建设部职业资格注册网站大气企业网站织梦模板

一、cv::SparseMat的概述

  cv::SparseMat 是 OpenCV 中用于 表示稀疏矩阵（Sparse Matrix）的类。和 cv::Mat 用于存储 稠密矩阵（Dense Matrix）不同，cv::SparseMat 更适合用来表示那些 大多数元素为零或空值 的多维数组。

适用场景：

• 多维数组（如高维空间向量）。
• 大部分值为默认值（0）的矩阵。
• 需要节省内存，且不频繁对所有元素进行访问。

基本特性：

• 支持任意维度（不像 cv::Mat 只支持 2D）。
• 仅存储非零值（以哈希表形式实现）。
• 不支持连续内存访问（不像 cv::Mat 支持指针连续区域）。

二、稀疏数组的创建

2.1 基本语法

cv::SparseMat::SparseMat(int dims, const int* sizes, int type);

• dims：维度数量（比如2D就是2，3D就是3）。
• sizes：每一维的大小，是一个数组。
• type：OpenCV 类型（如 CV_32F、CV_8U 等）。

2.2 创建稀疏数组的几种方式

示例1：创建一个 2D 的稀疏矩阵（5x5，类型 float）

int sizes[] = {5, 5};  // 表示 2D：5 行 5 列
cv::SparseMat sparseMat(2, sizes, CV_32F);

示例2：创建一个 3D 稀疏矩阵（10×10×10）

int sizes[] = {10, 10, 10};
cv::SparseMat sparse3D(3, sizes, CV_8U);

示例3：使用 cv::Mat 的类型宏

int sizes[] = {8, 8};
cv::SparseMat sparseMat(2, sizes, CV_64FC1);  // 64位浮点数

2.3 设置元素值（赋值）

int idx[] = {2, 3};  // 设置 [2][3] 处的值
sparseMat.ref<float>(idx) = 1.23f;

注意：

• ref() 会在访问位置上自动创建元素。
• 若该位置已存在，则直接修改其值。

2.4 完整示例：创建 + 赋值 + 遍历

#include <opencv2/opencv.hpp>
#include <iostream>int main() {int sizes[] = {5, 5};cv::SparseMat sm(2, sizes, CV_32F);// 设置几个稀疏元素int idx1[] = {0, 1};int idx2[] = {2, 3};sm.ref<float>(idx1) = 10.0f;sm.ref<float>(idx2) = 20.5f;// 遍历所有非零项for (cv::SparseMatConstIterator it = sm.begin(); it != sm.end(); ++it) {const cv::SparseMat::Node* node = it.node();const float* val = it.ptr<float>();std::cout << "Index: [" << node->idx[0] << "][" << node->idx[1] << "]"<< " = " << *val << std::endl;}return 0;
}

三、稀疏数组的访问方法

3.1 ref(const int* idx)

功能：返回对某个位置元素的引用，如果该元素不存在，则创建并返回默认值（0）。

示例：

int idx[] = {1, 2};
sparseMat.ref<float>(idx) = 3.14f;  // 如果不存在，会自动创建

3.2 find(const int* idx)

功能：返回该位置的值，如果不存在，返回 默认值（0），不会创建新元素。

示例：

int idx[] = {1, 2};
float value = sparseMat.find<float>(idx);

3.3 ptr(Node* node)

功能：给定一个已存在的 Node* 节点，返回其值的指针。

示例：

for (cv::SparseMatConstIterator it = sparseMat.begin(); it != sparseMat.end(); ++it) {const float* val = it.ptr<float>();  // 获取值
}

3.4 cv::SparseMat::value<T>()

功能：用于访问 稀疏矩阵中当前迭代器位置处的值 的函数。它常用于与 cv::SparseMatConstIterator 或 cv::SparseMatIterator 一起，在遍历稀疏矩阵的所有非零元素时进行读取。

用于遍历 cv::SparseMat 的元素：

for (cv::SparseMatConstIterator it = sm.begin(); it != sm.end(); ++it) {float v = it.value<float>();// 使用 v 进行逻辑处理
}

与此等价的访问方式是：

const float* ptr = it.ptr<float>();
float v = *ptr;

但 value() 更简洁，适合只读场景。

示例：使用 value() 遍历稀疏矩阵

#include <opencv2/opencv.hpp>
#include <iostream>int main() {int sizes[] = {3, 3};cv::SparseMat sm(2, sizes, CV_32F);int idx1[] = {0, 1};int idx2[] = {2, 2};sm.ref<float>(idx1) = 5.0f;sm.ref<float>(idx2) = 10.0f;std::cout << "稀疏矩阵中所有非零元素：" << std::endl;for (cv::SparseMatConstIterator it = sm.begin(); it != sm.end(); ++it) {const cv::SparseMat::Node* node = it.node();float value = it.value<float>();  // 👈 使用 value() 获取值std::cout << "Index: [" << node->idx[0] << "][" << node->idx[1]<< "] = " << value << std::endl;}return 0;
}

四、示例操作

示例：创建一个 500x500 的单通道稀疏图像，并设置部分像素

#include <opencv2/opencv.hpp>
#include <iostream>int main() {// 定义尺寸int sizes[] = {500, 500};// 创建单通道 8 位稀疏矩阵cv::SparseMat sparseImg(2, sizes, CV_8UC1);// 设置部分像素值为非零uchar value = 255;sparseImg.ref<uchar>(100, 100) = value;  // 设置点 (100, 100) 为白色sparseImg.ref<uchar>(200, 200) = value;sparseImg.ref<uchar>(300, 300) = value;// 将稀疏图像转换为普通图像用于显示cv::Mat denseImg(500, 500, CV_8UC1, cv::Scalar(0)); // 全部为0cv::SparseMatConstIterator it = sparseImg.begin();cv::SparseMatConstIterator it_end = sparseImg.end();for (; it != it_end; ++it) {const cv::SparseMat::Node* node = it.node();int x = node->idx[0];int y = node->idx[1];denseImg.at<uchar>(x, y) = it.value<uchar>();}// 显示图像cv::imshow("Sparse to Dense Image", denseImg);cv::waitKey(0);return 0;
}

输出结果：

说明：

• cv::SparseMat(2, sizes, CV_8UC1)：创建一个 2 维稀疏矩阵，类型为单通道 8 位。
• ref<uchar>(x, y)：返回对稀疏矩阵中位置 (x, y) 的引用，若不存在则创建。

为了显示，为什么必须将稀疏图像转成稠密图像？
因为 OpenCV 的图像显示函数（如 cv::imshow）只支持稠密矩阵（cv::Mat），不支持稀疏矩阵（cv::SparseMat）。

原因详解：
1、疏矩阵不是图像格式：cv::SparseMat 本质上是一个稀疏存储结构，它只记录非零位置的索引和值，其内存布局和普通图像的连续二维像素数据完全不同。它并不知道一个“图像”的概念，也无法提供完整的像素数组供 GUI 函数使用。

例如：

sparseMat.ref<uchar>(100, 100) = 255;

这只是记录了 (100, 100) 位置为 255，其余像素都“假设”为 0，实际上并不存在于内存中。

2、imshow 需要一个完整的、连续的像素块：cv::imshow(name, image) 需要图像尺寸、每个像素在内存中的位置、通道、位深度、步长（stride）。这些信息 cv::Mat 都提供了，但 cv::SparseMat 由于数据稀疏、结构不连续，根本无法满足这些要求。