一、数字图像存储概述

数字图像存储时，我们存储的是图像每个像素点的数值，对应的是一个数字矩阵。

二、Mat的存储

1、OpenCV1基于C接口定义的图像存储格式IplImage*，直接暴露内存，如果忘记释放内存，就会造成内存泄漏。

2、从OpenCV2开始，开始使用Mat类存储图像，具有以下优势：

(1)图像的内存分配和释放由Mat类自动管理

(2)Mat类由两部分数据组成：矩阵头(包含矩阵尺寸、存储方法、存储地址等)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。Mat在进行赋值和拷贝时，只复制矩阵头，而不复制矩阵，提高效率。如果矩阵属于多个Mat对象，则通过引用计数来判断，当最后一个使用它的对象，则负责释放矩阵。

(3)可以使用clone和copyTo函数，不仅复制矩阵头还复制矩阵。

三、Mat创建

1、使用Mat构造函数

Mat test(2,2,CV_8UC3,Scalar(0,0,255));

2、使用Mat构造函数2

int sizes[3] = {2,2,2};

Mat test(3,sizes,CV_8UC3,Scalar::all(0));

3、为已存在的IplImage指针创建信息头

IplImage* img = cvLoadImage("1.jpg",1);

Mat test(img);

4、利用create函数

Mat test;

test.create(4,4,CV_8UC2);

5、采用Matlab形式的初始化方式

(1)Mat me = Mat::eye(4,4,CV_64F);

(2)Mat mo = Mat::ones(2,2,CV_32F);

(3)Mat mz = Mat::zeros(3,3,CV_8UC1);

注：元素类型，即CV_[位数][带符号与否][类型前缀]C[通道数]

四、Mat中相关成员的意义

1、data

Mat对象中的一个指针，指向存放矩阵数据的内存(uchar* data)

2、dims

矩阵的维度，3*4的矩阵维度为2维，3*4*5的矩阵维度为3维

3、channels

矩阵通道，矩阵中的每一个矩阵元素拥有的值的个数，比如说 3 * 4 矩阵中一共 12 个元素，如果每个元素有三个值，那么就说这个矩阵是 3 通道的，即 channels = 3。常见的是一张彩色图片有红、绿、蓝三个通道。

4、depth

深度，即每一个像素的位数，也就是每个通道的位数。在opencv的Mat.depth()中得到的是一个0 – 6的数字，分别代表不同的位数：enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }，可见 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位。

5、elemSize

矩阵中每个元素的大小，每个元素包含channels个通道。如果Mat中的数据的数据类型是CV_8U那么elemSize = 1；是CV_8UC3那么elemSize = 3，是CV_16UC2那么elemSize = 4。

6、elemSize1

矩阵中数据类型的大小，即elemSize/channels，也就是depth对应的位数。

7、step

是一个数组，定义了矩阵的布局，参考下图

若矩阵有n维，则step数组大小为n

step[n-1] = elemSize(每个矩阵元素的数据大小)

step[n-2] = size(1维)*elemSize

step[n-3] = size(2维)*size(1维)*elemSize

...

step[0] = size(n-1维)*size(n-2维)*...size(1维)*elemSize

8、step1

step1也是一个数组，为step/elemSize1，若矩阵有n维，则step1[n-1] = channels。

9、type

矩阵元素的类型，即创建Mat时传递的类型，例如CV_8UC3、CV_16UC2等。