Opencv中的Mat类使用方法总结
今天在看Opencv的SIFT源码，至于有关于SIFT算法的博客还没有写完，等着我把源码看完再一起写完吧。
之前用Opencv编过不少的程序了，没想道OpenCV 2.0版本里最基础的Mat类用法还是有些不清楚，这里就总结一下
一、Mat类的综述
1、Mat类存储图像
Mat类是OpenCV里使用广泛的一个类，其中我认为最重要的一个作用就是作为存储图像的数据结构。那么Mat类如何存储的图像呢？
我们都知道图像分为彩色图像和灰度图像，这里我有一个误区，一直认为彩色图像是一种三维矩阵，就是立方体的那种结构，一个图像分为三层。
但是这种理解是错误的，是错误的，是错误的！
其实在存储的图像不管是彩色的还是灰度图像，都是二维的矩阵，具体的存储格式如下
（1）灰度图像的格式：
（2）彩色图像的格式：
看到了吗，虽然彩色图像由BGR三个通道，但是是存储在同一个平面内的，只不过OpenCV在这里把三列才当作一列，因此有img.cols等于图像的列数。
一般我们用Opencv读取的灰度图像的数据类型为uchar类型的，而彩色图像的一个像素的数据类型为类型的，灰度图一个像素占用1个字节，而彩色图像一个像素3个字节。
接下来就引出了我们如何按像素读取图像呢？
2、Mat按像素读取图像内容
这里主要介绍两种方法，一种非常简单，易于编程，但是效率会比较低；另外一种效率高，但是不太好记。下面依次看代码：
（1）易于编程的
对于灰度图像进行操作：
#include
#include
#include
#include
using namespace std;
using namespace cv;
int main()
{
Mat img = imread("1.jpg");
resize(img, img, Size(375, 500));//resize为500*375的图像
cvtColor(img, img, CV_RGB2GRAY);//转为灰度图
imshow("gray_ori", img);
for (int i = 0; i < img.rows; i++)
{
for (int j = 0; j < img.cols; j++)
{
//at<类型>(i,j)进行操作，对于灰度图
img.at(i, j) = i+j;
}
}
imshow("gray_result", img);
waitKey(0);
return 0;
} 
可以看出，使用at的操作很容易定位，就跟操作一个普通的二维数组一样，那么对于彩色图像呢，方法很简单，只需要把at<类型>中的类型改变为Vec3b即可，代码如下：
#include
#include
#include
#include
using namespace std;
using namespace cv;
int main()
{
Mat img = imread("1.jpg");
resize(img, img, Size(375, 500));//resize为500*375的图像
imshow("ori", img);
for (int i = 0; i < img.rows; i++)
{
for (int j = 0; j < img.cols; j++)
{
//at<类型>(i,j)进行操作，对于灰度图
img.at(i, j)[0] = 255;//对于蓝色通道进行操作
//img.at(i, j)[1] = 255;//对于绿色通道进行操作
//img.at(i, j)[2] = 255;//对于红色通道进行操作
}
}
imshow("result", img);
waitKey(0);
return 0;
} 效果图如下：
（2）采用指针对图像进行访问
这里直接写对于彩色图像的操作：
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("1.jpg");
int rows = img.rows;
int cols = img.cols * img.channels();
if(img.isContinuous())//判断是否在内存中连续
{
cols = cols * rows;
rows = 1;
}
imshow("ori",img);
for(int i = 0;i(i);
for(int j = 0;j
这里需要注意的是j += 3是因为我们按照一个像素点进行操作，而一个像素点在这里面又被分成三份，因此需要j += 3，如果是灰度图像则直接j++即可
这种操作方式虽然复杂一些，但是执行效率会比上面的算法高很多。
下面是执行的结果：
下面我们给出这两种方式进行同一操作的时间对比图（）：
测试代码如下：
#include
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("1.jpg");
Mat img2;
img.copyTo(img2);
cout<<"图像的行数： "<(i);
for(int j = 0;j(i,j)进行操作，对于灰度图
img2.at(i, j)[0] = 255;//对于蓝色通道进行操作
//img.at(i, j)[1] = 255;//对于绿色通道进行操作
//img.at(i, j)[2] = 255;//对于红色通道进行操作
}
}
time2 = 1000 * ((double)getTickCount() - time2)/getTickFrequency();
cout<<"第二种方法用时： "< 2、Mat类中的变量参数
Mat类中包含了很多的变量，比如用的比较多的rows，cols等，这些我在这里就不总结了。
这里总结的是Mat类中用的比较少的几个变量和函数，step1()，step[]，size，elemSize和elemSize1。
step1(i)表示的是Mat中的每一维的通道数；
step[i]表示的是Mat中的每一维的大小，以字节为单位；
size[i]表示的是Mat中元素的个数；
elemSize()表示的是每个元素的大小
，以字节为单位；
elemSize1()表示的一个元素中每个通道的大小，以字节为单位。
这么说恐怕不好理解，我们用代码进行测试：
#include
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("1.jpg");
cout<<"img.rows: "< 
接着分析结果，img.step1(1)表示的是一个点的通道数，我们知道彩色图像的一个像素，通道数为3（BGR），因此img.step1(1) = 3，而img.step1(0)是一行的像素的通道数，因此为750*3 = 2250
而step[i]表示的是每一维中的大小，以字节计数，在彩色图像中一个像素分为三块，每一块为一个字节，因此step[0] = 2250 ,step[1] = 3
size表示的是每一维元素的大小，注意这里是元素，即像素，size[0]表示rows，size[1]表示cols
elemSize表示的是每个元素的大小，以字节计，一个元素分为三块，一块是1字节，因此为3（彩色图像）
elemSize1表示的是一个元素的每个通道的大小，因此为1