大家好，又见面了，我是你们的朋友全栈君。
一直以为IplImage结构体中的widthStep元素大小等于width*nChannels，大错特错！
查看OpenCV2.1的源码，在src/cxcore/cxarray.cpp文件中，找到cvInitImageHeader函数，函数中对widthStep大小赋值如下：
image->widthStep = (((image->width * image->nChannels *
(image->depth & ~IPL_DEPTH_SIGN) + 7)/8)+ align – 1) & (~(align – 1)); (1)
其中IPL_DEPTH_SIGN的定义可以在cxtypes.h中找到，定义为：#define IPL_DEPTH_SIGN 0x80000000， align的大小为CV_DEFAULT_IMAGE_ROW_ALIGN，其大小在cxmisc.h中定义为：#define CV_DEFAULT_IMAGE_ROW_ALIGN 4，depth取8位深度。
根据(1)式，已知IPL_DEPTH_SIGN、align、depth 的大小，分别手动计算如下图像的widthStep：
图像宽度 图像通道数 计算得到的widthStep
3 3 12
3 1 4
5 3 16
5 1 8
7 3 24
7 1 8
4 3 12
4 1 4
为了进一步验证手算的正确性，我们编程实现输出widthStep的大小，程序如下：
IplImage *image_33 = cvCreateImage(cvSize(3, 3), 8, 3);
IplImage *image_31 = cvCreateImage(cvSize(3, 3), 8, 1);
IplImage *image_53 = cvCreateImage(cvSize(5, 3), 8, 3);
IplImage *image_51= cvCreateImage(cvSize(5, 3), 8, 1);
IplImage *image_73 = cvCreateImage(cvSize(7, 3), 8, 3);
IplImage *image_71 = cvCreateImage(cvSize(7, 3), 8, 1);
printf(“%d, %d, %d, %d, %d, %d”, image_33->widthStep,image_31->widthStep,
image_53->widthStep,image_51->widthStep,image_73->widthStep,image_71->widthStep);
运行结果为：12， 4， 16， 8， 24， 8， 与手动计算结果相同。
从网上查阅资料，OpenCV分配的内存按4字节对齐，这样我们对上述计算的结果可以有个合理的解释，如宽度为3、通道数为3的图像，每一行需要的 实际内存长度为3*3，为了内存对齐，OpenCV会在每行末尾自动补上3个字节的内存，内存初始化都为0，所以widthStep变为了12。
widthStep大小对IplImage极为重要，在cxarray.cpp中，我们可以找到如下代码行：
image->imageSize = image->widthStep * image->height;
img->imageData = img->imageDataOrigin =
(char*)cvAlloc( (size_t)img->imageSize );
可见widthStep直接影响到imageData的数据长度。在操作imageData时，我们要避开对OpenCV自动补齐的内存进行操作，如直方图计算等。
写到这里，可能有人会问，我们平常都用widthStep = width * nChannels，怎么就没出错？我之前也一直在疑惑，合理的解释是，一般在实际应用中，图像的宽度一般为128， 256， 240， 320， 356，704等，刚好这些数字都能被4整除，widthStep刚好等于width * nChannels， 所以OpenCV并没有为这些图像分配多的内存，因此我们在对imageData做顺序操作也没出错。但是，请问谁能保证图像的宽度一定会是4的倍数？
纯属个人理解，如有错误，还请大虾多多指出。
经过上面的分析,我已经完全理解了widthStep的计算以及为何data[i * step + j * channels + k]这么计算了
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/133291.html原文链接：https://javaforall.net
![机器学习系列(12)_XGBoost参数调优完全指南（附Python代码）[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
