 1);
printf("%d, %d, %d, %d, %d, %d",
image_33->widthStep,
image_31->widthStep,
image_53->widthStep,
image_51->widthStep,
image_73->widthStep,
image_71->widthStep);
运行成果为：12， 4， 16， 8， 24， 8。
是以，OpenCV分派的内存按4字节对齐，与上述计较成果相符，如宽度为3、通道数为3的图像，每一行需要的现实内存长度为3*3，为了内存对齐，OpenCV会在每行末从头至尾主动补上3个字节的内存，内存初始化都为0，所以widthStep变为了12。
2
widthStep在IplImage*中的感化：
如下：
typedef struct _IplImage{
    int nSize;             /* sizeof(IplImage) */
    int ID;                /* version (=0)*/
    int nChannels;         /* Most of OpenCV functions support 1,2,3 or 4 channels */
    int alphaChannel;      /* Ignored by OpenCV */
    int depth; /* Pixel depth in bits: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F are supported. */
    char colorModel[4];     /* Ignored by OpenCV */
    char channelSeq[4];     /* ditto */
    int dataOrder;         /* 0 - interleaved color channels, 1 - separate color channels.
                               cvCreateImage can only create interleaved images */
    int origin; /* 0 - top-left origin, 1 - bottom-left origin (Windows bitmaps style). */
    int align; /* Alignment of image rows (4 or 8). OpenCV ignores it and uses widthStep instead. */
    int width;             /* Image width in pixels.                           */
    int height;            /* Image height in pixels.                          */
    struct _IplROI *roi;    /* Image ROI. If NULL, the whole image is selected. */
    struct _IplImage *maskROI;      /* Must be NULL. */
    void *imageId;                 /* "           " */
    struct _IplTileInfo *tileInfo; /* "           " */
    int imageSize; /* Image data size in bytes (==image->height*image->widthStep in case of interleaved data)*/
    char *imageData;        /* Pointer to aligned image data.         */
    int widthStep;         /* Size of aligned image row in bytes.    */
    int BorderMode[4];     /* Ignored by OpenCV.                     */
    int BorderConst[4];    /* Ditto.                                 */
    char *imageDataOrigin; /* Pointer to very origin of image data (not necessarily aligned) -
                               needed for correct deallocation */
}IplImage;
3
IplImage*拜候图像像素：widthStep
对8bit，单通道，unsigned char类型的图像I---IplImage* img：
I(x, y)~((unsigned char*)(img->imageData+img->widthStep*y))[x];
对8bit，3通道，unsigned char类型的图像I---IplImage* img：
I(x, y)blue~((unsigned char*)(img->imageData+img->widthStep*y))[x*3];
I(x, y)green~((unsigned char*)(img->imageData+img->widthStep*y))[x*3+1];
I(x, y)red~((unsigned char*)(img->imageData+img->widthStep*y))[x*3+2];
或者
unsigned char* ptr=&((unsigned char*)(img->imageData+img->widthStep*y))[x*3];
I(x, y)blue ~ ptr[0];
I(x, y)green~ ptr[1];
I(x, y)red ~ ptr[2];

对32bit，1通道，float*类型的图像I---IplImage* img：
I(x, y)~((float*)(img->imageData+img->widthStep*y))[x];
对32bit，3通道，float*类型的图像I---IplImage*img；
I(x, y) blue ~((float*)(img->imageData+img->widthStep*y))[3*x];
I(x, y) green ~(( float *)(img->imageData+img->widthStep*y))[x*3+1];
I(x, y) red ~(( float *)(img->imageData+img->widthStep*y))[x*3+2];

对64bit，3通道，double*类型的图像数据I--- IplImage*img；
image=cvCreateImage(cvSize(111,113),IPL_DEPTH_64F,3);
这里widthstep=(111*3*sizeof(double)+3)/4*4=2664;因为111*3*sizeof(double)=2664已经正好是4的倍数了，是以无需弥补字节。
若是用指针拜候第31行、51列的图像数据，
则这个数据为double类型的，image->imageData为unsigned char类型，
是以可以转换当作double，经由过程double指针来拜候:
①
double *data=(double*)image->imageData;
double val=*(data+31*width+51);
②或者经由过程unsigned char指针找到(31,51)处的地址，
然后转换当作double指针进行拜候：
unsigned char* data=image->imageData;
double val=*(double*)(data+31*image->widthStep+51*sizeof(double));
对于IplImage，指针拜候可以参考以上两种体例，其实这素质就是数据类型的转换罢了。

一般，拜候图像像素方式，格局：
对于N通道，T类型的图像，
I(x,y)c~((T*)(img->imageData+img->widthStep*y))[x*N+c];
4
widthStep常识总结：
width暗示图像的每行像素数，
widthStep暗示存储一行像素需要的字节数，widthStep必需是4的倍数，从而实现字节对齐，有利于提高运算速度。
若是8U单通道图像宽度为3，那么widthStep是4，加一个字节补齐。
这个图像的一行需要4个字节，只利用前3个，最后一个空着。
也就是一个宽3高3的图像的imageData数据巨细为4*3=12字节。
【注】：分歧数据类型长度的图像，widthStep也不不异；
widthStep的值的计较有两种环境：
①当（width*3）%4=0，这时width*3=widthStep；
②当（width*3）%4 ！=0，此时widthStep=（width/4+1)*3。
Mat的数据并不是字节对齐的；
直接将cv::Mat转换为IplImage类型，并不会将字节对齐，只是加了个文件头罢了；
是以需要如下操作：
5
BYTE*与IplImage*之间的转换：
IplImage* iplImage：opencv中图像数据头；
BYTE* data：内存中的图像数据，一般为工业相机采集的图像数据；
①由IplImage*转BYTE*图像数据：
data = iplImage->imageDataOrigin; //未对齐的原始图像数据
或者
data = iplImage->imageData; //已对齐的图像数据
②BYTE*转IplImage*图像数据
iplImage = cvCreateImageHeader(cvSize(width,height),depth,channels);
cvSetData(iplImage,data,step);
起首，由cvCreateImageHeader()建立IplImage图像头，设置图像尺寸、深度和通道数；
然后，由cvSetData()按照BYTE*图像数据指针设置IplImage图像头的数据，
此中，step指心猿意马该IplImage图像，每行占的字节数，对于1通道的 IPL_DEPTH_8U图像，step可以等于width。
6
Mat拜候图像像素---step：
data：unsigned char类型的指针，指标的目的Mat数据矩阵的首地址；
dims：Mat矩阵的维度；
rows：Mat矩阵的行数；
cols：Mat矩阵的列数；
size()：是一个布局体，有image.size().width==image.cols; image.size().height==image.rows
channels()：Mat矩阵元素拥有的通道数；
depth：怀抱每一个像素中每一个通道的精度，但它自己与图像的通道数无关！depth数值越年夜，精度越高。在Opencv中，Mat.depth()获得的是一个0~6的数字，别离代表分歧的位数，如下：{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}
elemSize：暗示矩阵中每一个元素的数据巨细，单元字节，若是Mat中的数据类型是CV_8UC1，那么elemSize==1；若是是CV_8UC3或CV_8SC3，那么elemSize==3；若是是CV_16UC3或者CV_16SC3，那么elemSize==6；即elemSize是以8位（一个字节）为一个单元，乘以通道数和8位的整数倍；
elemSize1：
暗示Mat矩阵中每一个元素单个通道的数据巨细，单元字节，elemSize1=elemSize/channels；
step：为Mat矩阵中每一行的“步长”，以字节为根基单元，每一行中所有元素的字节总量；
step1()：以字节为根基单元，Mat矩阵中每一个像素的巨细step1==step/elemSize1；
type：Mat矩阵的类型，包含有矩阵中元素的类型、通道数信息，type的定名格局为CV_(位数)+(数据类型)+(通道数)，如下：
7
Mat拜候图像像素---step
step：为Mat矩阵中每一行的“步长”，以字节为根基单元，每一行中所有元素的字节总量；
经常应用在拜候图像像素操作中；如下：

对8bit，单通道，unsigned char类型的图像I---Mat img：
unsigned char* pData=(unsigned char*)img.data;
I(x, y)~pData[img.step*y+x];//

对8bit，3通道，unsigned char类型的图像I---IplImage* img：
I(x, y)blue~((unsigned char*)(img.data+img.step*y))[x*3];
I(x, y)green~((unsigned char*)(img.data+img.step*y))[x*3+1];
I(x, y)red~((unsigned char*)(img.data+img.step*y))[x*3+2];

对32bit，1通道，float*类型的图像I---Mat img：
I(x, y)~((float*)(img.data+img.step*y)[x];

对32bit，3通道，float*类型的图像I--- Mat img；
I(x, y) blue ~((float*)(img.data+img.step*y))[3*x];
I(x, y) green ~((float*)(img.data+img.step*y))[x*3+1];
I(x, y) red ~((float*)(img.data+img.step*y) )[x*3+2];

对64bit，1通道，double*类型的图像I---Mat img：
I(x, y)~((double*)(img.data+img.step*y)[x];

对64bit，3通道，double*类型的图像数据I--- Mat img；
I(x, y) blue ~(( double *)(img.data+img.step*y))[3*x];
I(x, y) green ~(( double *)(img.data+img.step*y))[x*3+1];
I(x, y) red ~(( double *)(img.data+img.step*y))[x*3+2];

一般，拜候图像像素方式，格局：
对于N通道，T类型的图像，
I(x,y)c~((T*)(img.Data+img.step *y))[x*N+c];