OpenCV中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage。
一、Mat类型：矩阵类型，Matrix。
在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
Mat有3个重要的方法：
1、Mat mat = imread(const String* filename); 读取图像
2、imshow(const string frameName, InputArray mat); 显示图像
3、imwrite (const string& filename, InputArray img); 储存图像
Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。
关于Mat的数学方面的函数略过。
二、CvMat类型与IplImage类型：“图像”类型
在openCV中，Mat类型与CvMat和IplImage类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，openCV对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。
我们知道openCV是完全用C实现的，但是，IplImage类型与CvMat类型的关系就像是java（C++？）中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr，这在源代码中会常见。
关于CvMat：
其定义如下：
01 |
<span style="font-size: medium;">typedef struct CvMat |
06 |
/* for internal use only */ |
在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵：
CvMat* cvCreatMat(int rows ,int cols , int type);
这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。
关于IplImage：
在类型关系上，我们可以说IplImage类型继承自CvMat类型，当然还包括其他的变量将之解析成图像数据。
其定义如下：
01 |
<span style="font-size: medium;">typedef struct _IplImage |
03 |
int nSize; /* sizeof(IplImage) */ |
04 |
int ID; /* version (=0)*/ |
05 |
int nChannels; /* Most of OpenCV functions support 1,2,3 or 4 channels */ |
06 |
int alphaChannel; /* Ignored by OpenCV */ |
07 |
int depth; /* Pixel depth in bits: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16S, |
08 |
IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F are supported. */ |
09 |
char colorModel[4]; /* Ignored by OpenCV */ |
10 |
char channelSeq[4]; /* ditto */ |
11 |
int dataOrder; /* 0 - interleaved color channels, 1 - separate color channels. |
12 |
cvCreateImage can only create interleaved images */ |
13 |
int origin; /* 0 - top-left origin, |
14 |
1 - bottom-left origin (Windows bitmaps style). */ |
15 |
int align; /* Alignment of image rows (4 or 8). |
16 |
OpenCV ignores it and uses widthStep instead. */ |
17 |
int width; /* Image width in pixels. */ |
18 |
int height; /* Image height in pixels. */ |
19 |
struct _IplROI *roi; /* Image ROI. If NULL, the whole image is selected. */ |
20 |
struct _IplImage *maskROI; /* Must be NULL. */ |
21 |
void *imageId; /* " " */ |
22 |
struct _IplTileInfo *tileInfo; /* " " */ |
23 |
int imageSize; /* Image data size in bytes |
24 |
(==image->height*image->widthStep |
25 |
in case of interleaved data)*/ |
26 |
char *imageData; /* Pointer to aligned image data. */ |
27 |
int widthStep; /* Size of aligned image row in bytes. */ |
28 |
int BorderMode[4]; /* Ignored by OpenCV. */ |
29 |
int BorderConst[4]; /* Ditto. */ |
30 |
char *imageDataOrigin; /* Pointer to very origin of image data |
31 |
(not necessarily aligned) - |
32 |
needed for correct deallocation */ |
我们可以看到，IplImage类型较之CvMat多了很多参数，比如depth和nChannels。在普通的矩阵类型当中，通常深度和通道数被同时表示，如用32位表示RGB+Alpha.但是，在图像处理中，我们往往将深度与通道数分开处理，这样做是OpenCV对图像表示的一种优化方案。
IplImage 的对图像的另一种优化是变量origin----原点。在计算机视觉处理上，一个重要的不便是对原点的定义不清楚，图像来源，编码格式，甚至操作系统都会对原地的选取产生影响。为了弥补这一点，openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角，1表示左下角。
dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值，前者便是对于像素，不同的通道的数据交叉排列，后者表示所有通道按顺序平行排列。
IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。
转自：http://263796001-qq-com.iteye.com/blog/1409639
