[OpenCV] 复杂数据结构

cv::Mat        <mat.hpp>

稠密数组，非模板类。可以表示一维数组，也可以表示多维数组。因为是非模板类，所以需要指定数据类型。Mat的内存管理有opencv 完成，是引用计数的模式，当我们把 数组 n 赋值给 数组m的时候，数组m原先指向的内存单元将被自动回收，而数组n指向的内存单元的计数将会增加1 。

常规参数构造：

拷贝构造：

基于其他模板类的构造：

Mat可以使用 cv::Vec  cv::Matx 和 std::vector 的模板类型进行构造，这些构造不会为 Mat 创建模板，而是以模板类型作为参考来构造 Mat 。

可以通过成员函数ptr<>来访问数组的指定行，通过at<>泛型算法来访问数组的指定元素，也可以通过使用c语言的指针偏移读取方法来操作数组的data成员变量。但是需要注意的是Mat内部的数据存储可能是不连续的，因此使用c语言的方法存在风险，如果想使用c语言的方法，那么需要先通过isContinuous()判断内存是否连续。

Mat的 赋值运算符是 引用模式，不是拷贝和移动模式，因此不会新创建内存区域存储，所以如果一个使用 MatA 的局部矩阵给 MatB赋值，那么MatA里的内容变化也会影响到MatB。且只有当MatA和MatB都释放的情况下，对应的矩阵才会被销毁。

从根本上来说Mat数据结构只是一个指针，具体的实际数据存储我们是看不到的。我们可以把Mat当作是一种内存管理的 描述结构体来看待。

如果需要深拷贝，可以使用copyTo() 方法。

Mat子矩阵访问：

Mat重载运算符和其他方法：

其他常用方法：

---

cv::SparesMat         <mat.hpp>

稀疏数组，非模板类。线性代数中成为稀疏矩阵。稀疏矩阵使用哈希表维护数据，而不是想Mat那样使用数组来存储。

稠密数组具备的大多数方法，稀疏矩阵都有。

稀疏矩阵的特有方法：

---

cv::Mat 和 cv::SparseMat 的模板化类型

Opencv 提供了 cv::Mat 的模板化实现 cv::Mat_<> ，cv::SparseMat 的模板化实现 cv::SparseMat_<> 。这两个模板类的功能和其对应的非模板类型一模一样。如果不喜欢模板编程可以使用非模板版本，如果希望编译器协助我们进行编译时检查，则考虑使用模板化版本。大部分教材推荐是使用模板化版本。