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。