Mat，cvMat和IplImage這三種類型都可以代表和顯示圖像，三者區別如下
- Mat類型側重於計算，數學性較高，openCV對Mat類型的計算也進行了優化。
- 而CvMat和IplImage類型更側重於“圖像”，opencv對其中的圖像操作（縮放、單通道提取、圖像閾值操作等）進行了優化。IplImage類型與CvMat類型的關系類似於面向對象中的繼承關系。實際上，CvMat之上還有一個更抽象的基類----CvArr，這在源代碼中會常見。在opencv2.0之前，opencv是完全用C實現的。
三種類型間相互轉換
（1）將IplImage類型轉換到Mat類型
Mat::Mat(const IplImage* img, bool copyData=false);
默認情況下，新的Mat類型與原來的IplImage類型共享圖像數據，轉換只是創建一個Mat矩陣頭。當將參數copyData設為true后，就會復制整個圖像數據。
e.g.
IplImage*iplImg = cvLoadImage("1.jpg", 1); Matmtx(iplImg); // IplImage* ->Mat 共享數據 // or : Mat mtx = iplImg;
（2）將Mat類型轉換到IplImage類型同樣只是創建圖像頭，而沒有復制數據。
例：
IplImage ipl_img = img; // Mat -> IplImage
（3）將CvMat類型轉換為Mat類型與IplImage的轉換類似，可以選擇是否復制數據。
Mat::Mat(const CvMat* m, bool copyData=false);
（4）將Mat類型轉換為CvMat類型與IplImage的轉換類似，不復制數據，只創建矩陣頭。
例：
// 假設Mat類型的imgMat圖像數據存在 CvMat cvMat = imgMat; // Mat -> CvMat
三種類型的使用
1.IplImage
//load images from specified image IplImage * cvLoadImage(const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); //allocate memory ——分配內存 IplImage * cvCreateImage(CvSize size, int depth, int channels); ——size為寬度，即列數。depth為深度，即行數
//間接存取 IplImage* img=cvLoadImage("lena.jpg", 1); CvScalar s; /*sizeof(s) == img->nChannels*/ s=cvGet2D(img,i,j); /*get the (i,j) pixel value*/ cvSet2D(img,i,j,s); /*set the (i,j) pixel value*/ //宏操作 IplImage* img; //malloc memory by cvLoadImage or cvCreateImage for(int row = 0; row < img->height; row++) { for (int col = 0; col < img->width; col++) { b = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 0); g = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 1); r = CV_IMAGE_ELEM(img, UCHAR, row, col * img->nChannels + 2); } } //直接存取 IplImage* img; //malloc memory by cvLoadImage or cvCreateImage uchar b, g, r; // 3 channels for(int row = 0; row < img->height; row++) { for (int col = 0; col < img->width; col++) { b = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 0]; g = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 1]; r = ((uchar *)(img->imageData + row * img->widthStep))[col * img->nChannels + 2]; } }
2.CvMat
需要了解，①在OpenCV中沒有向量(vector)結構。任何時候需要向量，都只需要一個列矩陣(如果需要一個轉置或者共軛向量，則需要一個行矩陣)。②OpenCV矩陣的概念與我們在線性代數課上學習的概念相比，更抽象，尤其是矩陣的元素，並非只能取簡單的數值類型，可以是多通道的值。
//創建CvMat CvMat * cvCreateMat(int rows, int cols, int type); CV_INLine CvMat cvMat((int rows, int cols, int type, void* dataCV_DEFAULT); CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL),
int step CV_DEFAULT(CV_AUTOSTEP));
//復制CvMat數據 CvMat* M1 = cvCreateMat(4,4,CV_32FC1); CvMat* M2; M2=cvCloneMat(M1);
/*間接訪問*/ /*訪問CV_32F1和CV_64FC1*/ cvmSet( CvMat* mat, int row, int col, double value); cvmGet( const CvMat* mat, int row, int col ); /*訪問多通道或者其他數據類型: scalar的大小為圖像的通道值*/ CvScalar cvGet2D(const CvArr * arr, int idx0, int idx1);
//CvArr只作為函數的形參void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value); /*直接訪問: 取決於數組的數據類型*/ /*CV_32FC1*/ CvMat * cvmat = cvCreateMat(4, 4, CV_32FC1); cvmat->data.fl[row * cvmat->cols + col] = (float)3.0; /*CV_64FC1*/ CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1); cvmat->data.db[row * cvmat->cols + col] = 3.0; /*一般對於單通道*/ CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1); CV_MAT_ELEM(*cvmat, double, row, col) = 3.0; /*double是根據數組的數據類型傳入,這個宏不能處理多通道*/ /*一般對於多通道*/ if (CV_MAT_DEPTH(cvmat->type) == CV_32F) CV_MAT_ELEM_CN(*cvmat, float, row, col * CV_MAT_CN(cvmat->type) + ch) = (float)3.0; // ch為通道值 if (CV_MAT_DEPTH(cvmat->type) == CV_64F) CV_MAT_ELEM_CN(*cvmat, double, row, col * CV_MAT_CN(cvmat->type) + ch) = 3.0; // ch為通道值 /*多通道數組*/ /*3通道*/ for (int row = 0; row < cvmat->rows; row++) { p = cvmat ->data.fl + row * (cvmat->step / 4); for (int col = 0; col < cvmat->cols; col++) { *p = (float) row + col; *(p+1) = (float)row + col + 1; *(p+2) = (float)row + col + 2; p += 3; } } /*2通道*/ CvMat * vector = cvCreateMat(1,3, CV_32SC2);CV_MAT_ELEM(*vector, CvPoint, 0, 0) = cvPoint(100,100); /*4通道*/ CvMat * vector = cvCreateMat(1,3, CV_64FC4);CV_MAT_ELEM(*vector, CvScalar, 0, 0) = CvScalar(0, 0, 0, 0);
3.Mat
Mat最大的好處就是能夠更加方便的進行內存管理，不再需要程序員手動管理內存的釋放。Mat是一個多維的密集數據數組，可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數據。
// 讀取圖像 //flags: 讀取圖像的類型 Mat mat = imread(const String* filename, int flags); // 顯示圖像 imshow(const string frameName, InputArray mat); //儲存圖像 imwrite (const string& filename, InputArray img);
PS： flags取值：
CV_LOAD_IMAGE_ANYDEPTH - return 16-bit/32-bit image when the input has the corresponding depth, otherwise convert it to 8-bit.
CV_LOAD_IMAGE_COLOR - always convert image to the color one
CV_LOAD_IMAGE_GRAYSCALE - always convert image to the grayscale one
>0 Return a 3-channel color image.
In the current implementation the alpha channel, if any, is stripped from the output image. Use negative value if you need the alpha channel.
=0 Return a grayscale image.
<0 Return the loaded image as is (with alpha channel).
/*對某行進行訪問*/ Mat M; M.row(3) = M.row(3) + M.row(5) * 3; /*第5行擴大三倍加到第3行*/ /*對某列進行復制操作*/ Mat M1 = M.col(1); M.col(7).copyTo(M1); /*第7列復制給第1列*/ //對某個元素的訪問 Mat M; M.at<double>(i,j); //double M.at(uchar)(i,j); //CV_8UC1 Vec3i bgr1 = M.at(Vec3b)(i,j); //CV_8UC3 Vec3s bgr2 = M.at(Vec3s)(i,j); //CV_8SC3 Vec3w bgr3 = M.at(Vec3w)(i,j); //CV_16UC3 //遍歷整個二維數組 double sum = 0.0f; for(int row = 0; row < M.rows; row++) { const double * Mi = M.ptr<double>(row); for (int col = 0; col < M.cols; col++) sum += std::max(Mi[j], 0.); } //STL iterator double sum=0; MatConstIterator<double> it = M.begin<double>(), it_end = M.end<double>(); for(; it != it_end; ++it) sum += std::max(*it, 0.);
// Mat類的reshape函數 Mat mat::reshape(int cn, int rows = 0) const； // cn為新的通道數，如果 cn = 0，通道數不會改變。 // rows為新的行數，如果 rows = 0，行數不會改變。
PS:新的行*列必須與原來的行*列相等。就是說，如果原來是5行3列，新的行和列可以是1行15列，3行5列，5行3列，15行1列。僅此幾種，否則會報錯。
//Mat類的convertTo函數 void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const; //m 為目標矩陣。如果m在運算前沒有合適的尺寸或類型，將被重新分配。 //rtype – 目標矩陣的類型。因為目標矩陣的通道數與源矩陣一樣，所以rtype也可以看做是目標矩陣的位深度。 //如果rtype為負值，目標矩陣和源矩陣將使用同樣的類型。 //alpha – 尺度變換因子 //beta – 附加到尺度變換后的值上的偏移量 //函數作用：將源矩陣中的像素值轉換為目標類型