概述

电子设备中储存的图像本质是图像在每个像素点上的数值，这些数据形成一个矩阵，除此之外还包括一些描述这个数值矩阵的信息。OpenCV作为一个计算机视觉库，同样也是要处理这样的信息。所以，要学习OpenCV，首要的事情是了解在OpenCV中是如何储存图像的数值矩阵以及描述信息的。
（本文较长，详细介绍了Mat对象的原理、创建方式和输出方式，读者可根据目录跳转至相关章节）

Mat

2001年OpenCV诞生的时候，是在C语言的接口上创建的，并将图像储存在一个称作IplImage的C语言数据结构中。这种方式最大的一个缺点就是需要用户自己管理内存。如果是小型的项目尚可，如果数据量变大，管理内存就会使人很头疼。
OpenCV2.0 引入了C++接口，实现了内存的自动管理。Mat成为了OpenCV储存图片信息的数据结构。
Mat不需要手动分配或释放内存，大部分的OpenCV方法都会自动为输出的Mat对象分配内存。如果你已经为一个Mat对象分配了它需要的内存，那么你在传输它的时候，这个内存会被重复利用。也就是说，在执行任务的时候，不会使用多余的内存。

内部结构

Mat实质上是一个包含了两个部分的类：

• 矩阵头（matrix header）：它包含了矩阵的大小、存储方式、存储地址等信息
• 指向矩阵的指针：Mat对象只是储存了矩阵的指针，并没有储存矩阵本身，而矩阵中包含了像素值（像素值矩阵的维度由存储方式决定）
  Mat对象的大小是固定的，但是矩阵本身的大小是跟随图像变化的。
  在函数间传递图像是OpenCV中非常常见的操作，而且某些图像处理算法很复杂。为了提高程序的运行速度，OpenCV使用了“引用计数机制”。每个Mat对象都有自己独立的矩阵头，但是同一个矩阵可能会被多个Mat对象共享，即多个Mat对象的指针可能会指向内存中的同一个矩阵。而复制操作只会复制Mat对象的矩阵头以及指向矩阵的指针，并不会直接复制矩阵的数值!

下面的代码详细展示了Mat对象在实际应用中的内存分配问题：

Mat A, C;	//创建Mat对象的时候只是创建了矩阵头的部分
A = imread(argv[1], IMREAD_COLOR);	//读取图片，分配内存存储图片的数值矩阵，并将A的指针指向这个矩阵的内存地址Mat B(A);	//调用复制构造函数创建B，但仅仅是将A中的指向图片矩阵的指针复制到B中，并没有复制图片的数值矩阵C = A;	//赋值操作也只是将A中的指针复制到C中

上面的代码最终使A、B、C3个Mat对象中的指针都指向同一个图片的数值矩阵，虽然进行了复制和赋值操作，但内存中始终只有一个数值矩阵，如下图：

因为3个Mat对象的指针都是指向同一个数据矩阵，所以在任何一个Mat对象中对数据矩阵进行修改都会影响到其他Mat对象。实际上，不同的Mat对象只是为处理同一个数据矩阵提供了不同的使用方法。但是这些Mat对象的矩阵头部分是不同的，你甚至可以创建一个只指向数据矩阵的其中一部分的Mat对象。例如，要想在图像中创建一个感兴趣区域（region of interest，ROI），你可以新建一个Mat对象：

Mat D(A, Rect(10, 10, 100, 100);	//使用矩形区域
Mat E = A(Range::all(), Range(1, 3));	//使用行和列

引用计数机制

如果像上面的例子一样，同一个数据矩阵属于不同的Mat对象，那到底谁来负责释放它的内存呢？答案是：最后一个使用它的Mat对象。这就是通过上面所说的“引用计数机制”来实现的。当有指向数据矩阵A的Mat对象被复制的时候，矩阵A的引用计数就会增加；当有指向矩阵A的Mat对象被销毁的时候，矩阵A的引用计数就会减少。当计数为0的时候，矩阵A就会被释放。
OpenCV还提供了深度复制数据矩阵的方法，当你不想只是复制指针，而是想复制矩阵的值的时候，可以使用cv::Mat::clone()和cv::Mat::copyTo()方法。

Mat F = A.clone();	//将A指向的数据矩阵复制给F
Mat G;
A.copyTo(G);	//将A指向的数据矩阵复制到G

这样，修改F和G的时候就不会影响A指向的数据矩阵了。

总结一下：

• OpenCV中函数导出的图像数据是自动分配内存的（除非特别指定不自动分配）
• 使用OpenCV的C++接口的时候不用考虑内存管理的问题
• 赋值运算符和复制构造函数只是复制Mat对象的头部信息和指针
• 可以用cv::Mat::clone()和cv::Mat::copyTo()方法实现底层的图片数据矩阵的复制

颜色数据格式

对于如何储存像素的值，通常从两个方面考虑：颜色空间和数据类型。
颜色空间是指利用基本的颜色组合成特定的颜色的方式。有多种方式可以选择：

• RGB：这是最常用的，因为它与人眼编码颜色的方式相似；由红、绿、蓝3中基本颜色的值，加上透明度alpha，来确定最终颜色；注意，OpenCV中的标准颜色显示系统为BGR，红色和蓝色的值调换了位置
• HSV和HLS：将颜色分解为色调、饱和度和亮度；这种方式能更方便地处理图片的亮度
• YCrCb：这是JPEG格式的图片常用的颜色编码方式
• CIT Lab*：这种编码方式能够方便测量两种颜色之间的差距
• 灰度：只有黑色和白色两种基本颜色

显式创建Mat对象

使用cv::Mat::Mat构造函数

Mat M(2,2, CV_8U3, Scalar(0,0,255));
cout << "M = " << endl << " " << M << endl << endl;

这里使用了Mat类的其中一个构造函数。该构造函数一共包括4个参数：

1. 行数：定义矩阵行数
2. 列数：定义矩阵列数
3. 数据类型：定义每个数据项的类型，下文详述
4. Scalar常量：用来定义每个数据项的值的向量数组

矩阵的数据项

矩阵数据项的数据类型的定义遵循以下语法规则：
CV_[每个数据项的比特数][有符号或无符号][类型前缀]C[通道数量]

• 比特数：确定每个数据项，即像素点，的数值的长度，如8比特；比特数越高，每个像素点的值域就越大，比如，32比特的浮点类型比8比特的char类型能够储存更多的颜色值
• 有符号或无符号：确定每个数据项的值是否是有符号的（可省略，默认为无）
• 类型前缀：如果是char类型，则为C，如果是float类型，则为F……
• 通道数量：确定每个数据项中包含的颜色通道数量；比如，RGB颜色空间可以有4个通道，分别是红色值、绿色值、蓝色值和透明度值；通道数量可以加上括号，如CV_8UC(3) （可省略，默认为1）
  上面代码中的CV_8U3就代表每个数据项的是具有3个通道的8比特无符号的值，输出结果如下：
  
  可以看到矩阵中每个项有3个数值，代表3个颜色通道；共有2*2个项；每个项中的3个颜色通道的值都与Scalar中定义的相同。

使用数组进行初始化的构造函数

除了2维的矩阵，也可以创建3维矩阵的Mat对象

int sz[3]{ 2,2,2 };
Mat L(3, sz, CV_8UC1, Scalar::all(0));

这个构造函数也使用4个参数：

1. 维度：确定矩阵的维度
2. 大小：一个数组，用来确定每个维度的大小
3. 数据项的数据类型：同上一个构造函数
4. Scalar常量：同上一个构造函数
   所以，这里创建了一个3维的矩阵，每个维度都只有2个数据项，即222；每个数据项使用的都是只有1个颜色通道的8比特无符号数值；每个数据项的值都为0。

cv::Mat::create函数

这个函数看起来像是在创建一个Mat对象，但其实它只能修改已有的Mat对象。
比如，对上面创建的M对象进行修改：

M.create(4, 4, CV_8UC2);
cout << "M = "<< endl << " " << M << endl << endl;

cv::Mat::create函数使用了3个参数：

1. 行数：修改后的行数
2. 列数：修改后的列数
3. 数据项类型：修改后的数据项类型
   输出结果为：
   
   可以看到原本22的3颜色通道的矩阵变成了44的2颜色通道矩阵。cv::Mat::create函数为M对象重新分配了内存，使其能储存修改之后的更大的矩阵。

MATLAB风格的初始化

cv::Mat::zeros, cv::Mat::ones, cv::Mat::eye等与MATLAB语言类似的函数也可以用来初始化OpenCV中的Mat对象
zeros函数用来创建全为0值的矩阵；ones函数用来创建全为1值的矩阵；eye函数用来创建对角线为1，其他值为0的矩阵

 Mat E {Mat::eye(4, 4, CV_64F)};cout << "E = " << endl << " " << E << endl << endl;Mat O {Mat::ones(2, 2, CV_32F)};cout << "O = " << endl << " " << O << endl << endl;Mat Z {Mat::zeros(3,3, CV_8UC1)};cout << "Z = " << endl << " " << Z << endl << endl;

这些函数都使用相同的参数列表：

1. 行数
2. 列数
3. 数据项类型
   输出结果如下：
   

小型矩阵

如果要构造小型矩阵，可以直接以逗号为间隔，用<<运算符将每个值一行一行依次输入；
在C++11之后，也可以使用{}风格的初始化列表

//<<运算符Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);cout << "C = " << endl << " " << C << endl << endl;//初始化列表C = (Mat_<double>({0, -1, 0, -1, 5, -1, 0, -1, 0})).reshape(3);	//reshape函数将矩阵中的数据项变成3通道类型cout << "C = " << endl << " " << C << endl << endl;

输出结果如下：

通过复制创建Mat对象

要复制Mat对象，需要第二节讲的使用cv::Mat::clone 或 cv::Mat::copyTo 函数

Mat对象的输出

上面的例子中的输出使用的都是默认格式，但还有几种其他的输出格式
首先使用随机数创建一个3通道的3*2矩阵

 Mat R {Mat(3, 2, CV_8UC3)};randu(R, Scalar::all(0), Scalar::all(255));

cv::randu()为随机数生成函数，使用3个参数：

1. Mat对象：用来储存随机值的Mat对象
2. 最低值：Scalar常量类型，确定随机数的最小值
3. 最高值：Scalar常量类型，确定随机数的最大值
   接下来使用format函数定义输出格式，该函数使用两个参数：
4. Mat对象：需要输出的Mat对象
5. 格式定义：在Formatter中定义的枚举类型
   详见以下代码：

cout << "R (default) = " << endl << " " << R << endl << endl;
cout << "R (Python) = " << endl << format(R, Formatter::FMT_PYTHON) << endl << endl;
cout << "R (csv) = " << endl << format(R, Formatter::FMT_CSV) << endl << endl;
cout << "R (numpy) = " << endl << format(R, Formatter::FMT_NUMPY) << endl << endl;
cout << "R (C) = " << endl << format(R, Formatter::FMT_C) << endl << endl;

输出结果如下：

其他普通数据项的输出

OpenCV中的大部分数据结构都支持<<运算符
以下代码展示了如何运用<<运算符输出点、向量类型的对象

Point2f P(5, 1);
cout << "Point (2D)= " << P << endl << endl;Point3f P3f(2, 6, 7);
cout << "Point (3D) = " << P3f << endl << endl;vector<float> v;
v.push_back((float)CV_PI); v.push_back(2); v.push_back(3.01f);
cout << "Vector of floats via Mat = " << Mat(v) << endl << endl;vector<Point2f> vPoints(20);
for (size_t i = 0; i < vPoints.size(); ++i)vPoints[i] = Point2f((float)(i * 5), (float)(i % 7));
cout << "A vector of 2D Points = " << vPoints << endl << endl;

输出结果如下：