像素存储

OpenCV 中图像矩阵的大小取决于所用的颜色模型，更准确的说是取决于图像所用到的通道数。

如果使用的是灰度图，矩阵大概如图所示：



如果使用的是多通道的图像，矩阵中的列会包含多个子列，子列的个数和通道数相等。例如 RGB 颜色模型的矩阵大致如下图所示：



很多情况下，因为内存足够大，可以实现连续存储，因此图像中的各行能够一行一行的连接起来，形成一个长行。连续存储有助于提升图像扫描速度，我们可以使用 isContinuous 来判断矩阵是不是连续存储的。

简单示例

下面模拟实现减少图像颜色的操作

// ---------------------【 colorReduce() 函数 】------------------
//          描述：使用【指针访问：C操作符[]】方法版的颜色空间缩减函数
// --------------------------------------------------------------
void colorReduce (Mat& inputImage, Mat& outputImage, int div)
{// 参数准备outputImage = inputImage.clone()j;int rowNumber = outputImage.rows();    // 行号int colNumber =	outputImage.clos * outputImage.channels();    // 列数 * 通道数 = 每一行元素的个数// 双重循环，遍历所有的元素for (int i = 0; i < rowNumber; ++i) {uchar* data = outputImage.ptr(i);    // 获取第 i 行的首地址for (int j = 0; j < colNumber; ++j) {//  ------ 【开始处理了每个元素】------data[j] = data[j] / div * div + div / 2;}}
}

Mat 类有若干成员函数，可以获取到图像的属性。公有成员函数变量 cols 和 rows 给出了图像大的宽和高，而成员函数 channels() 用于返回图像的通道数。灰度图的通道数是 1，彩色图的通道数是3.

以上示例还可以使用迭代器的方式实现

void colorReduce (Mat& inputImage, Mat& outputImage, int div)
{// 参数准备outputImage = inputImage.clone();// 获取迭代器Mat_::iterator it = outputImage.begin();  // 初始位置Mat_::iterator itend = outputImage.end()'  // 结束位置for (; it != itend; ++it) {(*it)[0] = (*it)[0] /div * div + div /2;(*it)[1] = (*it)[1] /div * div + div /2;(*it)[2] = (*it)[2] /div * div + div /2;}
}