在OpenCV中，cv::Mat是用于存儲圖像、矩陣等多維數據的核心數據結構，替代了早期的IplImage（需手動管理內存），其設計的核心目標是自動內存管理和高效數據操作。下面詳細介紹其組成原理及使用方法。
一、cv::Mat的組成原理
cv::Mat的結構由兩部分組成：矩陣頭（Matrix Header） 和數據指針（Data Pointer），二者分離的設計使其既能高效傳遞，又能避免冗余內存占用。
1. 矩陣頭（Matrix Header）
矩陣頭是一個輕量級結構體，存儲了數據的元信息，不直接存儲像素數據。核心成員包括：
rows：行數（圖像的高度，單位為像素）。cols：列數（圖像的寬度，單位為像素）。size()：返回cv::Size(cols, rows)，便捷表示尺寸。type()：數據類型，由位深度和通道數組成（如CV_8UC3表示8位無符號整數，3通道）。- 位深度：如8U（8位無符號）、16S（16位有符號）、32F（32位浮點）等。
- 通道數：單通道（灰度圖）、3通道（RGB/BGR）、4通道（帶Alpha通道）等。
channels()：返回通道數（由type()推導，如CV_8UC3的通道數為3）。step：行步長（每行數據的總字節數，包括像素數據和可能的填充字節，用于快速定位某一行的起始地址）。refcount：引用計數器（用于內存自動釋放，記錄當前有多少個Mat對象共享同一塊數據）。
2. 數據指針（Data Pointer）
數據指針（uchar* data）指向存儲實際像素數據的內存區域。數據在內存中的排列方式由通道數決定：
- 單通道（灰度圖）：按行存儲，每行像素依次排列（如
[p0, p1, p2, ..., p_cols-1]）。 - 多通道：每個像素的通道數據連續存儲（如3通道圖像的一個像素為
[B, G, R]，按B0, G0, R0, B1, G1, R1, ...排列，OpenCV默認通道順序為BGR而非RGB）。
3. 內存管理機制：引用計數
cv::Mat通過引用計數實現高效內存管理：
- 當復制
Mat對象（如Mat B = A）時，僅復制矩陣頭，數據指針指向同一塊內存，引用計數refcount加1。 - 當
Mat對象銷毀時，引用計數減1；當refcount為0時，自動釋放數據內存，避免內存泄漏。 - 若需深拷貝（獨立數據），需使用
clone()或copyTo()方法（如Mat C = A.clone()）。
二、cv::Mat的使用方法
1. 創建cv::Mat對象
常用創建方式包括：
（1）通過構造函數創建
指定行數、列數、數據類型：
// 創建3行2列的8位無符號單通道矩陣（初始值隨機）
cv::Mat mat1(3, 2, CV_8UC1);// 創建3行2列的32位浮點3通道矩陣（初始值隨機）
cv::Mat mat2(3, 2, CV_32FC3);// 用cv::Size指定尺寸（寬x高）
cv::Mat mat3(cv::Size(200, 100), CV_8UC3); // 寬200，高100（rows=100, cols=200）
（2）創建并初始化特殊矩陣
使用zeros()、ones()、eye()（單位矩陣）：
// 創建3x3的8位無符號單通道零矩陣
cv::Mat zeros_mat = cv::Mat::zeros(3, 3, CV_8UC1);// 創建2x4的32位浮點3通道全1矩陣
cv::Mat ones_mat = cv::Mat::ones(2, 4, CV_32FC3);// 創建5x5的64位浮點單通道單位矩陣
cv::Mat eye_mat = cv::Mat::eye(5, 5, CV_64FC1);
（3）從已有數據創建
將外部數組數據包裝為Mat（不復制數據，僅共享內存）：
float data[] = {1.0f, 2.0f, 3.0f, 4.0f};
// 創建2行2列的32位浮點單通道矩陣，數據指向data數組
cv::Mat mat_from_data(2, 2, CV_32FC1, data);
（4）從圖像文件讀取
使用cv::imread讀取圖像，返回Mat對象：
// 讀取彩色圖像（默認3通道BGR）
cv::Mat img_color = cv::imread("image.jpg");// 讀取灰度圖（單通道）
cv::Mat img_gray = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
2. 訪問cv::Mat的屬性
通過成員函數或成員變量獲取元信息：
cv::Mat img = cv::imread("image.jpg");
int rows = img.rows; // 圖像高度（行數）
int cols = img.cols; // 圖像寬度（列數）
cv::Size size = img.size(); // 尺寸（cols, rows）
int channels = img.channels(); // 通道數（如3）
int type = img.type(); // 數據類型（如CV_8UC3）
size_t step = img.step; // 行步長（每行字節數）
3. 訪問像素數據
根據場景選擇不同方法（效率和便捷性權衡）：
（1）at<T>()方法（便捷，適合單像素訪問）
需指定數據類型T（與type()匹配），語法：mat.at<T>(row, col)（單通道）或mat.at<T>(row, col)[channel]（多通道）。
cv::Mat img = cv::imread("image.jpg"); // CV_8UC3類型// 訪問(10, 20)處的像素（行10，列20）
cv::Vec3b pixel = img.at<cv::Vec3b>(10, 20); // Vec3b對應8UC3（3個uchar）
uchar blue = pixel[0]; // B通道
uchar green = pixel[1]; // G通道
uchar red = pixel[2]; // R通道// 修改像素值
img.at<cv::Vec3b>(10, 20) = cv::Vec3b(255, 0, 0); // 改為藍色
- 常用類型對應：
CV_8UC1→uchar，CV_32FC1→float，CV_8UC3→cv::Vec3b，CV_32FC3→cv::Vec3f。
（2）行指針ptr<T>()（高效，適合遍歷行）
獲取某一行的起始指針，通過指針遍歷像素（效率高于at<T>()）：
cv::Mat img = cv::imread("image.jpg"); // 8UC3
for (int i = 0; i < img.rows; ++i) {// 獲取第i行的指針（uchar*，因8UC3每個像素3字節）uchar* row_ptr = img.ptr<uchar>(i);for (int j = 0; j < img.cols; ++j) {// 計算當前像素的起始位置（每行j列的像素：j*通道數）int pos = j * 3;uchar b = row_ptr[pos]; // Buchar g = row_ptr[pos + 1]; // Guchar r = row_ptr[pos + 2]; // R// 修改為灰度（簡單平均）row_ptr[pos] = row_ptr[pos + 1] = row_ptr[pos + 2] = (b + g + r) / 3;}
}
（3）迭代器（安全，適合復雜遍歷）
使用cv::MatIterator_<T>遍歷，自動處理邊界：
cv::Mat img = cv::imread("image.jpg");
// 3通道迭代器
cv::MatIterator_<cv::Vec3b> it = img.begin<cv::Vec3b>();
cv::MatIterator_<cv::Vec3b> it_end = img.end<cv::Vec3b>();
for (; it != it_end; ++it) {// 每個迭代器指向一個像素（Vec3b）(*it)[0] = 0; // 將B通道置0
}
4. 常用操作
-
通道分離與合并：用
split()和merge()處理多通道圖像：cv::Mat img = cv::imread("image.jpg"); // BGR std::vector<cv::Mat> channels; cv::split(img, channels); // 分離為3個單通道（B, G, R） channels[2] = cv::Mat::zeros(img.size(), CV_8UC1); // 將R通道置0 cv::Mat img_no_red; cv::merge(channels, img_no_red); // 合并回3通道 -
ROI（感興趣區域）：提取子矩陣（共享原數據，需深拷貝時用
clone()）：cv::Mat img = cv::imread("image.jpg"); // 提取從(10, 20)開始，寬100、高50的區域（行范圍[10,10+50)，列范圍[20,20+100)） cv::Mat roi = img(cv::Rect(20, 10, 100, 50)); // Rect(x, y, width, height) roi.setTo(cv::Scalar(0, 255, 0)); // 直接修改ROI，原圖像也會變化 -
保存圖像：用
cv::imwrite：cv::Mat img = cv::imread("image.jpg"); cv::imwrite("output.jpg", img); // 保存為JPG
三、注意事項
- 數據類型匹配：訪問像素時，
at<T>()或ptr<T>()的T必須與Mat::type()匹配（如CV_8UC3對應cv::Vec3b），否則會導致內存訪問錯誤。 - 引用計數與深拷貝：默認復制為淺拷貝（共享數據），需獨立數據時用
clone()或copyTo()。 - 通道順序：OpenCV默認圖像通道為BGR（而非RGB），處理時需注意轉換（可通過
cv::cvtColor(img, img_rgb, cv::COLOR_BGR2RGB)轉換）。
通過理解cv::Mat的組成和使用方法，可高效處理圖像數據，避免內存問題并優化操作性能。
