cv::Mat 初识
Opencv种的Mat类，使得Opencv的编程更加的简单，程序员不用过多的去关注内存管理，并且发现Opencv的编程有点像不需要太多编程技术的Matlab一样，甚至有些函数名字都是一样的。所以对Mat的了解是很有必要的。
首先我们在处理一块数据的时候，如果使用Mat类，我们得到的好处是：
- 不需要手动申请一块内存；
- 在不需要时不用再手动释放内存；
- 可以通过类的封装，方便的获取到数据的相关信息。
显然的，它利用了类的特性，将内存管理和数据信息封装在类的内部，用户只需要对Mat类对象进行数据或面向对象操作即可。
Mat类分为两个部分：矩阵头和矩阵数据。如果我们在操作一副图像的数据量时，矩阵数据的大小很大（一般约有1M的数据量），那么拷贝和赋值函数所作的操作如果的深拷贝的话，效率会大大的降低。所以，Opencv的做法是只复制其矩阵头信息，而矩阵数据采用引用的方式，即多个Mat对象共享同一个矩阵数据，这里使用的原理类似c++11中的共享指针。
如下示例：
cv::Mat A = cv::imread("erode.jpg");
cv::Mat B(A);
cv::Mat C = A;
printf("A.data = %p\nB.data = %p\nC.data = %p\n", A.data, B.data, C.data);
输出结果如下：
A.data = 000001F0A0BF00C0
B.data = 000001F0A0BF00C0
C.data = 000001F0A0BF00C0
如上我们可以看到，三个Mat类对象的矩阵数据的地址是一样的。那么释放内存的原则是怎样的呢。这个也是内部使用了引用计数的方法，类似共享指针，当引用计数变为0的时候才会真正的释放内存。
cv::Mat 类对象的创建方法
通过学习本人也总结了一些创建Mat类对象常用的几种方法，在这里也记录一下。
1. 使用构造函数
cv::Mat M1(3, 3, CV_8UC4, cv::Scalar(0, 0, 0, 255));
std::cout << "M1 = " << std::endl << M1 << std::endl;
这里指定矩阵的行和列，并表示为4通道的矩阵，每个点的颜色值为（0, 0, 0, 255）。输出结果如下：
M1 =
[ 0, 0, 0, 255, 0, 0, 0, 255, 0, 0, 0, 255;
0, 0, 0, 255, 0, 0, 0, 255, 0, 0, 0, 255;
0, 0, 0, 255, 0, 0, 0, 255, 0, 0, 0, 255]
2. 通过数组初始化矩阵维数
int sz[2] = { 3, 3 };
cv::Mat M2(2, sz, CV_8UC1, cv::Scalar::all(0));
std::cout << "M2 = " << std::endl << M2 << std::endl;
如上，构造函数的第一个参数指定的是矩阵的维数，那么sz数组表示的是每一维数的数量，即这里表示的是3行3列。如果第一个参数是3的话，数组的大小也应该是3，表示的就是x，y，z三个维度，每个维度有3个。输出如下：
M2 =
[ 0, 0, 0;
0, 0, 0;
0, 0, 0]
3. 通过create函数来初始化
cv::Mat M3;
M3.create(4, 4, CV_8UC(1));
std::cout << "M3 = " << std::endl << M3 << std::endl;
这里是4*4的二维单通道矩阵，矩阵中的数据为随机值。如下：
[205, 205, 205, 205;
205, 205, 205, 205;
205, 205, 205, 205;
205, 205, 205, 205]
4. 通过opencv提供的类matlab的函数创建
cv::Mat Me = cv::Mat::eye(4, 4, CV_64F);
std::cout << "Me = " << std::endl << Me << std::endl;
cv::Mat Mo = cv::Mat::ones(4, 4, CV_64F);
std::cout << "Mo = " << std::endl << Mo << std::endl;
cv::Mat Mz = cv::Mat::zeros(4, 4, CV_64F);
std::cout << "Mz = " << std::endl << Mz << std::endl;
eye函数表示的是单位矩阵，ones顾名思义是全是1的矩阵，zeros表示全是0的矩阵。输出如下：
Me =
[1, 0, 0, 0;
0, 1, 0, 0;
0, 0, 1, 0;
0, 0, 0, 1]
Mo =
[1, 1, 1, 1;
1, 1, 1, 1;
1, 1, 1, 1;
1, 1, 1, 1]
Mz =
[0, 0, 0, 0;
0, 0, 0, 0;
0, 0, 0, 0;
0, 0, 0, 0]
5. 数据自定义矩阵Mat创建
cv::Mat M4 = (cv::Mat_<double>(3, 3) << 0, -1, 0, -1, 0, 0, 0, 0, 1);
std::cout << "M4 = " << std::endl << M4 << std::endl;
我们可以自己定义自己需要的数据量比较小的矩阵，然后通过如上的方式将其封装到cv::Mat中。如下：
M4 =
[0, -1, 0;
-1, 0, 0;
0, 0, 1]
6. 通过clone函数创建不同的Mat
cv::Mat M5 = M4.row(1).clone();
std::cout << "M5 = " << std::endl << M5 << std::endl;
通过克隆函数clone获取我们需要的某一行或列的数据，这里构建出来的矩阵是深拷贝出来的Mat类对象。输出如下：
M5 =
[-1, 0, 0]
以上，是对cv::Mat的简单总结。