Opencv 使用cvMat写入cvGetImage时出现问题

我在从cvMat写入图像时遇到问题

这就是我所做的

IplImage* low_threshold_mask = cvCreateImage(cvSize(width, height), IPL_DEPTH_8U, 1);
CvMat* labelMat = cvCreateMat(low_threshold_mask->height,low_threshold_mask->width,CV_32F);

/*我在函数中填充labelMat的元素。它是这样完成的：cvmSet（labelMat，r，c，label）；//其中标签类型为long*/

要检查值，我将每个像素值转储到文本文件中，并转储图像

IplImage* labelImg;
IplImage imageHeader;
labelImg = cvGetImage(labelMat, &imageHeader);

现在，当我用转储文本文件中的相应值交叉检查像素强度时，我发现不匹配。我觉得我在文本文件中得到了正确的值，但在图像中得到了错误的值

有人能帮忙找出错误吗

---

---------------------新增-------------------

我仍然面临这个问题。我已经上传了我的。我将解释我面对错误的确切位置

库已使用：与openCV一起，我正在使用不相交的boost库集合

基本上，我是在做连接组件标签。 出于调试目的，对于第20帧，我将每个像素的标签信息转储到a）文本文件以及b）强度级别与像素最终标签相同的图像中。因此，我希望文本和图像中的值相同。但事实并非如此。我不知道为什么。文本文件显示正确的值，但不显示图像。我在Matlab中检查图像的像素值（我在Matlab中已经注意到索引从1开始不是0）

我的文本文件 a） （frame20final.txt）在grimsongm.cpp/conmplabeling（）中填充。 b） （frame20image.txt）在main.cpp中填充 我转储的图像（frame ccs.jpg）将填充到main.cpp中

两个文本文件获得相同的值所以从CvMat写入图像时一定有错误。

测试视频： 你也可以尝试任何其他视频

提前感谢,，

---

考希克你的问题太简单了

您希望使用CvMat，在使用CvMat进行操作后，您希望像绘制图像一样绘制CvMat

您必须创建imageHeader，类似这样的内容

CvMat* mat = cvCreateMatHeader(rows, cols, type);
mat->step = 4 * (mat->cols * CV_ELEM_SIZE1(mat->type) * CV_MAT_CN(mat->type) / 4 + 1);//critical
cvCreateData(mat);

2和C++接口下，不需要从MAT转换到IPLIGION。

您可以使用

cvShowImage

打印图像，如果您想转换为

IplImage

---

只需简单地施展IplImage*img=labelMat

你的问题太简单了

您希望使用CvMat，在使用CvMat进行操作后，您希望像绘制图像一样绘制CvMat

您必须创建imageHeader，类似这样的内容

CvMat* mat = cvCreateMatHeader(rows, cols, type);
mat->step = 4 * (mat->cols * CV_ELEM_SIZE1(mat->type) * CV_MAT_CN(mat->type) / 4 + 1);//critical
cvCreateData(mat);

2和C++接口下，不需要从MAT转换到IPLIGION。

您可以使用

cvShowImage

打印图像，如果您想转换为

IplImage

---

只需简单地施展IplImage*img=labelMat

我明白为什么会出错。我在做压缩的.jpg图像中转储。当我使用.png时，这个问题得到了解决。我明白为什么会出现这个错误。我在做压缩的.jpg图像中转储。这在我使用.png时得到了解决，但cvGetImage不应该也像OpenCV 2.0中rics在Plus中解释的那样工作吗？它给出了错误：无法从“CvMat*”转换为“IplImage*”，但cvGetImage不应该也像OpenCV 2.0中rics在Plus中解释的那样工作吗？它给出了错误：无法从“CvMat*”转换为“IplImage*”请允许我欢迎您为了提醒大家，我们在这里通常会做三件事：1）当你得到帮助时，试着也给予帮助，回答你专业领域的问题2）3）当你看到好的问答时，给他们投票，因为系统的可信度是基于用户通过分享他们的知识而获得的声誉。另外，请记住接受能更好地解决您的问题的答案，如果有，请允许我欢迎您来到StackOverflow，并提醒我们通常在这里做的三件事：1）当您收到帮助时，尝试也给予帮助，回答您专业领域的问题2）3）当您看到好的问答时，请投票支持，因为系统的可信度是基于用户通过分享知识而获得的声誉。还记得接受更好地解决问题的答案，如果有的话，