在之前的OpenCV学习笔记（一）用到的几种显示图像的方法中其中一种就是Mat。Mat结构在OpenCV 2.0后才得到广泛应用，相对于OpenCV1.0时代中的IplImage，它有个好处就是不用再手动释放图像内存。而用IplImage格式存储图像的时候就必须在推出前将图像内存release掉，即添加语句cvReleaseImage(&iplImg);，否则会造成内存泄漏。除了这个好处外，它的操作也更加简单，比如用imshow显示图像，imread读取图像等等，跟Matlab有点接近。
Mat是一个类，它由两个数据部分组成：矩阵头和一个指向存储所有像素值的矩阵的指针。其中矩阵头包含了矩阵的尺寸、存储方法、储存地址等信息，由此可以看出矩阵头所占的内存很小，而具体储存所有像素值的矩阵则非常大。举个例子，比如一个班级，矩阵头就相当于储存了班级里有多少人、男女比多少、平均身高、平均体重等信息，而矩阵就储存了班级中所有同学的所有基本信息，每一个同学就相当于是一个像素点，而每个像素点的颜色信息、深度信息等一串数据就相当于是每个同学的身高、体重、性别等一系列信息组成的一串数据。
那么问题来了，假如说我有一张图A，我想要把A图复制给B图，理论上我是不是应该重新开一片内存，用来储存B图的信息？但是仔细想一想，我A图和B图一毛一样，如果我再开一片内存存储B图，那岂不是和存储A图的内存重复啦？是不是会造成内存的浪费。所以OpenCV中的图像存储结构Mat就很好地解决了这个问题。它使用了引用计数机制，该机制的思路就是让每个Mat对象有自己的信息头，但是共享同一个矩阵。也就是让A图和B图的矩阵指针指向同一地址，共用一片内存。复制图像的时候只是复制了矩阵头的信息和矩阵指针，并不是复制了整个矩阵。
这么一来如果不是很熟悉的话使用起来就会有点别扭了。因为通过复制后得到的图像虽然名字不一样，一个叫A，一个叫B，信息头不同，但是通过任何一个对象所做的改变也会影响到其他对象。这跟人们平常想的很不一样。通俗地讲，我现在从图A那边copy出了B，那么假如我在B图上画一笔，那么我在A图上也会出现同样的一笔。如果这发生在现实生活中，有木有很神奇！具体看以下这段代码：
- #include<opencv2/opencv.hpp>
- using namespace cv;
- int main()
- {
- Mat A, C;
- A = imread("1.jpg",1);
- //两种copy方式
- Mat B(A);
- C = A;
- imshow("Picture B", B);
- imshow("Picture C", C);
- //图像模糊一下，总要增加点区别的咯，不然怎么看得出变化
- blur(C, C, Size(7, 7), Point(-1, -1));
- imshow("Picture A", A);
- imshow("Picture B second", B);
- waitKey(0);
- return 0;
- }</span>
运行后的结果如下：
看图的时候请别忘了看上面的窗口名，所以这个时候我们发现，这三张图A，B，C其实已经变成了同一张了，因为我们对C模糊处理后，发现A图和B图同样也变得模糊了。
比如说你想要在图像中的感兴趣区域的话就会变得很方便，比如说插入一句
- Mat D = A(Rect(10, 10, 200, 200));
- imshow("Picture D", D);</span>
那么有人会觉得这样子不好，有时候我只是想改动B图，A图想让它保留原来的样子，不想让它随着B图变化而变化。那么就需要使用到clone或者copyTo函数，如果使用了这两个函数，它就不再只是复制矩阵头了，它会复制整个矩阵本身，也就是重新开辟了一块内存在储存图像矩阵的所有信息。示例如下：
- Mat A;
- A = imread("1.jpg",1);
- Mat B = A.clone();
- blur(B, B, Size(10, 10), Point(-1, -1)); //模糊
- Mat C;
- A.copyTo(C);
- cvtColor(C, C, CV_BGR2GRAY); //灰度化
- imshow("Picture A", A);
- imshow("Picture B", B);
- imshow("Picture C", C);
- waitKey(0);</span>
显示的结果为：
从结果中反映：A图并没有跟着B图变模糊，也没有跟着C图变成灰度图，所以说此时A、B、C三张图是独立存在的。
接下去学习的是显式创建Mat对象的七种方法：
方法一：使用Mat()构造函数
- Mat M(200, 200, CV_32FC3, Scalar(255, 0, 0));</span>
第一个参数是行数；第二是参数表示列数；第三个参数表示制定元素的数据类型以及通道数，定义为CV_[位数][带符号与否][类型前缀]C[通道数]，所有的情况如下图所示：
第四个参数Scalar是个short型向量，可以用来初始化矩阵，也可以用来表示颜色信息。比如说我现在imshow一下输出的是一张200X200的蓝色图像。注：RGB在opencv中储存的顺序是BGR。
方法二：在C\C++中通过构造函数进行初始化。这种构造方法可以构造多维度的矩阵。
- int sz[3] = { 2, 2, 2 };
- Mat M(3, sz, CV_8UC3, Scalar::all(0));</span>
如上就构造了一个三维的矩阵。第一个参数表示维度数，第二个参数是一个指向数组的指针，该数组包含了每个维度的尺寸。第三个参数和第四个参数跟第一种方法一致。
方法三：为已存在的IplImage指针创建信息头。即实现从IplImage类型到Mat类型的转变。
值得注意的是：以前opencv2.X中IplImage转换到Mat的方法是
- IplImage* srcimg = cvLoadImage("1.jpg", 1);
- Mat M(srcimg);
- //方法二：Mat M = srcimg;</span>
- IplImage* srcimg = cvLoadImage("1.jpg", 1);
- Mat M = cvarrToMat(srcimg);</span>
顺便说一下从Mat类型转换到IplImage类型的方法：
- Mat M = imread("1.jpg", 1);
- IplImage img = M; //opencv2.X，只copy了信息头
- IplImage *img = cvCloneImage(&(IplImage)M); //opencv3.X，真正的复制（包括所有数据）</span>
方法四：利用create函数
- Mat M;
- M.create(4, 4, CV_8UC(2));
- cout << "M=" << endl << " " << M << endl << endl;</span>
但是这种方法不能给矩阵赋初值，只有在改变尺寸时重新为矩阵数据开辟内存而已。
方法五：采用Matlab形式
- Mat A = Mat::eye(4, 4, CV_8UC1); //对角矩阵
- Mat B = Mat::ones(3, 3, CV_32FC3); //单位矩阵
- Mat C = Mat::zeros(3, 3, CV_64FC2); //零矩阵</span>
- Mat A = (Mat_<double>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);</span>
参考文献：
1. 毛星云等著《OpenCV3编程入门》；
2. http://www.cnblogs.com/wangguchangqing/p/4016179.html
3. http://www.cnblogs.com/zcftech/archive/2013/04/10/3013027.html
4. http://www.cnblogs.com/edver/p/5187190.html
5. http://wenku.baidu.com/link?url=A4OyKRnJEMRKiWDZAvrCIT8FfVtRLqftsuM4WzOFxs-eC9txuzkwuxfQtZJvWX6Tn9EiUFOfAKTq5zxxjo2nmSTmj3P4rimmYbOONcWB-dO