关于OpenCV 从基础到深入的详解——三、OpenCV 基本数据结构

构造函数：

Mat 类有多种构造函数形式，以满足不同的初始化需求。

无参数构造函数：Mat::Mat()，它创建一个空的矩阵对象，可后续通过其他方法来分配内存和赋值数据。例如，Mat emptyMat;创建了一个初始为空的 Mat 对象，可用于存储图像或其他数据矩阵。
以尺寸、数据类型和初始值构造：Mat(int rows, int cols, int type, const Scalar& s = Scalar())。其中，rows表示矩阵的行数，cols表示列数，type指定数据类型（如CV_8UC3表示 8 位无符号整数、3 通道，常用于彩色图像），Scalar参数用于指定初始值，默认为 0。例如，Mat matrix(3, 4, CV_8UC1, Scalar(255));创建了一个 3 行 4 列、每个元素为 8 位无符号整数且初始值为 255 的单通道矩阵。
从已有数据构造：可以使用指向外部数据的指针来创建 Mat。例如，Mat(int rows, int cols, int type, void* data, size_t step = AUTO_STEP)，其中data是指向数据的指针，step是每行数据的字节数（如果是AUTO_STEP，OpenCV 会自动计算）。这种方式在处理外部数据源（如从文件读取的数据）时很有用。

成员函数：

rows和cols函数：用于获取矩阵的行数和列数。例如，Mat image = imread("image.jpg"); int rowCount = image.rows; int colCount = image.cols;可以获取加载图像的行数和列数，这对于遍历图像或确定图像尺寸非常有用。
channels()函数：返回矩阵的通道数。对于彩色图像（如CV_8UC3类型），它返回 3，表示有红、绿、蓝三个通道；对于灰度图像（如CV_8UC1），返回 1。例如，int numChannels = image.channels();可以获取图像的通道信息，在处理图像像素时可根据通道数进行不同的操作。
depth()函数：获取矩阵元素的数据深度，即每个元素的数据类型所占用的位数。例如，CV_8U数据类型的深度为 8 位，CV_32F为 32 位浮点数。这对于了解数据精度和进行数据类型转换等操作有帮助。
at<type>(i, j)函数：用于访问矩阵中的元素。这里的<type>需要根据矩阵的数据类型指定，如at<uchar>(i, j)用于访问CV_8UC1类型矩阵的元素，at<Vec3b>(i, j)用于访问CV_8UC3类型矩阵（彩色图像）的元素。其中i和j分别是行和列索引。例如，在处理灰度图像时，可以通过image.at<uchar>(row, col) = newValue;来修改特定位置的像素值。