1. cv::Mat对象的创建

创建cv::Mat类对象可以使用构造函数、create()或者matlab风格的函数zero()、ones()、eye()等。

1.1 常用的构造函数：

Mat::Mat();  // 无参构造函数；
Mat::Mat(int rows, int cols, int type);  // 创建行数为rows，列数为cols，类型为type的图像；
Mat::Mat(Size size, int type);  // 创建大小为size，类型为type的图像；
Mat::Mat(int rows, int cols, int type, const Scalar & s);  // 创建行数为rows，类数为col，类型为type的图像，并将所有元素初始化为值s；
Mat::Mat(Size size, int type, const Scalar & s);  // 创建大小为size，类型为type的图像，并将所有元素初始化为值s；
Mat::Mat(const Mat & m);  // 将m复制给新创建的对象，此处不会对图像数据进行复制，m和新对象共用图像数据；
Mat::Mat(int rows, int cols, int type, void* data, size_t step = AUTO_STEP);  // 创建行数为rows，列数为cols，类型为type的图像，此构造函数不创建图像所需内存，而是直接使用data所指内存，图像的行步长由step指定；
Mat::Mat(Size size, int type, void* data, size_t step = AUTO_STEP);  // 创建大小为size，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像行步长由step指定；
Mat::Mat(const Mat & m, const Range & rowRange, const Range & colRange);  // 创建新的图像为m的一部分，具体的范围由rowRange和colRange指定，此构造函数也不进行图像数据的赋值操作，新图像与m共用图像数据；
Mat::Mat(const Mat & m, const Rect & roi);  // 创建的新图像为m的一部分，具体的范围roi指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据。

1.2 使用create()函数

create()函数创建图像，如果create()函数指定的参数与图像之前的参数相同，则不进行实质的内存申请操作；如果参数不同，则减少原始数据内存的索引，并重新申请内存，使用该函数无法设置图像像素的初值。

1.3 使用matlab风格的函数

Mat Z = Mat::zeros(2, 3, CV_8UC1);  // 创建2行3列的8位无符号单通道矩阵，矩阵的值初始化为0
Mat O = Mat::ones(2,3,CV_32F);  // 创建2行3列的32位浮点型单通道矩阵，矩阵初始值为1
Mat E = Mat::eye(2, 3, CV_64F);  // 创建2行3列64位浮点型单通道矩阵

2. 一些基本表达

typedef Vec<uchar, 2> Vec2b;
typedef Vec<uchar, 3> Vec3b;
typedef Vec<uchar, 4> Vec4b;

typedef Vec<short, 2> Vec2s;
typedef Vec<short, 3> Vec3s;
typedef Vec<short, 4> Vec4s;

typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;
typedef Vec<float, 4> Vec4f;
typedef Vec<float, 6> Vec6f;

typedef Vec<double, 2> Vec2d;
typedef Vec<double, 3> Vec3d;
typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;

3. 遍历像素值

3.1 使用at()函数，代码可读性高，效率不高；
3.2 使用迭代器MatIterator，配合begin()和end()函数使用；
3.3 通过数据指针，使用ptr()指针。

4. Mat支持的表达式

       · 加法、减法、取负：A+B、A-B、A+s、A-s、s+A、s-A、-A；
       · 缩放取值范围：A*alpha；
       · 矩阵对应元素的乘法和除法：A.mul(B)、A/B、alpha/A；
       · 矩阵乘法：A*B（这里是矩阵乘法，不是矩阵对应元素相乘，需要保证A的行 = B的列）；
       · 矩阵转置：A.t()；
       · 矩阵求逆和求伪逆：A.inv()，需要保证A的行和列相等；
       · 矩阵比较运算：A compop B、A compop alpha、alpha compop A，compop可以是>、>=、<、<=、==、!=。如果条成立，结果矩阵对应的元素被置为255，否则置为0。
       · 矩阵位逻辑运算：A logicop B、A logicop s、s logicop A、~A，logicop可以是&、|、^。
       · 矩阵对应元素的最大值和最小值：min(A,B)、min(A,alpha)、max(A,B)、max(A,alpha)。
       · 矩阵中元素的绝对值：abs(A)。
       · 叉积和点积：A.cross(B)、A.dot(B)。

5. Mat与IplImage和CvMat的转换

Mat转换为IplImage或CvMat，使用等号赋值操作进行类型转换。需要注意的是，类型转换后，IplImage和CvMat与Mat共用同一矩阵数据，而IplImage和CvMat没有引用计数功能，所以Mat对象不能提前释放。
IplImage或CvMat转换为Mat，可以使用Mat类的构造函数。这两个构造函数有一个参数copyData，如果该值为false，那么Mat将与IplImage或CvMat共用同一矩阵数据；如果该值为true，Mat会新申请内存，然后将IplImage或CvMat的数据赋值到Mat的数据区。建议该值设置为true。