转载于：https://blog.csdn.net/LIYUAN123ZHOUHUI/article/details/52922951
声明：上述地址不是原创地址，但是上面链接的原创地址没有贴出来，所以我暂时贴上面的地址，侵删。
首先需要确定的一点是，step[i]，step1(i),elemsize,elemsize1都是指的字节数
1 opencv中Mat类的elemsize是每个元素的字节数，如果一个图像是3通道，每个通道是16位，那么
其elemsize就是3*（16/8）=6，即每个元素占6个字节
2 opencv中Mat类的elemsize1是指每个元素每个通道所占的字节数，对应于上面就是2个字节
3 opencv中Mat类的step，step是一个数组，定义了矩阵的布局，需要注意的是几个固定的等式：
step1(i)=step[i]/elemsize1；step[m-1]=elemsize;其中m是图像的维数，step1(m-1)=channels;
矩阵 (M) 中数据元素的地址计算公式：
addr(Mi0,i1,…im-1) = M.data + M.step[0] * i0 + M.step[1] * i1 + … + M.step[m-1] * im-1 (其中 m = M.dims M的维度)
下面举例：对于2维的情况：
一个 3 X 4 的矩阵，假设其数据类型为 CV_8U，也就是单通道的 uchar 类型
这是一个二维矩阵，那么维度为 2 （M.dims == 2）；
M.rows == 3; M.cols == 4；
sizeof(uchar) = 1，那么每一个数据元素大小为 1 （M.elemSize() == 1, M.elemSize1() == 1）；
CV_8U 得到 M.depth() == 0, M.channels() == 1；
因为是二维矩阵，那么 step 数组只有两个值， step[0] 和 step[1] 分别代表一行的数据大小和一个元素的数据大小，则 M.step[0] == 4, M.step[1] == 1；
M.step1(0) == M.cols = 4; M.step1(1) == 1；
假设上面的矩阵数据类型是 CV_8UC3，也就是三通道
M.dims == 2； M.channels() == 3；M.depth() == 0；
M.elemSize() == 3 （每一个元素包含3个uchar值） M.elemSize1() == 1 （elemSize / channels）
M.step[0] == M.cols * M.elemSize() == 12, M.step[1] == M.channels() * M.elemSize1() == M.elemSize() == 3；
M.step(0) == M.cols * M.channels() == 12 ; M.step(1) == M.channels() == 3；
对于3维时：
上面是一个 3 X 4 X 6 的矩阵，假设其数据类型为 CV_16SC4，也就是 short 类型
M.dims == 3 ; M.channels() == 4 ; M.elemSize1() == sizeof(short) == 2 ;
M.rows == M.cols == –1；
M.elemSize() == M.elemSize1() * M.channels() == M.step[M.dims-1] == M.step[2] == 2 * 4 == 8;
M.step[0] == 4 * 6 * M.elemSize() == 192；
M.step[1] == 6 * M.elemSize() == 48；
M.step[2] == M.elemSize() == 8；
M.step1(0) == M.step[0] / M.elemSize() == 192 / 2 == 96 （第一维度(即面的元素个数) * 通道数）；
M.step1(1) == M.step[1] / M.elemSize() == 48 / 2 == 24（第二维度(即行的元素个数/列宽) * 通道数）；
M.step1(2) == M.step[2] / M.elemSize() == M.channels() == 4（第三维度(即元素) * 通道数）；