OpenCV Mat 是 C++ 接口中的核心图像容器类，负责管理图像数据的内存、尺寸和通道信息。它采用引用计数机制实现浅拷贝，避免不必要的内存复制，支持自动内存管理。文章介绍了 Mat 类的结构、色彩空间与数据类型选择、多种初始化方式（构造函数、数组、MATLAB 风格等）以及矩阵输出的格式化选项。通过理解 Mat 的底层机制，开发者可以更高效地进行图像处理与算法开发。内容涵盖内存管理原理、常见创建方法、常用操作示例（读取、保存、转换、缩放）及其他数据结构输出支持。
在计算机视觉领域，我们有多种方法从现实世界中获取数字图像，例如数码相机、扫描仪、计算机断层扫描（CT）和磁共振成像（MRI）等。在每种情况下，人类看到的是连续的图像，但当将其转换为数字设备时，我们记录的是图像每个点的数值。
例如，在上图中，汽车的后视镜只不过是一个包含像素点所有强度值的矩阵。我们获取和存储像素值的方式可能会根据需求而有所不同，但最终计算机世界中的所有图像都可能被简化为数字矩阵和其他描述矩阵本身的信息。OpenCV 是一个计算机视觉库，其主要重点是处理和操作这些信息。因此，您首先需要熟悉的是 OpenCV 如何存储和处理图像。
OpenCV 自 2001 年以来一直存在。在早期，该库是围绕 C 接口构建的，为了将图像存储在内存中，他们使用了称为 IplImage 的 C 结构。这是您在大多数较旧的教程和教育材料中会看到的。这样做的问题在于它带来了 C 语言的所有缺点，最大的问题是手动内存管理。它建立在用户负责处理内存分配和解除分配的假设之上。虽然这对于较小的程序来说不是问题，但一旦代码库增长，处理所有这些问题将更加困难，而不是专注于解决开发目标。
幸运的是，C++ 出现了，并引入了类的概念，通过自动内存管理使用户更容易。好消息是 C++ 与 C 完全兼容，因此进行更改不会出现兼容性问题。因此，OpenCV 2.0 引入了一个新的 C++ 接口，它提供了一种新的做事方式，这意味着你不需要摆弄内存管理，使你的代码简洁（更少的编写，实现更多）。C++ 接口的主要缺点是目前许多嵌入式开发系统仅支持 C。因此，除非你以嵌入式平台为目标，否则使用旧方法就没有意义。
关于 Mat，您需要了解的第一件事是，您不再需要手动分配其内存并在不需要时立即释放它。虽然这样做仍然有可能，但大多数 OpenCV 函数将自动分配其输出数据。如果你传递一个已经存在的 Mat 对象，它已经为矩阵分配了所需的空间，这将被重用。换句话说，我们始终只使用执行任务所需的内存。
Mat 基本上是一个包含两个数据部分的类：矩阵标头（包含矩阵的大小、用于存储的方法、矩阵存储的地址等信息）和指向包含像素值的矩阵的指针（根据选择的存储方法采取任何维度）。矩阵标头大小是恒定的，但是矩阵本身的大小可能因图像而异，并且通常大几个数量级。
OpenCV 是一个图像处理库。它包含大量图像处理功能。为了解决计算挑战，大多数情况下，您最终会使用库的多个函数。因此，将图像传递给函数是一种常见的做法。我们不应该忘记，我们谈论的是图像处理算法，它往往非常繁重的计算量。我们最不想做的就是通过对潜在的大图像进行不必要的复制来进一步降低程序的速度。
为了解决这个问题，OpenCV 使用了一个引用计数系统。这个想法是每个 Mat 对象都有自己的标头，但是可以通过让它们的矩阵指针指向同一地址，在两个 Mat 对象之间共享矩阵。此外，复制运算符将仅复制标头和指向大型矩阵的指针，而不会复制数据本身。
Mat A = imread("image.jpg"); // 加载图像
Mat B(A); // 使用复制构造函数
C = A; // 赋值运算符
最后，上述所有对象都指向同一个数据矩阵，使用其中任何一个进行修改也会影响所有其他对象。在实践中，不同的对象只是为相同的基础数据提供不同的访问方法。然而，它们的标题部分是不同的。真正有趣的部分是，您可以创建仅引用完整数据的子部分的标题。例如，要在图像中创建感兴趣区域（ROI），只需创建一个具有新边界的新标题：
Mat D(A, Rect(10, 10, 100, 100)); // 使用矩形
Mat E = A(Range::all(), Range(1, 3)); // 使用行和列边界
现在你可能会问——如果矩阵本身可能属于多个 Mat 对象，那么当不再需要它时，谁负责清理它？简短的回答是：使用它的最后一个对象。这是通过使用引用计数机制来处理的。每当有人复制 Mat 对象的标头时，矩阵的计数器就会增加。每当清理标头时，此计数器都会减少。当计数器达到零时，矩阵被释放。有时你也想复制矩阵本身，所以 OpenCV 提供了 clone() 和 copyTo() 函数。
Mat F = A.clone();
Mat G;
A.copyTo(G);
现在修改 F 或 G 不会影响 A 标头指向的矩阵。从这一切中你需要记住的是：
这是关于如何存储像素值的。您可以选择使用的色彩空间和数据类型。色彩空间是指我们如何组合颜色组件以编码给定的颜色。最简单的一种是灰度，我们可以使用的颜色是黑色和白色。这些的结合使我们能够创建许多灰色阴影。
对于丰富多彩的方式，我们有更多的方法可供选择。它们中的每一个都将其分解为三个或四个基本组件，我们可以使用这些组件的组合来创建其他组件。最受欢迎的是 RGB，主要是因为这也是我们的眼睛建立颜色的方式。它的基色是红色、绿色和蓝色。为了对颜色的透明度进行编码，有时会添加第四个元素 alpha（A）。
然而，还有许多其他颜色系统，每个颜色系统都有自己的优点：
每个建筑构件都有其自己的有效域。这导致了使用的数据类型。我们如何存储组件定义了我们对其域的控制。可能的最小数据类型是 char，这意味着 1 个字节或 8 位。这可以是无符号的（因此可以存储从 0 到 255 的值）或有符号（从 -127 到 +127 的值）。尽管在三个组件（如 RGB）的情况下，这个宽度已经提供了 1600 万种可能的颜色来表示，但我们可以通过使用浮点数（4 字节 = 32 位）或双精度（8 字节 = 64 位）数据类型来获得更精细的控制每个组件。但是，请记住，增加组件的大小也会增加内存中整个图片的大小。
在教程中，您已经学习了如何使用 imread 函数将矩阵写入图像文件。但是，出于调试目的，查看实际值要方便得多。您可以使用 Mat 的 << 运算符执行此操作。请注意，这仅适用于二维矩阵。
虽然 Mat 作为图像容器工作得非常好，但它也是一个通用的矩阵类。因此，可以创建和操作多维矩阵。您可以通过多种方式创建 Mat 对象：
Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255));
cout << "M = " << endl << M << endl << endl;
对于二维和多通道图像，我们首先定义它们的大小：行数和列数。然后，我们需要指定用于存储元素的数据类型以及每个矩阵点的通道数。为此，我们根据以下约定构造了多个定义：CV_[每个项目的位数][有符号或无符号][类型前缀]C[通道号]。
例如，CV_8UC3 意味着我们使用长度为 8 位的无符号字符类型，每个像素有三个这样的字符来形成三个通道。有预定义的类型，最多可支持四个通道。Vec 是四元素短向量。指定它，您可以使用自定义值初始化所有矩阵点。如果需要更多，可以使用上部宏创建类型，在括号中设置通道号。
int sz[3] = {2, 2, 2};
Mat L(3, sz, CV_32F, Scalar::all(0));
上面的示例演示如何创建具有两个以上维度的矩阵。指定其尺寸，然后传递一个指针，其中包含每个尺寸的大小，其余部分保持不变。
Mat M;
M.create(4, 4, CV_8UC1);
cout << "M = " << endl << M << endl << endl;
不能使用此构造初始化矩阵值。只有当新大小不适合旧大小时，它才会重新分配其矩阵数据存储器。
OpenCV 提供了便捷的静态方法来创建特定模式的矩阵：
Mat E = Mat::eye(4, 4, CV_32F);
cout << "E = " << endl << E << endl << endl;
Mat O = Mat::ones(2, 2, CV_32F);
cout << "O = " << endl << O << endl << endl;
Mat Z = Mat::zeros(3, 3, CV_32F);
cout << "Z = " << endl << Z << endl << endl;
对于小矩阵，您可以使用逗号分隔的初始值设定项或初始值设定项列表（最后一种情况需要 C++11 支持）：
Mat C = (Mat_<float>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
cout << "C = " << endl << C << endl << endl;
C = (Mat_<float>({0, -1, 0, -1, 5, -1, 0, -1, 0})).reshape(1, 3);
cout << "C = " << endl << C << endl << endl;
为现有 Mat 对象创建一个新标头，然后 clone 它：
Mat RowClone = C.row(1).clone();
cout << "RowClone = " << endl << RowClone << endl << endl;
注意：您可以使用 randu 函数用随机值填充矩阵。您需要为随机值提供下限和上限：
Mat R(3, 2, CV_32FC1);
randu(R, Scalar::all(0), Scalar::all(255));
在实际开发中，除了创建 Mat 对象，经常需要进行文件读写、格式转换等操作。以下是常用的基础操作示例。
// 读取图像
Mat img = imread("input.jpg", IMREAD_COLOR);
if (img.empty()) {
cout << "无法加载图像" << endl;
return -1;
}
// 保存图像
imwrite("output.jpg", img);
Mat grayImg;
cvtColor(img, grayImg, COLOR_BGR2GRAY);
Mat hsvImg;
cvtColor(img, hsvImg, COLOR_BGR2HSV);
Mat resized;
resize(img, resized, Size(100, 100), 0, 0, INTER_LINEAR);
在上面的示例中，您可以看到默认格式选项。但是，OpenCV 允许您格式化矩阵输出：
cout << "R (default) = " << endl << R << endl << endl;
cout << "R (python) = " << endl << format(R, Formatter::FMT_PYTHON) << endl << endl;
cout << "R (csv) = " << endl << format(R, Formatter::FMT_CSV) << endl << endl;
cout << "R (numpy) = " << endl << format(R, Formatter::FMT_NUMPY) << endl << endl;
cout << "R (c) = " << endl << format(R, Formatter::FMT_C) << endl << endl;
OpenCV 也通过 << 运算符提供对其他常见 OpenCV 数据结构输出的支持：
Point P(5, 1);
cout << "点 (2D) = " << P << endl << endl;
Point3f P3f(2, 6, 7);
cout << "点 (3D) = " << P3f << endl << endl;
vector<float> v;
v.push_back(1.0f); v.push_back(2.0f); v.push_back(3.01f);
cout << "通过 Mat 的浮点向量 = " << Mat(v) << endl << endl;
vector<Point> vPoints(20);
for (size_t i = 0; i < vPoints.size(); ++i)
vPoints[i] = Point((float)(i * 5), (float)(i % 7));
cout << "2D 点的向量 = " << vPoints << endl << endl;
理解 Mat 类的内部机制对于高效编写 OpenCV 程序至关重要。掌握其内存管理策略、数据类型选择以及常用 API，能够帮助开发者在处理大规模图像数据时保持性能优势。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online