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。
Mat 数据类型：
Mat的常见属性：
data uchar型的指针。Mat类分为了两个部分:矩阵头和指向矩阵数据部分的指针，data就是指向矩阵数据的指针。
dims 矩阵的维度，例如5*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3.
rows 矩阵的行数
cols 矩阵的列数
size 矩阵的大小，size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)
channels 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则channels = 3
type 表示了矩阵中元素的类型以及矩阵的通道个数，它是一系列的预定义的常量，其命名规则为CV_(位数）+（数据类型）+（通道数）；具体的有以下值：
CV_8UC1 CV_8UC2 CV_8UC3 CV_8UC4
CV_8SC1 CV_8SC2 CV_8SC3 CV_8SC4
CV_16UC1 CV_16UC2 CV_16UC3 CV_16UC4
CV_16SC1 CV_16SC2 CV_16SC3 CV_16SC4
CV_32SC1 CV_32SC2 CV_32SC3 CV_32SC4
CV_32FC1 CV_32FC2 CV_32FC3 CV_32FC4
CV_64FC1 CV_64FC2 CV_64FC3 CV_64FC4
这里U（unsigned integer）表示的是无符号整数，S（signed integer）是有符号整数，F（float）是浮点数。
例如：CV_16UC2，表示的是元素类型是一个16位的无符号整数，通道为2.
C1，C2，C3，C4则表示通道是1,2,3,4
type一般是在创建Mat对象时设定，如果要取得Mat的元素类型，则无需使用type，使用下面的depth
#defineCV_8U 0 #defineCV_8S 1 #defineCV_16U 2 #defineCV_16S 3 #defineCV_32S 4 #defineCV_32F 5 #defineCV_64F 6 #defineCV_USRTYPE1 7
depth
矩阵中元素的一个通道的数据类型，这个值和type是相关的。例如 type为 CV_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV_16S。depth也是一系列的预定义值，
将type的预定义值去掉通道信息就是depth值:
CV_8U CV_8S CV_16U CV_16S CV_32S CV_32F CV_64F
elemSize
矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes
elemSize1
矩阵元素一个通道占用的字节数，例如：type是CV_16CS3，那么elemSize1 = 16 / 8 = 2 bytes = elemSize / channels
Mat的存储:
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。
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。
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]
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
矩阵中每个元素通道的大小，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,下图是一个4*3的图片，假设通道数为3，那么step[0] ==4*3,step[1]==3
注：对于三维来说，第一维是面的大小，第二维是行的大小，第三维是元素的大小，step0是第一维
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。