图像从数学和计算机的角度理解就是一个矩阵，矩阵中的每一个元素叫做像素，又由于图像有灰度图像和彩色图像之分，所以图像在矩阵的基础上引入通道(channel)，其中色彩用数字来表示的时候，规定数字0表示黑色，数字255表示白色。
OpenCV角度来看图像OpenCV中的cv::Mat类就是用来表示图像的矩阵而存在的，其中cv::Mat类由头部和数据块组成。
头部包含了矩阵的所有相关信息（大小、通道数量、数据类型等），cv::Mat 头部文件的某些属性（例如cols、rows 或 channels）。头部有一个指向 数据块的指针，即 data 属性。
数据块包含了图像中所有像素的值。
cv::Mat有一个很重要的属性，即只有在明确要求时，内存块才 会被复制。实际上，大多数操作仅仅复制了cv::Mat的头部，因此多个对象会指向同一个数据块。这种内存管理模式可以提高应用程序的运行效率，避免内存泄漏，
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
// 测试函数，它创建一幅图像
cv::Mat function() {
// 创建图像
cv::Mat ima(500,500,CV_8U,50);
// 返回图像
return ima;
}
int main() {
// // 创建一个 240 行×320 列的新图像
cv::Mat image1(240,320,CV_8U,100);
// or:
// cv::Mat image1(240,320,CV_8U,cv::Scalar(100));
cv::imshow("Image", image1); // show the image
cv::waitKey(0); // wait for a key pressed
// 重新分配一个新图像
// (only if size or type are different)
image1.create(200,200,CV_8U);
image1= 200;
cv::imshow("Image", image1); // show the image
cv::waitKey(0); // wait for a key pressed
// create a red color image
// channel order is BGR
cv::Mat image2(240,320,CV_8UC3,cv::Scalar(0,0,255));
// or:
// cv::Mat image2(cv::Size(320,240),CV_8UC3);
// image2= cv::Scalar(0,0,255);
cv::imshow("Image", image2); // show the image
cv::waitKey(0); // wait for a key pressed
// read an image
cv::Mat image3= cv::imread("puppy.bmp");
// all these images point to the same data block
cv::Mat image4(image3);
image1= image3;
// these images are new copies of the source image
image3.copyTo(image2);
cv::Mat image5= image3.clone();
// transform the image for testing
cv::flip(image3,image3,1);
// check which images have been affected by the processing
cv::imshow("Image 3", image3);
cv::imshow("Image 1", image1);
cv::imshow("Image 2", image2);
cv::imshow("Image 4", image4);
cv::imshow("Image 5", image5);
cv::waitKey(0); // wait for a key pressed
// 从函数中获取一个灰度图像
cv::Mat gray= function();
cv::imshow("Image", gray); // show the image
cv::waitKey(0); // wait for a key pressed
// 作为灰度图像读入
image1= cv::imread("puppy.bmp", CV_LOAD_IMAGE_GRAYSCALE);
// convert the image into a floating point image [0,1]
image1.convertTo(image2,CV_32F,1/255.0,0.0);
cv::imshow("Image", image2); // show the image
// Test cv::Matx
// a 3x3 matrix of double-precision
cv::Matx33d matrix(3.0, 2.0, 1.0,
2.0, 1.0, 3.0,
1.0, 2.0, 3.0);
// a 3x1 matrix (a vector)
cv::Matx31d vector(5.0, 1.0, 3.0);
// multiplication
cv::Matx31d result = matrix*vector;
std::cout << result;
cv::waitKey(0); // wait for a key pressed
return 0;
}
一个通道的图像就是灰度图像，就是类似以前的老照片，不是彩色的，也可以理解成黑白的。
OpenCV中对灰度图像的处理
// 作为灰度图像读入
image1= cv::imread("puppy.bmp", CV_LOAD_IMAGE_GRAYSCALE);
// 创建灰度图像
cv::Mat ima(500,500,CV_8U,50);
//0表示灰度图像
cv::Mat image2= cv::imread("boldt.jpg",0);//0表示灰度图
对彩色图像而言，需要用三原色数据来重现不同的可见色。
这是因为人类的视觉系统是三原色的，视网膜上有三种类型的视锥细胞，它们将颜色信息传递给大脑。