VS2010和matlab混合编程时的图像矩阵传递

在C++中，读入一幅图像使用语句如下，读入的图像像素为0-255之间的某一整数：

Mat disp_image = imread(path,1);

 

其中图像每个像素的RGB值是用3元素向量来存储（B,G,R）的，某一像素点的RGB值读取方式如下：

Vec3b& mp = disp_image.at<Vec3b>(j, i);           //C++用向量存储像素值
double B = mp.val[0];        
double G = mp.val[1];
double R = mp.val[2];

在matlab中，读入一幅图像并转换为double型使用语句如下，读入的图像像素在0-1之间：

input_im=im2double(imread(path));

 matlab中用三维矩阵存储像素值，即R，G，B三个平面。注意此处与C++的BGR顺序不同。

 明白了图像的存储原理，就可以进行矩阵转换了。

在C++与matlab混合编程时，要使用数据接口类mwArray，可以简单理解为一个矩阵，即便是一个数值也转化为这种矩阵进行传递。

将C++形式的图像矩阵转为mwArray矩阵，传入matlab函数的方式如下：

//调用matlab程序进行图像增强
    mwSize  mdim[3] ={disp_image.rows,disp_image.cols,3};
    mwArray mdisp_image(3,mdim,mxDOUBLE_CLASS,mxREAL);
//C++输入转matlab  接口矩阵转化及像素归一化
for(int j = 0; j < disp_image.rows; ++j){
for(int i = 0; i <disp_image.cols; ++i){
                Vec3b& mp = disp_image.at<Vec3b>(j, i);        //C++用向量存储像素值
double B = mp.val[0]*1.0/255;                //像素归一化到0-1之间
double G = mp.val[1]*1.0/255;
double R = mp.val[2]*1.0/255;
                mdisp_image(j+1,i+1,1)=R;            //matlab中用三个面R，G，B存储像素值
                mdisp_image(j+1,i+1,2)=G;            //C++图像矩阵像素值赋给matlab矩阵
                mdisp_image(j+1,i+1,3)=B;
        }        
    }

将matlab处理后的图像mwArray矩阵转为C++的Mat，方式如下：

//matlab结果转C++
mwArray moutput_im2(3,mdim,mxDOUBLE_CLASS,mxREAL);     
    Mat output_image=disp_image.clone();    
for(int j = 0; j < disp_image.rows; ++j){
for(int i = 0; i < disp_image.cols; ++i){    
double Bd = moutput_im2.Get(3,j+1,i+1,3);
double Gd = moutput_im2.Get(3,j+1,i+1,2);
double Rd = moutput_im2.Get(3,j+1,i+1,1);
int B=int(Bd*255);                        //像素范围扩展到0-255
int G=int(Gd*255);
int R=int(Rd*255);
                output_image.at<Vec3b>(j, i)[0] = B;    //matlab图像矩阵像素值赋给C++
                output_image.at<Vec3b>(j, i)[1] = G;
                output_image.at<Vec3b>(j, i)[2] = R;
            }        
        }

好不容易琢磨出来，分享给大家吧。