以最简单的4 x 5三通道图像为例，其在内存中Mat类型的数据组织形式如下：
每一行的每一列像素的三个通道数据组成一个一维数组，一行像素组成一个二维数组，整幅图像组成一个三维数组，即：
Mat.data[4, 5, 3] = [
[[B0, G0, R0],[B1, G1, R1],[B2, G2, R2],[B3, G3, R3],[B4, G4, R4]],
[[B5, G5, R5],[B6, G6, R6],[B7, G7, R7],[B8, G8, R8],[B9, G9, R9]],
[[B10, G10, R10],[B11, G11, R11],[B12, G12, R12],[B13, G13, R13],[B14, G14, R14]],
[[B15, G15, R15],[B16, G16, R16],[B17, G17, R17],[B18, G18, R18],[B19, G19, R19]]
]
我们通过python单独访问每个通道的数据可以采用切片（Slice）操作的方是：
img_blue = img_mat[:, :, 0]
img_green = img_mat[:, :, 1]
img_red = img_mat[:, :, 2]
上述代码有些抽象，启动python我们模拟操作一下，控制台输入python，进入shell，导入numpy（import numpy as np），然后输入如下语句：
a = np.arange(36).reshape(4, 5, 3)
我们模拟了一个4行、3列、3通道的图像数据，其内容如下：
我们随便取一通道的数据，比如BGR三通道的G通道，也就是第2个通道，继续在python的shell界面输入如下指令：
a[:, :, 1]
数据如下：
上述数据是一个二维数组：每一行的G通道数据组成一个一维数组，整幅图像的G通道数据组成一个二维数组。