在
2023年剛剛出現的時候，opencv基於
c語言介面而建。為了在記憶體（memory）中存放影象，當時採用名為
iplimage
的c語言結構體，時至今日這仍出現在大多數的舊版教程和教學材料。但這種方法必須接受c語言所有的不足，這其中最大的不足要數手動記憶體管理，其依據是使用者要為開闢和銷毀記憶體負責。雖然對於小型的程式來說手動管理記憶體不是問題，但一旦**開始變得越來越龐大，你需要越來越多地糾纏於這個問題，而不是著力解決你的開發目標。
幸運的是，c++出現了，並且帶來類的概念，這給使用者帶來另外乙個選擇：自動的記憶體管理（不嚴謹地說）。這是乙個好訊息，如果c++完全相容c的話，這個變化不會帶來相容性問題。為此，opencv在2.0版本中引入了乙個新的c++介面，利用自動記憶體管理給出了解決問題的新方法。使用這個方法，你不需要糾結在管理記憶體上，而且你的**會變得簡潔（少寫多得）。但c++介面唯一的不足是當前許多嵌入式開發系統只支援c語言。所以，當目標不是這種開發平台時，沒有必要使用 舊 方法（除非你是自找麻煩的受虐狂碼農）。
關於 mat ，首先要知道的是你不必再手動地（1）為其開闢空間（2）在不需要時立即將空間釋放。但手動地做還是可以的：大多數opencv函式仍會手動地為輸出資料開闢空間。當傳遞乙個已經存在的 mat 物件時，開闢好的矩陣空間會被重用。也就是說，我們每次都使用大小正好的記憶體來完成任務。
基本上講 mat 是乙個類，由兩個資料部分組成：矩陣頭（包含矩陣尺寸，儲存方法，儲存位址等資訊）和乙個指向儲存所有畫素值的矩陣（根據所選儲存方法的不同矩陣可以是不同的維數）的指標。矩陣頭的尺寸是常數值，但矩陣本身的尺寸會依影象的不同而不同，通常比矩陣頭的尺寸大數個數量級。因此，當在程式中傳遞影象並建立拷貝時，大的開銷是由矩陣造成的，而不是資訊頭。opencv是乙個影象處理庫，囊括了大量的影象處理函式，為了解決問題通常要使用庫中的多個函式，因此在函式中傳遞影象是家常便飯。同時不要忘了我們正在討論的是計算量很大的影象處理演算法，因此，除非萬不得已，我們不應該拷貝 大的影象，因為這會降低程式速度。
為了搞定這個問題，opencv使用引用計數機制。其思路是讓每個 mat 物件有自己的資訊頭，但共享同乙個矩陣。這通過讓矩陣指標指向同一位址而實現。而拷貝建構函式則只拷貝資訊頭和矩陣指標，而不拷貝矩陣。
mat a, c; // 只建立資訊頭部分
a = imread(argv[1], cv_load_image_color); // 這裡為矩陣開闢記憶體
mat b(a); // 使用拷貝建構函式
c = a; // 賦值運算子
也就是說，
copy這樣的操作只是copy了矩陣的matrix header和那個指標，而不是矩陣的本身，也就意味著兩個矩陣的資料指標指向的是同乙個位址，需要開發者格外注意
。比如上面這段程式，a、b、c指向的是同一塊資料，他們的header不同，但對於a的操作同樣也影響著b、c的結果。這裡還要提及乙個比較棒的功能：你可以建立只引用部分資料的資訊頭。比如想要建立乙個感興趣區域（
roi），你只需要建立包含邊界資訊的資訊頭：
mat d (a, rect(10, 10, 100, 100) ); // using a rectangle
mat e = a(range:all(), range(1,3)); // using row and column boundaries
mat物件，那麼當不再需要它時誰來負責清理？簡單的回答是：最後乙個使用它的物件。通過引用計數機制來實現。無論什麼時候有人拷貝了乙個
mat物件的資訊頭，都會增加矩陣的引用次數；反之當乙個頭被釋放之後，這個計數被減一；當計數值為零，矩陣會被清理。但某些時候你仍會想拷貝矩陣本身(不只是資訊頭和矩陣指標)，這時可以使用函式
clone()
或者 copyto()
。
mat f = a.clone();
mat g;
a.copyto(g);
f或者
g就不會影響
mat資訊頭所指向的矩陣。
總結一下，你需要記住的是
這裡講述如何儲存畫素值。需要指定顏色空間和資料型別。顏色空間是指對乙個給定的顏色，如何組合顏色元素以對其編碼。最簡單的顏色空間要屬灰度級空間，只處理黑色和白色，對它們進行組合可以產生不同程度的灰色。
對於 彩色 方式則有更多種類的顏色空間，但不論哪種方式都是把顏色分成三個或者四個基元素，通過組合基元素可以產生所有的顏色。rgb顏色空間是最常用的一種顏色空間，這歸功於它也是人眼內部構成顏色的方式。它的基色是紅色、綠色和藍色，有時為了表示透明顏色也會加入第四個元素 alpha (a)。
有很多的顏色系統，各有自身優勢：
每個組成元素都有其自己的定義域，取決於其資料型別。如何儲存乙個元素決定了我們在其定義域上能夠控制的精度。最小的資料型別是 char ，佔乙個位元組或者8位，可以是有符號型（0到255之間）或無符號型（-127到+127之間）。儘管使用三個 char 型元素已經可以表示1600萬種可能的顏色（使用rgb顏色空間），但若使用float（4位元組，32位）或double（8位元組，64位）則能給出更加精細的顏色分辨能力。但同時也要切記增加元素的尺寸也會增加了影象所佔的記憶體空間。
mat_對應的是cv_8u，mat_對應的是cv_8s，mat_對應的是cv_32s，mat_對應的是cv_32f，mat_對應的是cv_64f，對應的資料深度如下：
• cv_8u - 8-bit unsigned integers ( 0..255 )這裡還需要注意乙個問題，很多opencv的函式支援的資料深度只有8位和32位的，所以要少使用cv_64f，但是vs的編譯器又會把float資料自動變成double型，有些不太爽。• cv_8s - 8-bit signed integers ( -128..127 )
• cv_16u - 16-bit unsigned integers ( 0..65535 )
• cv_16s - 16-bit signed integers ( -32768..32767 )
• cv_32s - 32-bit signed integers ( -2147483648..2147483647 )
• cv_32f - 32-bit floating-point numbers ( -flt_max..flt_max, inf, nan )
• cv_64f - 64-bit floating-point numbers ( -dbl_max..dbl_max, inf, nan )
還有個需要注意的問題，就是流操作符《對於mat的操作，僅限於mat是2維的情況。
還有必要說一下mat的儲存是逐行的儲存的。
mat不但是乙個很讚的影象容器類，它同時也是乙個通用的矩陣類，所以可以用來建立和操作多維矩陣。建立乙個mat物件有多種方法：
mat()
建構函式:
mat m(2,2, cv_8uc3, scalar(0,0,255));
cout << "m = " << endl << " " << m << endl << endl;
對於二維多通道影象，首先要定義其尺寸，即行數和列數。
然後，需要指定儲存元素的資料型別以及每個矩陣點的通道數。為此，依據下面的規則有多種定義
cv_比如 cv_8uc3 表示使用8位的 unsigned char 型，每個畫素由三個元素組成三通道。預先定義的通道數可以多達四個。 scalar 是個short型vector。指定這個能夠使用指定的定製化值來初始化矩陣。當然，如果你需要更多通道數，你可以使用大寫的巨集並把通道數放在小括號中，如下所示[the
number
ofbits
peritem
][signed
orunsigned
][type
prefix]c
[the
channel
number
]
在 c\c++ 中通過建構函式進行初始化
int sz[3] = ;
mat l(3,sz, cv_8uc(1), scalar::all(0));
學習筆記 資料結構
一 常用的資料結構 1 線性資料結構 元素之間一般存在元素之間存在一對一關係，是最常用的一類資料結構，典型的有 陣列 棧 佇列和線性表 2 樹形結構 結點間具有層次關係，每一層的乙個結點能且只能和上一層的乙個結點相關，但同時可以和下一層的多個結點相關，稱為 一對多 關係，常見型別有 樹 堆 3 圖形...
學習筆記 資料結構 堆結構
堆結構 實質是陣列 特點 以陣列的形式去儲存完全二叉樹 原理 以前序遍歷完全二叉樹，得出結點的前序序列，以陣列的形式儲存該序列。查詢父，子結點通過陣列下標id間的轉換關係實現。優點 節省儲存空間，查詢效率高 缺點 1 只能表示完全二叉樹 更廣泛的可以說是完全n叉樹 2 對樹的插入，刪除操作執行效率低...
學習筆記 資料結構 雜湊
雜湊表的特點 什麼是完全雜湊 雜湊方式 直接定址表的特點 雜湊表的特點，可以解決什麼問題 什麼是衝突 如何避免衝突 鏈結法的特點，插入，刪除，查詢的時間複雜度是多少 開放定址方法的原理 什麼是裝載因子 雜湊函式有什麼 同義詞的概念 聚集 堆積 現象 單向雜湊表的特徵 如何提高雜湊表的查詢效率 通過一...