The cv::Mat Class: N-Dimensional Dense Arrays
Mat n维 稠密阵列
The cv::Mat class can be used for arrays of any number of dimensions. The data is mat可以作为任意维的数组。这些数据可以被认为以“光栅扫描”
stored in the array in what can be thought of as an n-dimensional analog of “raster 的形式进行了保存。也就是说，在一维数据中，数据是连续的。
scan order.” This means that in a one-dimensional array, the elements are sequential.
In a two-dimensional array, the data is organized into rows, and each row appears 在二维数据中，数据分割成行，而且每一个行紧密排列。
one after the other. For three-dimensional arrays, each plane is filled out row by row, 在三维数据中，每一个平面连续排列。
and then the planes are packed one after the other.
Each matrix contains a flags element signaling the contents of the array, a dims ele‐ 每一个矩阵包含一个flag，分别表明不同特性。dims 表明维度；rows cols表明 rows
ment indicating the number of dimensions, rows and cols elements indicating the columns大小，此外还包含一个指向数据保存位置的指针；还有一个ptr<>使用频率
number of rows and columns (these are not valid for dims>2), a data pointer to 计数。ptr<>可以是Mat使用起来非常类似smart 的指针。
where the array data is stored, and a refcount reference counter analogous to the ref‐
erence counter used by cv::Ptr<>. This latter member allows cv::Mat to behave very
much like a smart pointer for the data contained in data. The memory layout in data Mat的内存布局很大程度上由step[]来表示。内存结构为
is described by the array step[]. The data array is laid out such that the address of an
element whose indices are given by (i0, ii, … , iN） is
对于简单的2维矩阵，也就是图片
Mat的多种定义方法
从老版本的cvmat和iplimage中转换得到mat
遍历图像的4种方式（来自 cnblogs ronny)
一、at<typename>(i,j)
Mat类提供了一个at的方法用于取得图像上的点，它是一个模板函数，可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。
在实际应用中，我们很多时候需要对图像降色彩，因为256*256*256实在太多了，在图像颜色聚类或彩色直方图时，我们需要用一些代表性的颜色代替丰富的色彩空间，我们的思路是将每个通道的256种颜色用64种代替，即将原来256种颜色划分64个颜色段，每个颜色段取中间的颜色值作为代表色。
void colorReduce(Mat & image, int div){
for( int i = 0;i <image.rows;i ++){
for( int j = 0;j <image.cols;j ++){
image.at <Vec3b >(i,j)[ 0] =image.at <Vec3b >(i,j)[ 0] /div *div +div
/
2;
image.at <Vec3b >(i,j)[ 1] =image.at <Vec3b >(i,j)[ 1] /div *div +div
/
2;
image.at <Vec3b >(i,j)[ 2] =image.at <Vec3b >(i,j)[ 2] /div *div +div
/
2;
}
}
}
通过上面的例子我们可以看出，at方法取图像中的点的用法：
image.at<uchar>(i,j)：取出灰度图像中i行j列的点。
image.at<Vec3b>(i,j)[k]：取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型，不要对Vec3b这种类型感觉害怕，其实在core里它是通过typedef Vec<T,N>来定义的，N代表元素的个数，T代表类型。
二、高效一点：用指针来遍历图像
上面的例程中可以看到，我们实际喜欢把原图传进函数内，但是在函数内我们对原图像进行了修改，而将原图作为一个结果输出，很多时候我们需要保留原图，这样我们需要一个原图的副本。
void colorReduce( const Mat & image,Mat & outImage, int div)
{ // 创建与原图像等尺寸的图像
outImage.create(image.size(),image.type());
int nr =image.rows; // 将3通道转换为1通道
int nl =image.cols *image.channels();
for( int k = 0;k <nr;k ++)
{ // 每一行图像的指针
const uchar * inData =image.ptr <uchar >(k);
uchar * outData =outImage.ptr <uchar >(k);
for( int i = 0;i <nl;i ++)
{
outData[i] =inData[i] /div *div +div / 2;
}
}
}
从上面的例子中可以看出，取出图像中第i行数据的指针：image.ptr<uchar>(i)。
值得说明的是：程序中将三通道的数据转换为1通道，在建立在每一行数据元素之间在内存里是连续存储的，每个像素三通道像素按顺序存储。也就是一幅图像数据最开始的三个值，是最左上角的那像素的三个通道的值。
三、更高效的方法
上面已经提到过了，一般来说图像行与行之间往往存储是不连续的，但是有些图像可以是连续的，Mat提供了一个检测图像是否连续的函数isContinuous()。当图像连通时，我们就可以把图像完全展开，看成是一行。
void colorReduce( const Mat & image,Mat & outImage, int div)
{
int nr =image.rows;
int nc =image.cols;
outImage.create(image.size(),image.type());
if(image.isContinuous() &&outImage.isContinuous())
{
nr = 1;
nc =nc *image.rows *image.channels();
}
for( int i = 0;i <nr;i ++)
{
const uchar * inData =image.ptr <uchar >(i);
uchar * outData =outImage.ptr <uchar >(i);
for( int j = 0;j <nc;j ++)
{
*outData ++ = *inData ++ /div *div +div / 2;
}
}
}
用指针除了用上面的方法外，还可以用指针来索引固定位置的像素：
image.step返回图像一行像素元素的个数（包括空白元素），image.elemSize()返回一个图像像素的大小。
&image.at<uchar>(i,j)=image.data+i*image.step+j*image.elemSize();
四、还有吗？用迭代器来遍历。
下面的方法可以让我们来为图像中的像素声明一个迭代器：
MatIterator_<Vec3b> it;
Mat_<Vec3b>::iterator it;
如果迭代器指向一个const图像，则可以用下面的声明：
MatConstIterator<Vec3b> it;
Mat_<Vec3b>::const_iterator it;
下面我们用迭代器来简化上面的colorReduce程序：
void colorReduce( const Mat & image,Mat & outImage, int div)
{
outImage.create(image.size(),image.type());
<Vec3b > it_in =image.begin <Vec3b >();
<Vec3b > itend_in =image.end <Vec3b >();
<Vec3b > it_out =outImage.begin <Vec3b >();
<Vec3b > itend_out =outImage.end <Vec3b >();
while(it_in !=itend_in)
{
( *it_out)[ 0] =( *it_in)[ 0] /div *div +div / 2;
( *it_out)[ 1] =( *it_in)[ 1] /div *div +div / 2;
( *it_out)[ 2] =( *it_in)[ 2] /div *div +div / 2;
it_in ++;
it_out ++;
}
}
如果你想从第二行开始，则可以从image.begin<Vec3b>()+image.rows开始。（
tips:在opencv中，两种生成随机数的方法
randu(src,-1.0f,1.0f);
rng.fill(src,RNG::UNIFORM,0.f,1.f);
