七.opencv（七）：Mat_类
Mat_类是对 Mat 类的一个包装，其定义如下：
template<typename _Tp>
class Mat_ : public Mat
{
public:
//只定义了几个方法
//没有定义新的属性
};
这是一个非常轻量级的包装，既然已经有 Mat 类，为何还要定义一个 Mat_？ 下面我们看这段代码：
Mat M(600, 800, CV_8UC1);
for( int i = 0; i < M.rows; ++i)
{
uchar * p = M.ptr<uchar>(i);
for( int j = 0; j < M.cols; ++j )
{
double d1 = (double) ((i+j)%255);
M.at<uchar>(i,j) = d1;
double d2 = M.at<double>(i,j);//此行有错
}
}
在读取矩阵元素时，以及获取矩阵某行的地址时，需要指定数据类型。这样 首先需要不停地写“<uchar>”，让人感觉很繁琐，在繁琐和烦躁中容易犯错，如上面代码中的错误，用 at()获取矩阵元素时错误的使用了 double 类型。这种错误 不是语法错误，因此在编译时编译器不会提醒。在程序运行时，at()函数获取到 的不是期望的(i,j)位置处的元素，数据已经越界，但是运行时也未必会报错。这样 的错误使得你的程序忽而看上去正常，忽而弹出“段错误”，特别是在代码规模很大时，难以查错。
如果使用 Mat_类，那么就可以在变量声明时确定元素的类型，访问元素时 不再需要指定元素类型，即使得代码简洁，又减少了出错的可能性。
#include<iostream>
#include<math.h>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main(int argc, char* argv[]){
Mat M(600, 800, CV_8UC1);
// 用指针输入pixel
for (int i = 0; i < M.rows; i++){
uchar* p = M.ptr<uchar>(i); //M.ptr是指向第i行开头DIY的指针
for (int j = 0; j < M.cols; j++){
p[j] = (i + j) % 255;
}
}
// 通过at（）函数输入pixels
for (int i = 0; i < M.rows; i++){
uchar* p = M.ptr<uchar>(i); //M.ptr是指向第i行开头DIY的指针
for (int j = 0; j < M.cols; j++){
// 用at（）读写像素，需要指定类型，很麻烦，很容易出错
M.at<uchar>(i, j) = ((i + j) % 255);
}
}
// Mat_ 类管理
// create 一个Mat_类对象，将原来Mat类对象的 M 强制类型转换成Mat_<uchar>&，
// 这样就可以完成关联、赋值
Mat_<uchar> M1 = (Mat_<uchar>&) M;
for (int i = 0; i < M1.rows; i++){
// 不需指定元素类型，语句简洁
uchar* p = M1.ptr(i);
for (int j = 0; j < M1.cols; j++){
double d1 = (double)((i + j) % 255);
// MATLAB风格
M1(i, j) = d1;
double d2 = M1(i, j);
}
}
imshow("name", M1);
waitKey();
return 0;
}
八.opencv（八）：Mat类 内存管理
使用 Mat 类，内存管理变得简单，不再像使用 IplImage 那样需要自己申请 和释放内存。虽然不了解 Mat 的内存管理机制，也无碍于 Mat 类的使用，但是 如果清楚了解 Mat 的内存管理，会更清楚一些函数到底操作了哪些数据。
Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法， 存储地址等信息）和一个指向存储所有像素值的矩阵的指针，如图 3.9 所示。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头 的尺寸大数个数量级。复制矩阵数据往往花费较多时间，因此除非有必要，不要 复制大的矩阵。
为了解决矩阵数据的传递，OpenCV 使用了引用计数机制。其思路是让每个 Mat 对象有自己的矩阵头信息，但 多个 Mat 对象可以共享同一个矩阵数据。让矩 阵指针指向同一地址而实现这一目的。很多函数以及很多操作（如函数参数传值） 只复制矩阵头信息，而不复制矩阵数据。
前面提到过，有很多中方法创建 Mat 类。如果 Mat 类自己申请数据空间， 那么该类会多申请 4 个字节，多出的 4 个字节存储数据被引用的次数。引用次数 存储于数据空间的后面，refcount 指向这个位置，如图 3.9 所示。当计数等于 0 时，则释放该空间。
关于多个矩阵对象共享同一矩阵数据，我们可以看这个例子：
Mat A(100,100, CV_8UC1);
Mat B = A;
Mat C = A(Rect(50,50,30,30));上面代码中有三个 Mat 对象，分别是 A， B 和 C。这三者共有同一矩阵数据， 其示意图如图 3.10 所示
九.opencv（九）：关于Mat的更多细节
马上学完了，加油了。
从前面的例程中，可以看到 Mat 类重载了<<操作符，可以方便得使用流操作来输出矩阵的内容。默认情况下输出的格式是类似 Matlab 中矩阵的输出格式。除了默认格式，Mat 也支持其他的输出格式。
code：
Mat R = Mat(3, 2, CV_8UC3);
randu(R, Scalar::all(0), Scalar::all(255));
// 默认格式输出的代码如下：
cout << "R (default) = " << endl << R << endl << endl;之前一直想，如果有RGB三个通道，Mat会如何进行显示。现在发现了问题的答案。（全部显示的代码放在文末）
1.默认格式
Default print:
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 239, 26, 248;
207, 218, 45, 183, 158, 101]
2.Python 格式
Python print:
[[[ 91, 2, 79], [179, 52, 205]],
[[236, 8, 181], [239, 26, 248]],
[[207, 218, 45], [183, 158, 101]]]
3.Numpy 格式
Numpy print:
array([[[ 91, 2, 79], [179, 52, 205]],
[[236, 8, 181], [239, 26, 248]],
[[207, 218, 45], [183, 158, 101]]], dtype='uint8')
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main(int argc, char* argv[]){
Mat R(3, 2, CV_8UC3);
// 这个Scalar::all最多支持4-d标量赋值，pixels经常拿他赋值
/*randu
Generates a single uniformly-distributed random number or an array of random numbers.
Non-template variant of the function fills the matrix dst with uniformly-distributed
random numbers from the specified range:
@ param dst output array of random numbers; the array must be pre-allocated.
@ param low， inclusive lower boundary of the generated random numbers.
@ param high， exclusive upper boundary of the generated random numbers.
@sa RNG, randn, theRNG*/
randu(R, Scalar::all(0), Scalar::all(255));
cout << "Default print:" << endl << R << endl;
//版本问题，可能是你的是format(R,"python")
cout << "Python print:" << endl << format(R, Formatter::FMT_PYTHON) << endl;
cout << "Numpy print:" << endl << format(R, Formatter::FMT_NUMPY) << endl;
return 0;
}