目录
Mat类简析
Mat类是用于保存图像以及其他矩阵数据的数据结构，默认情况下其尺寸为0。
OpenCV 2.x 采用全新的图像数据结构Mat来代替C接口 cvMat 和 IplImage,这样使得开发效率大大提高。全新Mat结构不需要我们为其手动开辟空间，也不需要立即释放存储空间，Mat类能够自动管理内存。Mat类由矩阵头和指向存储所有像素值的矩阵的指针构成。Mat类表示一个n维的密集数值单通道或多通道数组，它可用于存储实数或复数值的向量和矩阵、灰度或彩色图像、体素、向量场、点云、张量、直方图等。
class CV_EXPORTS Mat
{
public:
//标志位
int flags;
//数组的维数，>=2
int dims;
//行和列的数量 或 （-1，-1），此时数组已超过2维
int rows,cols;
//指向数据的指针
uchar *data;
//指针的引用计数器，当阵列指向用户分配的数据时，指针为NULL。
int * refcount;
}
矩阵头用来刻画矩阵尺寸、存储方法、存储地址及引用次数等信息，矩阵头大小是一个常数，不会随图像的大小变化而变化，但是保存图像像素数据的矩阵则会随图像的大小变化而改变，通常数据量会很大，比矩阵头大几个数量级。这样在图像复制和传递过程中，内存主要的开销是由存放图像像素的矩阵引起的。因此，OpenCV使用了引用次数，当进行图像复制和传递时，不再复制整个Mat数据，而只是复制矩阵头和指向像素矩阵的指针。
关于flags:
https://blog.csdn.net/yiyuehuan/article/details/43701797
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
参考链接：https://blog.csdn.net/yiyuehuan/article/details/43701797
Mat的构造
方法1：使用Mat()构造函数
（1）Mat::Mat() 无参数构造方法
（2）Mat::Mat(int rows, int cols, int type)创建行数为rows，列数为cols，类型为type的图像.
（3）Mat::Mat(Size size, int type) 创建大小为size, 类型为type的图像
（4）Mat::Mat(int rows, int cols, int type, const Scalar& s) 创建行数为rows，列数为cols，类型为type的图像。并将所有元素初始化为s。
（5）Mat::Mat(Size size, int type, const Scalar& s)创建大小为size,类型为type的图像，并将所有元素初始化为值s。
（6）Mat::Mat(const Mat& m) 将m赋值给新创建的对象，此处不会对图像数据进行复制，m和新对象公用图像数据。
注意！其中的type一般为：CV_[位数][带符号与否][类型前缀]C[通道数]
示例： Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255));
方法二、指定维数创建Mat
示例：
int sz[3] = {2, 2, 2};
Mat L(3, sz, CV_8UC, Scalar::all(0));
上面示例演示了如何创建一个超过两维的矩阵，指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸。
方法三、为已存在的IplImage指针创建信息头
示例：
IplImage* img = cvLoadImage("1.jpg",1);
Mat mtx(img); //转换IplImage * -> Mat
方法四、利用Create()函数
利用Mat类中的Create()成员函数进行Mat类的初始化操作，示例：
Mat M;
M.create(4, 4, CV_8UC(2))；
需要注意的是，此创建方法不能为矩阵设初值，只是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式的初始化方法
zero(),ones(),eyes()
方法六、对肖局长使用逗号分隔式初始化函数
Mat C = (Mat_<double(3,3)<< 0, -1, 0, -1, 5, -1, 0, -1, 0);
方法七、为已存在的对象新建新信息头
深拷贝：clone()
浅拷贝：copyTo()
Mat基本操作汇总
函数 功能
Mat::row 创建一个具有指定了矩阵头中行数的参数的矩阵
Mat::col 创建一个具有指定了矩阵头中列数的参数的矩阵
Mat::rowRange 为指定的行span创建一个新的矩阵头，可取指定行区间元素
Mat::colRange 为指定的列span创建一个矩阵头，可取指定列区间元素
Mat::clone 创建一个数组及其基础数据的完整副本
Mat::copyTo 把矩阵复制到另一个矩阵中
Mat::convertTo 在缩放或不缩放的情况下转换为另一种数据类型
Mat::zeros 返回一个指定的大小和类型全为0的数组
Mat::ones 返回一个指定的大小和类型全为1的数组
Mat::channels 返回矩阵通道的数目
Mat::empty 如果数组没有元素，则返回true
Mat::at 返回对指定数组元素的引用
Mat 类型转换
OpenCV2.x 中图像数据容器一般有Mat、cvMat和IplImage, Mat是一个多维的密集数据数组，常用于进行计算性较高的矩阵、图像、直方图操作等。cvMat和IplImage是OpenCV1.x中提供的基于C语言版本的图像数据容器，侧重于图像数据本身的处理性能
（1）Mat转换为IplImage类型和CvMat类型
cv::Mat img;
CvMat cvMatImg = img;
IplImage IplImg = img;
需要注意的是，转换后Mat、IplImage和CvMat共享图像矩阵数据，传递的是矩阵头，并不复制数据，IplImage和CvMat就没有引用计数功能。如果代码中的Img的数据被提前释放，cvMatImg和IplImg也就失去了相应数据，所以在释放数据时需要谨慎。
（2）IplImage类型和CvMat类型转换为Mat类型
IplImage * IplImg = cvLoadImage("fruits.jpg");
Mat img(IplImg,true);
OpenCV2.x中提供Mat类兼容OpenCV1.x中的IplImage和CvMat的两个构造函数：Mat::Mat(const CvMat* m, bool copyData = false) 和 Mat::Mat(const IplImage* img, bool copyData = false).如果copyData的值是false，那么Mat将与IplImage或CvMat共用同一矩阵数据；如果copyData的值是true，Mat会新申请内存空间，然后将IplImage或CvMat的数据复制到Mat的数据区。
#图像读取显示保存
OpenCV中实现类似MATLAB的读取显示图像函数是highgui模块中的imread、namedWindow、imshow和imwrite函数。
imread函数
函数imread返回的是Mat对象，如果读取文件失败，函数会返回一个空矩阵，那么srcImage.data的值是NULL，因此正常读取完文件后，我们可以利用srcImage.data或srcImage.empty()函数进行返回值检查，以确保文件正常载入。
Mat imread(const string& filename, int flags = 1)
函数解析：
读取文件图像，参数filename表示读取文件的地址文件名；flags表示读取图像的颜色类型，默认参数为1，函数返回3通道图像。参数flags设置为CV_LOAD_IMAGE_ANYDEPTH,表示返回16bit或32bit图像（当输入为相同深度时），否则返回8bit图像；设置为CV_LOAD_IMAGE_COLOR,函数返回为单色图像；设置为CV_LOAD_IMAGE_GRAYSCALE,函数返回为通道图像。另外flags可设置为0，该函数返回单通道图像；flags小于0，则函数不对图像进行通道转换；flags大于0，函数将强制返回3通道图像。
imwrite函数
bool imwrite(const string& filename, InputArray img, const vector<int>& params = vector<int>() )
函数解析：
保存文件图像。参数filename表示写入文件的格式及文件扩展名；img表示待写入图像源；params表示文件格式的一些细节信息，参数里面的数值跟文件格式有关，其中JPEG表示图像的质量，取值范围从0到100； PNG表示压缩级别，取值范围是从0到9；PPM、PGM或PBM表示文件是以二进制还是纯文本方式存储，取值为0或1.
在应用以上函数进行文件相关操作时需要注意，Mat对象操作对某一函数有其特定格式要求，例如文件保存是支持8位单通道还是3通道BRG矩阵。对于16U格式图像文件，只能采用PNG、JPEG2000或TIFF格式，如果图像文件的格式、深度或通道顺序不符合要求时，可利用OpenCV提供的Mat::convertTo()、cvtColor()等相关函数进行转换。
像素值的存储方法
存储像素值需要指定颜色空间和数据类型。其中，颜色空间是指针对一个给定的颜色，如何组合颜色元素已对其编码。不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。RGB颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。它的基色是红色、绿色和蓝色，有时为了表示透明颜色也会加入第四个元素alpha(A)
颜色系统有很多，它们各有优势，具体如下：
- RGB 是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用
- HSV和HLS把颜色分解成色调、饱和度和亮度/明度，这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
- YCrCb在JPEG图像格式中广泛使用
- CIE L*a*b是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。
每个组成元素都有其自己的定义域，而定义域取决于其数据类型，如何存储一个元素决定了我们在其定义域上能够控制的精度。最小的数据类型是char，占一个字节或者8位，可以是由符号型（0到255之间）或无符号型（-127 到 +127）。尽管使用三个char型元素已经表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double(8字节，64位)则能给出更加精细的颜色分辨能力。但同时也要切记，增加元素的尺寸也会增加图像所占的内存空间。