1. Mat类常用成员函数和成员变量

        由于 Mat 类使用的非常广泛，使用的形式也非常之多，这里只对较为常用的成员函数和成员变量做出了整理；

1.1 构造函数

（1）默认构造函数

cv::Mat::Mat()

默认构造函数：生成一个矩阵并由OpenCV提供的函数(一般是Mat::create() 和 cv::imread() )来分配储存空间。

Mat类可以分为两个部分：矩阵头和指向像素数据的矩阵指针

矩阵头：包括数字图像的矩阵尺寸、存储方法、存储地址和引用次数等，矩阵头的大小是一个常数，不会随着图像的大小而改变，但是保存图像像素数据的矩阵则会随着图像的大小而改变，通常数据量会很大，比矩阵头大几个数量级。这样，在图像复制和传递过程中，主要的开销是由存放图像像素的矩阵而引起的。因此，OpenCV使用了引用次数，当进行图像复制和传递时，不再复制整个Mat数据，而只是复制矩阵头和指向像素矩阵的指针，例如：

cv::Mat a ; //默认构造函数，创建矩阵头 a = cv::imread("test.jpg"); //读入图像，矩阵指针指向该像素数据 cv::Mat b = a ; //复制　

 上面的a，b有各自的矩阵头，但是其矩阵指针指向同一个矩阵，也就是其中任何一个改变了矩阵数据都会影响另外一个。那么，多个Mat共用一个矩阵数据，最后谁来释放矩阵数据呢？

        这就是引用计数的作用，当Mat对象每被复制一次时，就会将引用计数加1，而每销毁一个Mat对象（共用同一个矩阵数据）时引用计数会被减1，当引用计数为0时，矩阵数据会被清理。

（2）常用构造函数——1

cv::Mat::Mat(int rows,int cols,int type)

重载的构造函数，这也是常用构造函数之一，在创建对象同时，提供矩阵的大小（rows，行数；cols ，列数），以及存储类型（type）

该类型表示矩阵中每一个元素在计算机内存的存储类型，如CV_8UC3，具体含义为“3通道8位无符号数”。

eg：

Mat src(10,10,CV_32FC3); //表示src是一个10*10的矩阵，且矩阵元素以32位float型存储

类似，OpenCV还提供了一种Size() 数据结构来构造Mat对象

（3）常用构造函数——2

cv::Mat::Mat(Size size,int type )

Size类等效于一个成对数据，size::Size(cols,rows)，特别注意 cols和rows的位置

eg：

Mat src1(3, 4, CV_32FC3); Mat src2(Size(3, 4), CV_32FC3); cout << "src1.rows=" << src1.rows << " src1.cols=" << src1.cols <<endl; cout << "src2.rows=" << src2.rows << " src2.cols=" << src2.cols << endl; cout << "src1.size="<<src1.size() << endl <<"src2.size=" << src2.size() <<endl;

 不得不说，这个Size类的数据结构有点“反人类”，但这样做的好处是方便了计算机内部的运算（比如OpenCV很多函数计算Size相关的数据也是按这个顺序来的，具体为什么这样，我也不太清楚，个人理解为行业标准）；

        还有，我们平时所说分辨率，也是Size的类型，比如屏幕分别率 1440*900，其中cols=1440，rows=900；

（4）常用构造函数——3

cv::Mat::Mat(int ndims,const int * sizes,int type,const Scalar& s)

该构造函数与使用了Scalar参数，作用是能够通过Scalar数据类来初始化元素值，例如，我们要生成一张白色背景的图片：

Mat src1(300, 400, CV_8UC3,Scalar(255,255,255)); imshow("test", src1);

其中，（255,255,255）对应以8位无符号数存储，RGB色域的白色值。

（5）常用构造函数——4

cv::Mat::Mat(const Mat & m)

引用m矩阵，注意，这里是引用值；

1.2 成员函数

（1）at函数

at函数的功能是访问矩阵元素，根据不同的使用场景，有多个重载函数可供选择。

如，访问一个二维的矩阵，可用at函数原型为：

_Tp& cv::Mat::at(int i0,int i1)

eg：

Mat src = imread("test.jpg"); int elem = src.at(0,0);

访问test.jpg图像的（0 , 0）元素

（2）channels函数

int cv::Mat::channels() const

返回图像的通道数

（3）clone函数

Mat cv::Mat::clone() const

矩阵复制

（4）convertTo函数

void cv::Mat::convertTo(OutputArray m,int rtype,double alpha = 1,double beta = 0) const

转换矩阵存储类型，具体计算公式如下：

m(x,y)=saturate_cast(α(∗this)(x,y)+β)

m是输入矩阵，rtype是目标类型，alpha是放缩系数，beta是增减标量

（5）copyTo函数

void cv::Mat::copyTo(OutputArray m) const

从m矩阵复制data数据单元，与clone函数的作用类似

（6）create函数

void cv::Mat::create(int rows,int cols,int type)

分配矩阵的存储单元，一般和默认构造函数配合使用

（7）depth函数

int cv::Mat::depth() const

返回图像深度，即矩阵元素的存储方式

（8）diag函数

Mat cv::Mat::diag(int d = 0) const

提取矩阵的对角元素

（9）mul函数

MatExpr cv::Mat::mul(InputArray m,double scale = 1) const

矩阵的乘法

（10）inv函数

MatExpr cv::Mat::inv(int method = DECOMP_LU) const

求逆矩阵

（11）t函数

MatExpr cv::Mat::t() const

求转置矩阵

（12）total函数

size_t cv::Mat::total() const

返回矩阵的元素总个数，如30*40的图像，存在1200个像素点

（13）pop_back函数

eg：

object.pop_back(); //object是一个矩阵，该函数功能是弹出最后一行元素

（14）release函数

在必要的情况下，递减引用计数并释放该矩阵。

C++: void Mat::release()

该方法递减与矩阵的数据关联的引用计数。当引用计数减为0时，矩阵的数据将被释放，数据和引用计数器指针设置为 NULL。如果矩阵头指向外部数据集 （见 Mat::Mat()）， 引用计数为 NULL，并且该方法在这种情况下无效。

可以手动调用此方法强制矩阵数据释放。但由于这种方法在析构函数中是自动调用的，或以更改数据指针的其他方法，因此通常不需要调用这个函数。在支持它的平台上，引用计数器递减并检查是否为0 是一个原子操作。因此，在不同的线程异步调用相同的矩阵是安全的操作。

(15) Mat::ones()函数

Mat m = Mat::ones(2, 2, CV_8UC3); 相当于：Mat m = Mat(2, 2, CV_8UC3, 1);

// OpenCV replaces 1 with Scalar(1,0,0)相当于每个像素的第一个通道为1，其余两个通道为0；

(16) Mat::zeros()函数

Mat m = Mat::zeros(2, 2, CV_8UC3);

//相当于创建一张黑色的图，每个像素的每个通道都为0,Scalar(0,0,0)；

1.3 成员变量

int cv::Mat::cols; //返回矩阵的列数  int cv::Mat::rows // 返回矩阵行数  uchar* cv::Mat::data // 指向矩阵的数据单元的指针  int cv::Mat::dims // 返回矩阵维度，该维度≥2  MatSize cv::Mat::size // 返回矩阵大小

关于 opencv 我处于初学阶段，在学习的过程中对 Mat 类进行一个整合、补充，后面仍会继续完善；