openCv学习札记（二）—cv:Mat学习
由于在写上一篇图像的数据结构时，发现自己只知道CvMat,竟然还有Mat数据结构，真是无知了，看了这么多程序，貌似没有看到这个结构。有可能那些程序都是些老版本的例子，这是在2.0以后加上的，所以我也得紧跟呀！以下是自己的学习心得。。。。
一、Mat简介
在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为IplImage 的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内
一、Mat简介
在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为IplImage 的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内存不是问题，但一旦代码开始变得越来越庞大，你需要越来越多地纠缠于这个问题，而不是着力解决你的开发目标。
幸运的是，C++出现了，并且带来类的概念，这给用户带来另外一个选择：自动的内存管理（不严谨地说）。这是一个好消息，如果C++完全兼容C的话，这个变化不会带来兼容性问题。为此，OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁（少写多得）。但C++接口唯一的不足是当前许多嵌入式开发系统只支持C语言。所以，当目标不是这种开发平台时，没有必要使用 旧 方法（除非你是自找麻烦的受虐狂码农）。
关于 Mat ，首先要知道的是你不必再手动地（1）为其开辟空间（2）在不需要时立即将空间释放。但手动地做还是可以的：大多数OpenCV函数仍会手动地为输出数据开辟空间。当传递一个已经存在的 Mat 对象时，开辟好的矩阵空间会被重用。也就是说，我们每次都使用大小正好的内存来完成任务。
基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）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。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝 大 的图像，因为这会降低程序速度。
二、Mat的基本操作
这里展示一个例子解释一下Mat的基本操作
#include<cv.h>
#include<highgui.h>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
/*********************************Mat基本操作-矩阵*******************************************/
//二维三通道矩阵建立
Mat M(2,2, CV_8UC3, Scalar(0,0,255)); //使用构造函数创建矩阵
/*
CV_8UC3 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道,初始化为（0，0，255）
*/
cout << "M = " << endl << " " << M << endl << endl; //格式化输出
//三维
int sz[3] = {3,3,3};
Mat L(3,sz, CV_8UC(1), Scalar::all(0));
/*
超过两维的矩阵：指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同
*/
cout << "L = " << endl << " " << M << endl << endl; //格式化输出
/********************************************Mat基本操作-图像*******************************/
Mat A, C; // 只创建信息头部分
A=imread("D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存
Mat B(A); // 使用拷贝构造函数
C = A; // 赋值运算符
/*
拷贝构造函数和赋值函数 只拷贝信息头和矩阵指针
*/
Mat D (A, Rect(10, 10, 100, 100) ); //选取A中一个矩形区域,即只访问其矩形区域的信息头，只是创建信息头
Mat E = A(cv::Range::all(), Range(1,3)); // 创建访问边界的信息头。
/*
要创建一个感兴趣区域（ ROI ），你只需要创建包含边界信息的信息头
*/
Mat F = A.clone();//复制图像，包括数据
Mat G;
A.copyTo(G);
/*
拷贝矩阵本身(不只是信息头和矩阵指针)，
*/
//测试
namedWindow( "a", CV_WINDOW_AUTOSIZE );
namedWindow( "c", CV_WINDOW_AUTOSIZE );
imshow( "a", D);
imshow( "c", E );
/****************************************图像的读取、处理和保存**************************************/
Mat image;
image = imread( "D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR);//导入图像
if( !image.data )
{
cout<< " No image data \n " ;
return -1;
}
Mat gray_image;
cvtColor( image, gray_image, CV_BGR2GRAY );//转化为灰度图
imwrite( "../../images/Gray_Image.jpg", gray_image );//写入图像
namedWindow( "source", CV_WINDOW_AUTOSIZE );
namedWindow( "Gray image", CV_WINDOW_AUTOSIZE );
imshow( "source", image );
imshow( "Gray image", gray_image );
/*******************************************************************************************/
waitKey(0);
return 0;
}
对于Mat数据结构，在对图像进行处理时要注意：
这只是对Mat数据的简单认识。。在以后的例子中学习吧。。。