Opencv Mat矩阵中data、size、depth、elemSize、step等属性的理解

• 数据：  

       UCHAR类型的指针，指向垫数据矩阵的首地址可以理解为标示一个房屋的门牌号。

• 变暗： 

        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。

        可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房;

• 行：

        太矩阵的行数可理解为房屋内房间行数。

• 的cols： 

        太矩阵的列数可理解为房屋内房间列数。

• 尺寸（）：

        首先大小是一个结构体，定义了垫矩阵内数据的分布形式，数值上有关系式：

         。image.size（）==宽度image.cols; image.size（）。高度== image.rows                                                      

         可以理解为房屋内房间的整体布局，这其中包括了房间分别在行列上分布的数量信息;

• 信道（）：

        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，通道== 1。

        可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床;

• 深度： 

        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：                            

        枚举{CV_8U = 0，CV_8S = 1，CV_16U = 2，CV_16S = 3，CV_32S = 4，CV_32F = 5，CV_64F = 6}          

        其中ü的英文无符号的意思，S表示签署，也就是有符号和无符号数。

        可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系;

• 可达elemsize：

        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;

        可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了;

• 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： 

        eleSize1 ==可达elemsize /信道;

• 步：

        可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所有元素，所有通道，所有通道的elemSize1之后的值;

• 步骤1（）： 

       以字节为基本单位，垫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：

        步骤1 ==步骤/ elemSize1;

• 类型：

        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：