“*mat.ptr<float>(i,j)”和“*mat.ptr(i,j)”的区别？

Question

我正在尝试使用以下代码修改 Opencv::Mat 中的值：

void gaussian_high_pass_kernel(cv::Mat& gaussianBlur, float sigma) 
{ 
    float d0 = sigma; 
    for (int i = 0; i < scr.rows; i++) 
    {   
        for (int j = 0; j < scr.cols; j++) 
        {       
            float d = pow(float(i - scr.rows / 2), 2) + pow(float(j - scr.cols / 2), 2);                                
            *gaussianBlur.ptr(i, j) = 1 - expf(-d / (2 * d0 * d0));     
        } 
    }  
}

*gaussianBlur.ptr(i, j) = 1 - expf(-d / (2 * d0 * d0))

; 行中似乎存在错误。它没有按我的预期工作，未能将新值分配给

gaussianBlur[i,j]

。相反，cv::Mat gaussianBlur 中的所有值最终均为 -4.31596e+08。

但是，当我将此行修改为

*gaussianBlur.ptr<float>(i,j) = 1 - expf(-d / (2 * d0 * d0))

; 时，它可以正常工作。我想了解这两种方法之间的区别。

有人可以解释为什么使用

*gaussianBlur.ptr(i, j)

直接访问元素不会产生预期的结果，而使用

*gaussianBlur.ptr<float>(i,j)

显式指定数据类型可以解决问题吗？任何见解或解释将不胜感激。谢谢！

Answer 1

*gaussianBlur.ptr(i, j) 和 *gaussianBlur.ptr(i, j) 之间的区别在于数据类型解释。

当您使用 *gaussianBlur.ptr(i, j) 时，该指针被视为指向数据的通用指针，并且未显式指定类型信息。编译器需要根据矩阵的类型（gaussianBlur）来推断类型，并且它可能并不总是推断出正确的类型，从而导致意外的结果。

另一方面，当您使用 *gaussianBlur.ptr(i, j), 时，您明确告诉编译器将指定位置的数据解释为浮点数。这可确保使用正确的类型进行解释，从而防止类型转换中出现任何歧义。

在您的情况下，如果矩阵 gaussianBlur 的类型为 CV_32F （32 位浮点），则显式使用 *gaussianBlur.ptr(i, j) 确保使用正确的类型，并且赋值工作如下预计。

总而言之，使用 *gaussianBlur.ptr(i, j) 进行显式类型规范是避免与类型推断相关的潜在问题的良好实践，尤其是在处理不同数据类型的矩阵时。它使编译器清楚地了解如何解释数据，从而生成更可预测且无错误的代码。