Mat 介绍
Mat的本质是具有两个数据部分的类：矩阵头（包含诸如矩阵大小，用于存储的方法，用于存储矩阵的地址等信息）以及指向真正图像数据矩阵的指针。矩阵头的大小是恒定的，但真正的图像矩阵的大小是因实际图像的大小而异。
opencv是图像处理库，包含有大量的图像处理功能。这些功能在程序中表现为一个一个函数的形式，那么为了处理图像，一定少不了在函数间传递图像。如果每传递一次图像就为其新分配一次内存空间，必然会导致图像处理速度的大大下降，同时也会占用过高的内存空间。为了解决这个问题，opencv是这样做的：每个Mat对象都有其唯一的矩阵头，但是实质性的图像矩阵地址可以共享，访问方式可以通过指针。在这种机制下，在程序中如果需要传递图像时，仅传递图像的矩阵头信息和指针，而不会去传递实质性的图像数据。
例子1： Mat A, C;// creates just the header parts
A =imread(argv[1],IMREAD_COLOR);// here we'll know the method used (allocate matrix)
Mat B(A);// Use the copy constructor
C = A;// Assignment operator
例子1中，3个Mat对象 A,B,C所指向的实质性的图像数据矩阵是同一个，但是它们的矩阵头信息（身份证号）是不同的。由于实质性的图像数据矩阵是同一个，所以改变A,B,C中的任何一个，另外两个也会改变。这种改变表现在它们的矩阵头信息的变化上。例如，通过对A操作把图像大小减小了一半，那么B,C的矩阵头信息中表征图像大小的信息部分一定也会变。在这种机制基础之上会有一个有意思的事情发生，你完全可以创建一个只引用实质图像矩阵的子部分信息的矩阵头。这种应用有一个很好的例子，它是：ROI,只需创建具有新边界的新标题即可，如下面例子2，其中 Mat 对象D，E只引用了A所引用的图像的一部分。
例子2：Mat D (A,Rect(10, 10, 100, 100) );// using a rectangle
Mat E = A(Range::all(), Range(1,3));// using row and column boundaries
图像在内存中的整个生命周期中会有一个计数变量与其相关，这个变量有什么用呢？它用来表征，有多少个Mat 对象，引用这个图像，当这个计数变量值为0时，系统会释放掉图像 所占内存。当然有时也许要真正完全传递整个图像而不是指针，因此opencv提供了cv :: Mat :: clone（）和cv :: Mat :: copyTo（）函数来解决这个问题，如下例子3。
例子3：Mat F = A.clone();
Mat G;
A.copyTo(G);
例子3中，A,F,G指针所指的实质性图像矩阵不是同一个，因此通过A,F,G对图像操作，相互之间不会有影响 。
存放方法
存放方法的描述是关于如何存储像素值的（说明存放像素有多种方法可以选择）。这种选择，体现在色彩空间和数据类型的选择上。色彩空间不同，也就是对颜色编码的方式不同。最简单的一种是灰度空间，在灰度空间下我们可以使用白色和黑色的不同组合来创建许多灰色阴影。
对应颜色，我们有多种编码方式选择，比较主流的是RGB。RGB主流的原因和我们人眼编码颜色的方式有关系。它的基色是
红色，绿色和蓝色。为了编码颜色的透明度，有时会添加第4个量：alpha(A)。
但是还有很多其他色彩空间系统，并且各有优点：
1、 RGB是最常见的一种，因为我们的眼睛使用的，就是类似的系统。但是opencv标准显示系统使用BGR色彩空间（红、蓝通道切换）来编码颜色。
2、 HSV和HLS将颜色分解为它们的色相，饱和度和值/亮度分量，这是我们描述颜色更自然的方法。例如，您可以忽略最后一个变量，从而使算法对输入图像的光照条件不太敏感。
3、 流行的JPEG图像格式使用的YCrCb。
4、CIE L*a*b*是一个感知上统一的色彩空间，如果您需要测量给定颜色与另一种颜色空间的差距，它会派上用场。
色彩空间解决的是一信号有多少通道的问题（多少变量），那么数据类型解决的是，一个变量几位数据位（是否有符号，是整数还是实数）度量它的问题。
