合并两个列相同的cv::Mat

当你有两个`cv::Mat`对象，它们有相同的维度和大小，想要合并这两个矩阵形成一个新的矩阵，可以使用`cv::hconcat()`或`cv::vconcat()`函数。这两个函数分别用于水平（horizontally）和垂直（vertically）地连接矩阵。

例如，如果你有两个相同尺寸的矩阵`mat1`和`mat2`：

cv::Mat mat1, mat2; // 定义并初始化两个矩阵
cv::Mat combined;

// 如果你想将两行矩阵纵向拼接
if (mat1.rows == mat2.rows) {
    combined = cv::vconcat(mat1, mat2);
}

// 如果你想将两列矩阵横向拼接
else if (mat1.cols == mat2.cols) {
    combined = cv::hconcat(mat1, mat2);
}

// 确保操作成功
if (!combined.empty()) {
    std::cout << "Combined matrix successfully created!" << std::endl;
} else {
    std::cout << "Failed to concatenate matrices." << std::endl;
}

相关问题

合并两个cv::Mat

合并两个`cv::Mat`对象，通常意味着将它们拼接在一起形成一个新的矩阵。在OpenCV库中，有几种方式可以实现这个操作：

1. **水平拼接（hconcat）**：如果两个`cv::Mat`宽度可以相加，你可以使用`cv::hconcat()`函数将它们沿着水平方向连接起来，例如：

   cv::Mat combined;
   cv::hconcat(src1, src2, combined);

2. **垂直拼接（vconcat）**：如果两个`cv::Mat`高度可以相加，可以用`cv::vconcat()`函数沿垂直方向拼接：

   cv::Mat combined;
   cv::vconcat(src1, src2, combined);

3. **通道拼接（channels concatenation）**：如果你想要将不同颜色通道的单个图像矩阵合并，需要先分别提取每个通道，然后按行堆叠：

   Mat bgr = ...; // BGR image
   Mat blue = bgr(cv::Range(0, bgr.rows), cv::Range::all());
   Mat green = bgr(cv::Range(1, bgr.rows * 2), cv::Range::all());
   Mat red = bgr(cv::Range(2, bgr.rows * 3), cv::Range::all());
   Mat combinedChannels = cv::merge({blue, green, red});

std::vector<cv::Mat> channels(2); cv::Mat undistorted_points_temp = cv::Mat::ones(3, rows * cols, CV_64FC1); undistorted_points_temp = K.inv() * undistorted_points; cv::Mat undistorted_mat = cv::Mat::zeros(1, rows * cols, CV_64FC2); cv::split(undistorted_mat, channels); channels[0] = undistorted_points_temp(cv::Rect(0, 0, rows * cols, 1));

这段代码的作用是将一个大小为 3x(rows * cols)，数据类型为 CV_64FC1 的矩阵 `undistorted_points_temp` 通过矩阵运算转换成一个大小为 1x(rows * cols)，数据类型为 CV_64FC2 的矩阵 `undistorted_mat` 并将其第一个通道设置为 `undistorted_points_temp` 的第一行。

具体来说，这段代码首先定义了一个包含两个元素的 `cv::Mat` 类型的向量 `channels`，其中每个元素都是一个矩阵。这个向量通常用于将一个多通道的矩阵分离为多个单通道矩阵，或者将多个单通道矩阵合并为一个多通道矩阵。

然后，创建一个大小为 3x(rows * cols)，数据类型为 CV_64FC1 的矩阵 `undistorted_points_temp`，并将其通过矩阵运算 `K.inv() * undistorted_points` 转换为大小为 1x(rows * cols)，数据类型为 CV_64FC2 的矩阵 `undistorted_mat`。其中，`K` 是一个 3x3 的相机内参矩阵，`inv()` 表示矩阵的逆运算，`undistorted_points` 是一个大小为 3x(rows * cols)，数据类型为 CV_64FC1 的矩阵。

接下来，使用 `cv::split` 函数将 `undistorted_mat` 矩阵分离为两个单通道矩阵，并将这两个矩阵分别保存到 `channels` 向量中。然后，将 `undistorted_points_temp` 矩阵的第一行（大小为 1x(rows * cols)，数据类型为 CV_64FC1）赋值给 `channels` 向量中的第一个通道（大小为 1x(rows * cols)，数据类型为 CV_64FC1）。需要注意的是，在这里使用了 `cv::Rect` 类来指定矩阵中的子区域，其中 `(0, 0, rows * cols, 1)` 表示矩形左上角坐标为 (0, 0)，宽度为 rows * cols，高度为 1。

执行完这段代码后，`channels` 向量中的第一个元素保存了大小为 1x(rows * cols)，类型为 CV_64FC1 的 `undistorted_points_temp` 矩阵的第一行，而第二个元素仍然是全零矩阵。`undistorted_mat` 矩阵的第一个通道也保存了 `undistorted_points_temp` 矩阵的第一行，而第二个通道仍然是全零矩阵。