目录
一、FileStorage类
1.1 FileStorage类说明
1.2 FileStorage类写入说明
1.3 FileStorage类读取说明
二、FileStorage类应用示例
2.1 应用代码
2.2 工程组织（Makefile）
2.3 编译及测试
一、FileStorage类
1.1 FileStorage类说明
FileStorage类在opencv2\core\persistence.hpp中定义：
namespace cv {
//...class CV_EXPORTS_W FileStorage{//...};
}FileStorage类支持XML(.xml，<http://www.w3c.org/XML>)、YAML(.yml or .yaml，<http://www.yaml.org>)、JSON(.json，<http://www.json.org/>)格式的文件读写。XML使用嵌套标记来表示层次结构，而YAML则使用缩进（类似于Python编程语言）。
XML:
@code{.xml}<?xml version="1.0"><opencv_storage><A type_id="opencv-matrix"><rows>3</rows><cols>3</cols><dt>f</dt><data>1. 0. 0. 0. 1. 0. 0. 0. 1.</data></A></opencv_storage>
@endcode
YAML:
@code{.yaml}%YAML:1.0A: !!opencv-matrixrows: 3cols: 3dt: fdata: [ 1., 0., 0., 0., 1., 0., 0., 0., 1.]
@endcodeFileStorage类支持默认构造或指定文件名的构造方式：
CV_WRAP FileStorage();
CV_WRAP FileStorage(const String& filename, int flags, const String& encoding=String());如果采用默认构造时，需要稍后使用open函数打开指定文件：
CV_WRAP virtual bool open(const String& filename, int flags, const String& encoding=String());一旦成功打开了想要写入的文件，便可以像对标准输出流输出数据一样使用操作符cv::FileStorage::operator<<()进行写入操作，或cv::FileStorage::operator>>()进行读取操作。可以以这种简单的方式写入，是因为函数内部为调用开发者完成了许多复杂的工作。
cv::FileStorage支持读写、追加内容等文件操作，通过内置的枚举值Mode来明确的，需要进行flags指定，flags可以是多个枚举值的并集，例如READ|WRITE。同时还内置了操作状态State，在cv::FileStorage类进行写入数据操作（operator <<）时需要进行cv::FileStorage对象的状态判断：
//! file storage modeenum Mode{READ = 0, //!< value, open the file for readingWRITE = 1, //!< value, open the file for writingAPPEND = 2, //!< value, open the file for appendingMEMORY = 4, /**< flag, read data from source or write data to the internal buffer (which isreturned by FileStorage::release) */FORMAT_MASK = (7<<3), //!< mask for format flagsFORMAT_AUTO = 0, //!< flag, auto formatFORMAT_XML = (1<<3), //!< flag, XML formatFORMAT_YAML = (2<<3), //!< flag, YAML formatFORMAT_JSON = (3<<3), //!< flag, JSON formatBASE64 = 64, //!< flag, write rawdata in Base64 by default. (consider using WRITE_BASE64)WRITE_BASE64 = BASE64 | WRITE, //!< flag, enable both WRITE and BASE64};enum State{UNDEFINED = 0,VALUE_EXPECTED = 1,NAME_EXPECTED = 2,INSIDE_MAP = 4};1.2 FileStorage类写入说明
cv::FileStorage内部数据的存储主要有两种形式，“mapping”(键/值对)和“sequence”(一系列未命名的条目)。在最顶层，所写入的数据都在一个mapping中，在该mapping中，可以放置其他的mappings或者sequences,甚至在mapping中继续放入mapping等，只要愿意。
myFileStorage <<"someInteger"<< 27;// save an array
myFileStorage <<"anArray"<<cv::Mat::eye(3,3,CV_32F);// save an integer如果要创建一个序列条目，首先你得为它提供一个string类型的名字，接下来才是序列数据。条目内容可以是数字(整型或浮点型等),一个字符串或者别的OpenCV数据类型。
如果想要创建一个新的mapping或者sequence,可以使用特殊符号{(用于mapping)或者[(用于sequence)。一旦开始创建，就可以为其添加元素，最终以}或者]分别结束一个mapping或者sequence。
myFileStorage <<"theCat"<<"{";
myFileStorage <<"fur"<<"gray"<<"eyes"<<"green"<<"weightLbs"<< 16;
myFileStorage <<"}";
一旦完成创建一个mapping,需要按顺序输入条目名以及对应的值，像你在最顶层的mapping完成的工作一样。如果创建的是sequence,只需要一个接一个地输入元素即可，直到sequence结束。
myFileStorage<<"theTeam"<<"[";
myFileStorage <<"eddie"<<"tom"<<"scott";
myFileStorage <<"]";一旦完成写工作，便可以使用成员函数cv::FileStorage::release()关闭该文件。
1.3 FileStorage类读取说明
FileStorage类在使用操作符cv::FileStorage::operator>>()进行读取操作时，实际返回时FileNode类的实例对象。
FileNode类同样定义在opencv2\core\persistence.hpp中：
namespace cv {
//...class CV_EXPORTS_W_SIMPLE FileNode{//...};
}当成功构建一个cv::FileNode对象之后，便可以利用它来完成许多工作。如果它直接表示一个实际的对象(或者一个数字或者字符串),你就可以直接使用重载操作符cv::FileNode::operator>>(),将它的值加载到对应类型的变量之中。
cv::Mat anArray;
myFileStorage["calibrationMatrix"]>> anArray;cv::FileNode对象同样支持直接赋值给一些基本数据类型。 cv::FileNode类支持的数据类型如下：
//! type of the file storage nodeenum{NONE = 0, //!< empty nodeINT = 1, //!< an integerREAL = 2, //!< floating-point numberFLOAT = REAL, //!< synonym or REALSTR = 3, //!< text string in UTF-8 encodingSTRING = STR, //!< synonym for STRSEQ = 4, //!< sequenceMAP = 5, //!< mappingTYPE_MASK = 7,FLOW = 8, //!< compact representation of a sequence or mapping. Used only by YAML writerUNIFORM = 8, //!< if set, means that all the collection elements are numbers of the same type (real's or int's).//!< UNIFORM is used only when reading FileStorage; FLOW is used only when writing. So they share the same bitEMPTY = 16, //!< empty structure (sequence or mapping)NAMED = 32 //!< the node has a name (i.e. it is element of a mapping).};通过cv::FileNode对象输出操作符获取数据和采用赋值操作符获取数据是等价的：
int aNumber;
myFileStorage["someInteger"]>> aNumber;与下面这种方式等价：
int aNumber;
aNumber =(int)myFileStorage["someInteger"];针对cv::FileNode类，还提供了一种标准的STL表示法， 即FileNodeIterator，node.begin（），node.end（）表示序列的开始和结束，存储在node中，也可以通过operator ++ ()或operator ++ (int)进行移动。
namespace cv {
//...class CV_EXPORTS FileNodeIterator{//...};
}二、FileStorage类应用示例
2.1 应用代码
在opencv2\core\persistence.hpp中，还给出了FileStorage类写入及读取.yml文件的示例代码，本文将在基于该示例代码上，编写一个完整的案例工程，先创建.yml格式文件并写入内容，再通过一个新的FileStorage实例对象读取该文件内存，并解析打印显示相关内容；
先创建一个目录文件file_storage，在该文件目录下，创建文件main.cpp和Makefile文件，其中main.cpp如下，通过fileCreateAndSave函数创建 一个tets.yml文件并写入数据，再通过fileReadAndShow函数读取该文件内容并打印输出显示。其中main.cpp源码如下：
#include <opencv2/opencv.hpp>
#include <time.h>
#include <iostream>void fileCreateAndSave()
{cv::FileStorage fs("test.yml",cv::FileStorage::WRITE);fs <<"frameCount"<< 5;time_t rawtime; time(&rawtime);fs<<"calibrationDate"<< asctime(localtime(&rawtime));cv::Mat cameraMatrix =(cv::Mat_<double>(3,3)<<1000,0,320,0,1000,240,0,0,1);cv::Mat distCoeffs =(cv::Mat_<double>(5,1)<<0.1,0.01,-0.001,0,0);fs <<"cameraMatrix"<< cameraMatrix<<"distCoeffs"<< distCoeffs;fs <<"features"<<"[";for( int i=0; i<3;i++){int x = rand()% 640;int y = rand()% 480;uchar lbp = rand()% 256;fs<<"{:"<<"x"<<x<<"y"<<y<<"lbp"<<"[:";for( int j=0;j<8;j++)fs <<((lbp >>j)&1);fs<<"]"<<"}";}fs<<"]";fs.release();}void fileReadAndShow()
{cv::FileStorage fs2("test.yml",cv::FileStorage::READ);// first method: use (type) operator on FileNode.int frameCount =(int)fs2["frameCount"];// second method: use cv::FileNode::operator >>//std::string date;fs2["calibrationDate"] >> date;cv::Mat cameraMatrix2, distCoeffs2;fs2["cameraMatrix"] >> cameraMatrix2;fs2["distCoeffs"] >> distCoeffs2;std::cout <<"frameCount:" << frameCount <<std::endl<<"calibration date:" << date <<std::endl<<"camera matrix:" << cameraMatrix2<<std::endl<<"distortion coeffs:" << distCoeffs2 <<std::endl;cv::FileNode features = fs2["features"];cv::FileNodeIterator it = features.begin(), it_end = features.end();int idx=0;std::vector<uchar> lbpval;// iterate through a sequence using FileNodeIteratorfor(; it != it_end;++it,idx++){std::cout <<"feature #"<<idx<<":";std::cout <<"x="<<(int)(*it)["x"]<<",y="<<(int)(*it)["y"]<<",lbp:(";//(Note: easily read numerical arrays using FileNode >> std::vector.)//(*it)["lbp"]>>lbpval;for( int i=0; i<(int)lbpval.size(); i++)std::cout <<""<<(int)lbpval[i];std::cout <<")"<<std::endl;}fs2.release();
}int main( int argc,char* argv[])
{fileCreateAndSave();fileReadAndShow();return 0;
};
2.2 工程组织（Makefile）
工程组织Makefile文件如下（本文是采用win下MinGW方式编译的，如何搭建opencv库+MinGW编译的请参考本专栏的opencv库安装编译博文，C/C++开发，win下OpenCV+MinGW编译环境搭建_搭建mingw编译环境_py_free-物联智能的博客-CSDN博客）。
#/bin/sh
CX= g++ BIN := ./
TARGET := fileStorage.exe
FLAGS := -std=c++11 -static
SRCDIR := ./
#INCLUDES
INCLUDEDIR := -I"../../opencv_MinGW/include"
staticDir := ../../opencv_MinGW/x64/mingw/staticlib/LIBDIR := -L $(staticDir) -lopencv_world460 -lade -lIlmImf -lquirc -lzlib \-llibjpeg-turbo -llibopenjp2 -llibpng -llibprotobuf -llibtiff -llibwebp \-lgdi32 -lComDlg32 -lOleAut32 -lOle32 -luuid
source := $(wildcard $(SRCDIR)/*.cpp) $(TARGET) :$(CX) $(FLAGS) $(INCLUDEDIR) $(source) -o $(BIN)/$(TARGET) $(LIBDIR)clean:rm $(BIN)/$(TARGET)
2.3 编译及测试
进入file_storage目录，make -j*编译案例，如下：
运行程序如下：
输出的test.yml文件如下：
%YAML:1.0
---
frameCount: 5
calibrationDate: "Sun Jul 2 16:49:48 2023\n"
cameraMatrix: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 1000., 0., 320., 0., 1000., 240., 0., 0., 1. ]
distCoeffs: !!opencv-matrixrows: 5cols: 1dt: ddata: [ 1.0000000000000001e-01, 1.0000000000000000e-02,-1.0000000000000000e-03, 0., 0. ]
features:- { x:41, y:227, lbp:[ 0, 1, 1, 1, 1, 1, 0, 1 ] }- { x:260, y:449, lbp:[ 0, 0, 1, 1, 0, 1, 1, 0 ] }- { x:598, y:78, lbp:[ 0, 1, 0, 0, 1, 0, 1, 0 ] }
