Mat类 (Matrix的缩写) 是OpenCV用于处理图像而引入的一个封装类（OpenCV3.1\sources\modules\core\include\opencv2\core\mat.hpp）。
构造函数：
更详细请参考：https://blog.csdn.net/dgreh/article/details/81001547
// 默认构造函数 Mat A;
Mat ()
// 常用构造函数 Mat A(10,10,8UC3);
Mat (int rows, int cols, int type)
//Mat A(300, 400, CV_8UC3,Scalar(255,255,255));
Mat (int ndims, const int *sizes, int type, const Scalar &s)
Mat (Size size, int type)
Mat (int rows, int cols, int type, const Scalar &s)
Mat (Size size, int type, const Scalar &s)
Mat (int ndims, const int *sizes, int type)
Mat (const Mat &m)
Mat (int rows, int cols, int type, void *data, size_t step=AUTO_STEP)
Mat (Size size, int type, void *data, size_t step=AUTO_STEP)
Mat (int ndims, const int *sizes, int type, void *data, const size_t *steps=0)
Mat (const Mat &m, const Range &rowRange, const Range &colRange=Range::all())
//Mat D (A, Rect(10, 10, 100, 100) );
Mat (const Mat &m, const Rect &roi)
Mat (const Mat &m, const Range *ranges)成员变量：
1、data：
uchar类型的指针，指向Mat数据矩阵的首地址。
2、dims：
Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一个平面上的矩阵。
3、rows：
Mat矩阵的行数。
4、cols：
Mat矩阵的列数。可理解为房屋内房间列数；
5、size()：
首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：
image.size().width==image.cols; image.size().height==image.rows
6、channels()：
Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels==3；而灰度图像只有一个灰度分量信息， channels==1。
7、depth：
用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。在Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：
enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}
其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。
8、elemSize：
elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么 elemSize==1；如果是CV_8UC3或CV_8SC3，那么elemSize==3；如果是CV_16UC3或者CV_16SC3，那么 elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；
9、elemSize1：
elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很容易解释这个属性了：表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有：
elemSize1==elemSize/channels；
10、step：
用来对矩阵中元素进行寻址，可以理解为Mat矩阵中每一维的“步长”，计数以字节为基本单位，每一维中所有元素的字节总量，是累计了一维中所有元素、所有通道的elemSize1之后的值；
如果是二维矩阵：step[0] ：每一行的字节数
step[1]：每一个点（像素）的字节数
如果是三维矩阵：step[0] ：每一个面的字节数
step[1]：每一行的字节数
step[2]：每一个点（像素）的字节数
step[i]是Mat类中十分重要的一个属性，表示第i维元素的字节数，单位字节；
//图像矩阵中一个元素N维数据的地址：
addr(Mi0,...,iM.dims−1) = M.data+M.step[0]∗i0+M.step[1]∗i1+...+M.step[M.dims−1]∗iM.dims−1;
//最后一维元素大小 == 每个元素大小
step[M.dims−1] == elemSize;
11、step1()：
以通道为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：
step1==step/elemSize1；
step1(i):每一维元素的通道数，计数以通道为单位；
12、type：
Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道数)，所有取值如下：
CV_8UC1 CV_8UC2 CV_8UC3 CV_8UC4 CV_8SC1 CV_8SC2 CV_8SC3 CV_8SC4
CV_16UC1 CV_16UC2 CV_16UC3 CV_16UC4 CV_16SC1 CV_16SC2 CV_16SC3 CV_16SC4
CV_32SC1 CV_32SC2 CV_32SC3 CV_32SC4
CV_32FC1 CV_32FC2 CV_32FC3 CV_32FC4 CV_64FC1 CV_64FC2 CV_64FC3 CV_64FC4
13、flag
从定义可以看出flags是int类型，共占32位，结合上图可以看出各位所代表的意思。
从低位到高位：
0-2位代表depth即数据类型（如CV_8U），OpenCV的数据类型共7类，故只需3位即可全部表示。
3-11位代表通道数channels，因为OpenCV默认最大通道数为512，故只需要9位即可全部表示，可参照下面求通道数的部分。
0-11位共同代表type即通道数和数据类型（如CV_8UC3）
12-13位暂没发现用处，也许是留着后用，待发现了再补上。
14位代表Mat的内存是否连续，一般由creat创建的mat均是连续的，如果是连续，将加快对数据的访问。
15位代表该Mat是否为某一个Mat的submatrix，一般通过ROI以及row()、col()、rowRange()、colRange()等得到的mat均为submatrix。
16-31代表magic signature，暂理解为用来区分Mat的类型，如果Mat和SparseMat
14、refcount
refcount它记录了这个矩阵的数据被其他变量引用了多少次。复制矩阵数据时只需复制地址，节约开销。当refcount = 0时，自动销毁Mat对象，释放图像的矩阵数据。
函数：
1、ptr
对于Mat的ptr函数，返回的是<>中的模板类型指针，指向的是()中的第row行的起点
通常<>中的类型和Mat的元素类型应该一致
然后再用该指针去访问对应col列位置的元素
单通道
cv::Mat image = cv::Mat(400, 600, CV_8UC1); //定义了一个Mat变量image。
uchar * data00 = image.ptr<uchar>(0); //data00是指向image第一行第一个元素的指针。
uchar * data10 = image.ptr<uchar>(1); //data10是指向image第二行第一个元素的指针。
uchar * data01 = image.ptr<uchar>(0)[1];//data01是指向image第一行第二个元素的指针。多通道
cv::Mat image = cv::Mat(400, 600, CV_8UC3); //宽400，长600，３通道彩色图片
cv::Vec3b * data000 = image.ptr<cv::Vec3b>(0);
cv::Vec3b * data100 = image.ptr<cv::Vec3b>(1);
cv::Vec3b * data001 = image.ptr<cv::Vec3b>(0)[1];2、at
Mat类中的at方法用来获取图像矩阵某点（像素）的数据（注意单通道和多通道的区别，还有图片中点的坐标和屏幕坐标是反的）：
例：给图像增加增加噪点
void salt_noise ( Mat image, int time )
{
for (int k = 0; k < time; k++ ) //time is the number of noise you add
{
int i = rand() % image.rows;
int j = rand() % image.cols;
if (image.channels() == 1) //single channel
{
image.at<uchar>(i,j) = rand() % 255;
}
else if (image.channels() == 3) //RGB channel
{
image.at<Vec3b>(i, j)[0] = rand() % 255;
image.at<Vec3b>(i, j)[1] = rand() % 255;
image.at<Vec3b>(i, j)[2] = rand() % 255;
}
}
}3、copyto() 和 clone()
复制图片
image.copyTo(image1); //深拷贝，和原图不同地址
Mat image1 = image.clone(); //深拷贝，和原图不同地址
Mat image1 = image; //浅拷贝，和原图同一地址
Mat image1(image); //浅拷贝，和原图同一地址