OpenCV学习笔记：Mat类详解（二）
1. 前言：Mat类的深入解读
我在学《数据结构》的时候，每接触一种新的ADT（abstract data type， 抽象数据类型 ），一般的套路都是这样的——
1.先了解ADT的结构，如何定义？包括哪些数据对象？如，线性表是n个具有相同特性的数据元素的有限序列。
2.再学习基于该ADT结构的一些操作和算法。如，线性表的增删查改，基于顺序表的排序算法；
3.最后再学习该ADT的存储方式和实现过程。如，链表在计算机内存中的存储。
那么，在了解了基本结构之后，作为OpenCV最重要的ADT——Mat类，在计算中如何存储，以及有哪些基本操作的呢？
2.元素数据寻址
Mat类是一个n维单通道或多通道的稠密型数值阵列，可以用于存储实数或者负数向量和矩阵（real or complex-valued
vectors or matrices）、灰度图和彩色图（grayscale or color images ）、矢量场（vector
fields）等，阵列M的数据分布取决于数组M.step[]，因此M阵列中元素(i0,...,iM.dims−1)的地址可以计算为：
addr(Mi0,...,iM.dims−1)=M.data+M.step[0]∗i0+M.step[1]∗i1+...+M.step[M.dims−1]∗iM.dims−1- 1
其中，
step[i]是Mat类中十分重要的一个属性，表示第i维的总大小，单位字节
M.data指向存储这列的首地址（类似于数组名）
M.dims是总维度
例如，二维矩阵的寻址可以表示为：
addr(Mi,j)=M.data+M.step[0]∗i+M.step[1]∗j
注意， M.step[i] >= M.step[i+1] ，实际上， M.step[i] >= M.step[i+1]* M.size[i+1]，其中，M.size[i]表示第i维包含的个数，这也就意味着，二维矩阵是按行存储（stored row-by-row），而三维矩阵是按面存储（stored plane-by-plane），高维以此类推。M.size[M.dims-1]表示矩阵的最低维，大小与M.elemSize() 相等。
举个例子，来说明矩阵的存储方式，以及矩阵各个属性的意义——
int sizeMat[] = { 3, 4, 6 }; Mat src(3, sizeMat, CV_32FC3, Scalar::all(0)); cout << "src.dims = " << src.dims << endl; cout << "src.step[0] = " << src.step[0] << endl; cout << "src.step[1] = " << src.step[1] << endl; cout << "src.step[2] = " << src.step[2] << endl << endl; cout << "src.size[0] = " << src.size[0] << endl; cout << "src.size[1] = " << src.size[1] << endl; cout << "src.size[2] = " << src.size[2] << endl << endl; cout << "src.step1[0] = " << src.step1(0) << endl; cout << "src.step1[1] = " << src.step1(1) << endl; cout << "src.step1[2] = " << src.step1(2) << endl << endl; cout << "src.elemSize() = " << src.elemSize() << endl; cout << "src.elemSize1() = " << src.elemSize1() << endl;
创建一个3维的矩阵，尺寸为 3 * 4 * 6，那么输出为
Mat类型维度是从高维度到低维度排列的，比如3维矩阵，按照面、行、点的顺序对应其维度大小，我们上面所定义的矩阵包含3个面、每个面包含4行，每行包含6个点。
因此，step[0]表示第一维，面( plane)，所包含总元素的字节大小
我们定义的矩阵每个面有4*6=24个点，每个点定义为CV_32FC3类型，即3通道的32位float型，一个元素包含3个float，即 3 *4=12字节，那么整个面的大小就为 24 *12 =288 字节
同理，step[1]表示第二维，行( row) ，所包含总元素的大小
step[1] = 6 *12 =72 字节
step[2]表示第三维，点( point) ，所包含总元素大小
step[2] = 12字节
step1(i)表示第i维的包含的通道数
第一维，包含4 * 6个点， 每个点都是3通道的，因此，第一维包含4 * 6 * 3 =72个通道
同理，第二维包含 18个通道，第三维包含3个通道
属性size表示每个维度的大小，即——
第一维大小为3，size(0) = 3
第二维为4，size(1) = 4
第三维为6，size(2) = 6
属性elemSize表示的是每一个矩阵元素的大小，这个元素可能包含多个通道，而elemSize1表示的是每个通道下所包含基本类型的大小，即elemSize=channels * elemSize1
最后再通过一张图来表示Mat类的寻址方式
3.Mat类元素访问方法
（1）Mat成员函数at<>()访问元素
Mat的成员函数at()是一个模板函数，针对不同的情况，有多个重载函数可供选择，在这里，我们使用最常见的二维矩阵的at函数
for (int r = 0; r < src.rows; r++) { for (int c = 0; c < src.cols; c++) { cout<< src.at<Vec3f>(r,c)<<endl; } }
注意，使用at函数时，应该知道矩阵元素的类型和通道数，根据矩阵元素类型和通道数来确定at函数传递的类型，在上例当中，我们定义的src矩阵是CV_32FC3，即3通道float型，对应Vec3f可以兼容该类型。
（2）使用Mat的成员函数ptr<>()访问元素
Vec3f*temp(NULL);
for (int r = 0; r < src.rows; r++)
{
temp = src.ptr<Vec3f>(r);
for (int c = 0; c < src.cols; c++)
{
cout<< temp[c];
}
}
注意，ptr 是指向矩阵的行，同样，使用ptr函数也应该知道矩阵元素的类型和通道数
（3）使用OpenCV迭代器
MatIterator_<Vec3b> it_src; MatIterator_<Vec3b> itEnd_src; it_src = src.begin<Vec3f>(); itEnd_src = src.end<Vec3f>(); for (; it_src != itEnd_src; it_src++) { cout<< *it_src; }
4.参考文献
[1] https://www.douban.com/note/265479171/
[2] http://blog.csdn.net/qianqing13579/article/details/45318279
