opencv Mat结构

Mat imgimgtest1(3, 4, CV_16UC4, Scalar_<uchar>(1, 2, 3, 4));
	Mat imgimgtest2(cv::Size(3,4), CV_8UC3, Scalar_<uchar>(1, 2, 3));
	
	Mat imgimg = imgimgtest2;
	cout << imgimg << endl;

	// Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一个平面上的矩阵。
    //可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房；
	cout << "dims:" << imgimg.dims << endl;

	//Mat矩阵的行数。可理解为房屋内房间行数；
	cout << "rows:" << imgimg.rows << endl;

	//Mat矩阵的列数。可理解为房屋内房间列数； 
	cout << "cols:" << imgimg.cols << endl;

	//Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels==3；而灰度图像只有一个灰度分量信息， channels==1。
	//可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床；
	cout << "channels:" << imgimg.channels() << endl;

	//Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道数)
	cout << "type:" << imgimg.type() << endl;

	// 用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。
	//在Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：                            
	//enum { CV_8U = 0, CV_8S = 1, CV_16U = 2, CV_16S = 3, CV_32S = 4, CV_32F = 5, CV_64F = 6,CV_16F = 7 }
	//其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。
	// 可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系；
	cout << "depth:" << imgimg.depth() << endl;

	//elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小
	//如果Mat中的数据类型是CV_8UC1，那么 elemSize==1；
	//如果是CV_8UC3或CV_8SC3，那么elemSize==3；
	//如果是CV_16UC3或者CV_16SC3，那么 elemSize==6；
	//即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；
	//可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了；
	cout << "elemSize:" << imgimg.elemSize() << endl;

	//elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很 容易解释这个属性了：
	//表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有： 
	//eleSize1 == elemSize / channels；
	cout << "elemSize1:" << imgimg.elemSize1() << endl;

	//可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所 有元素、所有通道、所有通道的elemSize1之后的值； 
	cout << "step:" << imgimg.step << endl;
	cout << "step[0]:" << imgimg.step[0] << endl;
	cout << "step[1]:" << imgimg.step[1] << endl;

	//以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：
	//step1 == step / elemSize1；
	cout << "step1:" << imgimg.step1() << endl;