由于在写上一篇图像的数据结构时，发现自己只知道CvMat,竟然还有Mat数据结构，真是无知了，看了这么多程序，貌似没有看到这个结构。有可能那些程序都是些老版本的例子，这是在2.0以后加上的，所以我也得紧跟呀！以下是自己的学习心得。。。。
一、Mat简介
在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为 IplImage 的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内
一、Mat简介
在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为 IplImage 的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内存不是问题，但一旦代码开始变得越来越庞大，你需要越来越多地纠缠于这个问题，而不是着力解决你的开发目标。
幸运的是，C++出现了，并且带来类的概念，这给用户带来另外一个选择：自动的内存管理（不严谨地说）。这是一个好消息，如果C++完全兼容C的话，这个变化不会带来兼容性问题。为此，OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁（少写多得）。但C++接口唯一的不足是当前许多嵌入式开发系统只支持C语言。所以，当目标不是这种开发平台时，没有必要使用旧 方法（除非你是自找麻烦的受虐狂码农）。
关于 Mat ，首先要知道的是你不必再手动地（1）为其开辟空间（2）在不需要时立即将空间释放。但手动地做还是可以的：大多数OpenCV函数仍会手动地为输出数据开辟空间。当传递一个已经存在的Mat 对象时，开辟好的矩阵空间会被重用。也就是说，我们每次都使用大小正好的内存来完成任务。
基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝大 的图像，因为这会降低程序速度。
二、Mat的基本操作
这里展示一个例子解释一下Mat的基本操作
对于Mat数据结构，在对图像进行处理时要注意：
OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
使用OpenCV的C++接口时不需要考虑内存释放问题。
赋值运算符和拷贝构造函数（ ctor ）只拷贝信息头。
使用函数 clone() 或者copyTo() 来拷贝一副图像的矩阵
三、扫描图像的方法
以上是对http://blog.csdn.net/yang_xian521/article/details/7182185#的综合，以下是其博文，正如博主所说的， data_3 = img.data + i*img.step + j * img.elemSize();，int i=0;i<img_gray.rows;i++。。。这种在循环中出现的语句识别比较耗时的，注意避免。以下是其博文
1.存取单个像素值
最通常的方法就是
如果你觉得at操作显得太笨重了，不想用Mat这个类，也可以考虑使用轻量级的Mat_类，使用重载操作符()实现取元素的操作。
2.用指针扫描一幅图像
对于一幅图像的扫描，用at就显得不太好了，还是是用指针的操作方法更加推荐。先介绍一种上一讲提到过的
更高效的扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*（w*h）的一个一维数组，这个想法是不是有点奇葩，这里要利用isContinuous这个函数判断图像内的像素是否填充满，使用方法如下：
更低级的指针操作就是使用Mat里的data指针，之前我称之为暴力青年，使用方法如下：
3.用迭代器iterator扫描图像
和C++STL里的迭代器类似，Mat的迭代器与之是兼容的。是MatIterator_。声明方法如下：
或者是：
4.高效的scan image方案总结
还是用我们之前使用过的getTickCount、getTickFrequency函数测试速度。这里我就不一一列举我测试的结果了，直接上结论。测试发现，好的编写风格可以提高50%的速度！要想减少程序运行的时间，必要的优化包括如下几个方面：
（1）内存分配是个耗时的工作，优化之；
（2）在循环中重复计算已经得到的值，是个费时的工作，优化之；举例：
后者的速度比前者要慢上好多。
（3）使用迭代器也会是速度变慢，但迭代器的使用可以减少程序错误的发生几率，考虑这个因素，可以酌情优化
（4）at操作要比指针的操作慢很多，所以对于不连续数据或者单个点处理，可以考虑at操作，对于连续的大量数据，不要使用它
（5）扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*（w*h）的一个一维数组这种办法也可以提高速度。短的循环比长循环更高效，即使他们的操作数是相同的
以上的这些优化可能对于大家的程序运行速度提高并不明显，但它们毕竟是个得到速度提升的好的编程策略，希望大家能多采纳。
还有就是利用多线程也可以高效提高运行速度。OpenMP和TBB是两种流行的APT，不过对于多线程的东西，我是有些迷糊的，呵呵
5.整行整列像素值的赋值
对于整行或者整列的数据，可以考虑这种方式处理
参考资料
1. http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/mat%20-%20the%20basic%20image%20container/mat%20-%20the%20basic%20image%20container.html
2 http://blog.sina.com.cn/s/blog_73ee929c01010yor.html
一、Mat简介
在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为 IplImage 的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内
一、Mat简介
在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为 IplImage 的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内存不是问题，但一旦代码开始变得越来越庞大，你需要越来越多地纠缠于这个问题，而不是着力解决你的开发目标。
幸运的是，C++出现了，并且带来类的概念，这给用户带来另外一个选择：自动的内存管理（不严谨地说）。这是一个好消息，如果C++完全兼容C的话，这个变化不会带来兼容性问题。为此，OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁（少写多得）。但C++接口唯一的不足是当前许多嵌入式开发系统只支持C语言。所以，当目标不是这种开发平台时，没有必要使用旧 方法（除非你是自找麻烦的受虐狂码农）。
关于 Mat ，首先要知道的是你不必再手动地（1）为其开辟空间（2）在不需要时立即将空间释放。但手动地做还是可以的：大多数OpenCV函数仍会手动地为输出数据开辟空间。当传递一个已经存在的Mat 对象时，开辟好的矩阵空间会被重用。也就是说，我们每次都使用大小正好的内存来完成任务。
基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝大 的图像，因为这会降低程序速度。
二、Mat的基本操作
这里展示一个例子解释一下Mat的基本操作
#include<cv.h>#include<highgui.h>#include<iostream>using namespace cv;using namespace std;int main(){/*********************************Mat基本操作-矩阵*******************************************/ //二维三通道矩阵建立 Mat M(2,2, CV_8UC3, Scalar(0,0,255)); //使用构造函数创建矩阵/*CV_8UC3 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道,初始化为（0，0，255）*/ cout << "M = " << endl << " " << M << endl << endl; //格式化输出 //三维 int sz[3] = {3,3,3}; Mat L(3,sz, CV_8UC(1), Scalar::all(0));/*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；其余的相同*/ cout << "L = " << endl << " " << M << endl << endl; //格式化输出/********************************************Mat基本操作-图像*******************************/ Mat A, C; // 只创建信息头部分 A=imread("D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存 Mat B(A); // 使用拷贝构造函数 C = A; // 赋值运算符 /* 拷贝构造函数和赋值函数 只拷贝信息头和矩阵指针 */ Mat D (A, Rect(10, 10, 100, 100) ); //选取A中一个矩形区域,即只访问其矩形区域的信息头，只是创建信息头 Mat E = A(cv::Range::all(), Range(1,3)); // 创建访问边界的信息头。 /* 要创建一个感兴趣区域（ ROI ），你只需要创建包含边界信息的信息头 */ Mat F = A.clone();//复制图像，包括数据 Mat G; A.copyTo(G); /* 拷贝矩阵本身(不只是信息头和矩阵指针)， */ //测试 namedWindow( "a", CV_WINDOW_AUTOSIZE ); namedWindow( "c", CV_WINDOW_AUTOSIZE ); imshow( "a", D); imshow( "c", E ); /****************************************图像的读取、处理和保存**************************************/ Mat image; image = imread( "D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR);//导入图像 if( !image.data ) { cout<< " No image data \n " ; return -1; } Mat gray_image; cvtColor( image, gray_image, CV_BGR2GRAY );//转化为灰度图 imwrite( "../../images/Gray_Image.jpg", gray_image );//写入图像 namedWindow( "source", CV_WINDOW_AUTOSIZE ); namedWindow( "Gray image", CV_WINDOW_AUTOSIZE ); imshow( "source", image ); imshow( "Gray image", gray_image ); /*******************************************************************************************/ waitKey(0); return 0;} 对于Mat数据结构，在对图像进行处理时要注意：
OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
使用OpenCV的C++接口时不需要考虑内存释放问题。
赋值运算符和拷贝构造函数（ ctor ）只拷贝信息头。
使用函数 clone() 或者copyTo() 来拷贝一副图像的矩阵
三、扫描图像的方法
#include<cv.h>#include<highgui.h>#include<time.h>#include<iostream>using namespace cv;using namespace std;int main(){ //Mat img(10,10,CV_8UC3,Scalar(0,0,255)); Mat img,img_gray,img_gray2; img=imread("D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR); cvtColor( img, img_gray, CV_BGR2GRAY );//转化为灰度图 img_gray.copyTo(img_gray2); //方式一 for( int i=0;i<img_gray.rows;i++) { uchar* data = img_gray.ptr<uchar>(i); for(int j=0;j<img_gray.cols;j++) { data[j] = 255; } } //img.create(10,10,CV_8UC3,Scalar(0,0,255)); //cout << "img = " << endl << " " << img_gray << endl << endl; //格式化输出 //方式二 W*H的一幅图像看成是一个1*（w*h）的一个一维数组 int nc; if(img_gray.isContinuous())//判断是否被所有的像素填满 { nc = img_gray.rows*img_gray.cols*img_gray.channels(); } else { cout<<"像素未填满，不可用第二种方式"<<endl; return -1; } uchar* data_2 = img_gray.ptr<uchar>(0);//提取第一个像素点指针 for(int i=0;i<nc;i++)//遍历所有的元素 { data_2[i] = 255; } //方式三指针扫描 uchar* data_3 = img.data;//单个元素 img.at<uchar>(0,0)=0; for(int i=0;i<img.rows;i++)//遍历所有的元素 { for(int j=0;j<img.cols;j++) { data_3 = img.data + i*img.step + j * img.elemSize(); //对各个通道赋值 data_3[0]=100; data_3[1]=100; data_3[2]=100; } } /*时间函数 double start = getTickCount(); finish = clock(); duration = (double)(finish - start) / CLOCKS_PER_SEC; */ //方式四 迭代器iterator扫描图像 Mat_<Vec3b>::iterator it = img.begin<Vec3b>(); Mat_<Vec3b>::iterator itend = img.end<Vec3b>(); for (; it!=itend; it++) { //对各个通道赋值 (*it)[0] = 200; (*it)[1] = 200; (*it)[2] = 200; } //测试，根据自己的选择查看结果 namedWindow("sorce",WINDOW_AUTOSIZE); namedWindow("result",WINDOW_AUTOSIZE); cv::imshow("sorce",img); cv::imshow("result",img_gray); waitKey(0); return 0;}以上是对http://blog.csdn.net/yang_xian521/article/details/7182185#的综合，以下是其博文，正如博主所说的， data_3 = img.data + i*img.step + j * img.elemSize();，int i=0;i<img_gray.rows;i++。。。这种在循环中出现的语句识别比较耗时的，注意避免。以下是其博文
1.存取单个像素值
最通常的方法就是
img.at<uchar>(i,j) = 255;img.at<Vec3b>(i,j)[0] = 255;如果你觉得at操作显得太笨重了，不想用Mat这个类，也可以考虑使用轻量级的Mat_类，使用重载操作符()实现取元素的操作。
cv::Mat_<uchar> im2= img; // im2 refers to image im2(50,100)= 0; // access to row 50 and column 1002.用指针扫描一幅图像
对于一幅图像的扫描，用at就显得不太好了，还是是用指针的操作方法更加推荐。先介绍一种上一讲提到过的
for (int j=0; j<nl; j++){ uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { data[i] = 255; }}更高效的扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*（w*h）的一个一维数组，这个想法是不是有点奇葩，这里要利用isContinuous这个函数判断图像内的像素是否填充满，使用方法如下：
if (img.isContinuous()){ nc = img.rows*img.cols*img.channels();}uchar* data = img.ptr<uchar>(0);for (int i=0; i<nc; i++){ data[i] = 255;}更低级的指针操作就是使用Mat里的data指针，之前我称之为暴力青年，使用方法如下：
uchar* data = img.data;// img.at(i, j)data = img.data + i * img.step + j * img.elemSize();3.用迭代器iterator扫描图像
和C++STL里的迭代器类似，Mat的迭代器与之是兼容的。是MatIterator_。声明方法如下：
cv::MatIterator_<Vec3b> it; 或者是：
cv::Mat_<Vec3b>::iterator it;Mat_<Vec3b>::iterator it = img.begin<Vec3b>();Mat_<Vec3b>::iterator itend = img.end<Vec3b>();for (; it!=itend; it++){ (*it)[0] = 255;}4.高效的scan image方案总结
还是用我们之前使用过的getTickCount、getTickFrequency函数测试速度。这里我就不一一列举我测试的结果了，直接上结论。测试发现，好的编写风格可以提高50%的速度！要想减少程序运行的时间，必要的优化包括如下几个方面：
（1）内存分配是个耗时的工作，优化之；
（2）在循环中重复计算已经得到的值，是个费时的工作，优化之；举例：
int nc = img.cols * img.channels();for (int i=0; i<nc; i++){.......}//**************************for (int i=0; i<img.cols * img.channels(); i++){......}后者的速度比前者要慢上好多。
（3）使用迭代器也会是速度变慢，但迭代器的使用可以减少程序错误的发生几率，考虑这个因素，可以酌情优化
（4）at操作要比指针的操作慢很多，所以对于不连续数据或者单个点处理，可以考虑at操作，对于连续的大量数据，不要使用它
（5）扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*（w*h）的一个一维数组这种办法也可以提高速度。短的循环比长循环更高效，即使他们的操作数是相同的
以上的这些优化可能对于大家的程序运行速度提高并不明显，但它们毕竟是个得到速度提升的好的编程策略，希望大家能多采纳。
还有就是利用多线程也可以高效提高运行速度。OpenMP和TBB是两种流行的APT，不过对于多线程的东西，我是有些迷糊的，呵呵
5.整行整列像素值的赋值
对于整行或者整列的数据，可以考虑这种方式处理
img.row(i).setTo(Scalar(255));img.col(j).setTo(Scalar(255));参考资料
1. http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/mat%20-%20the%20basic%20image%20container/mat%20-%20the%20basic%20image%20container.html
2 http://blog.sina.com.cn/s/blog_73ee929c01010yor.html
再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow