从2001年以来，opencv的函数库一直是基于C接口构建的，因此在opencv1.0版本中，一般使用IplImage的C结构体在内存中存储图像，因此，我们在很多较经典的书籍或者开源项目中依然可见IplImage。但是用其存储图像的时候必须在退出前将图像内存手动release掉，即添加语句cvReleaseImage(&IplImage);，否则会造成内存泄漏。Mat类带来了自动的内存管理，同时它的操作也更加简单，比如用imshow显示图像，imread读取图像等等，跟Matlab有点接近。下面是将图像容器类mat转化成IplImage结构体的一种方法，最后别忘了cvReleaseImage(&pImg)。

Mat frame,frame1;
IplImage* pImg;
frame=capture.read();
frame1=frame.clone();
pImg=cvCreateImage(cvSize(frame.cols,frame.rows),8,3);
pImg->imageData=(char*)frame1.data;...

Mat是一个类，它由两个数据部分组成：矩阵头和一个指向存储所有像素值的矩阵的指针。其中矩阵头包含了矩阵的尺寸、存储方法、储存地址等信息，由此可以看出矩阵头所占的内存很小，通常是一个常数值，而具体存储所有像素值的矩阵则非常大。因此，在程序中传递图像并创建副本时，大的开销是由矩阵造成的，而不是信息头。其实上面给的mat转IplImage结构体就是一个例子，显然复制图像会增加算法的复杂度，降低程序的性能。形象点说，在一个班级里，矩阵头就相当于存储了班级里有多少人、男女比多少、平均身高等信息，而矩阵就储存了班级中所有同学的所有基本信息，每一个同学就相当于是一个像素矩阵中的一个元素，那么根据不同的存储方法就得到了不同的元素表示方法，显然矩阵要比矩阵头复杂得多。

为了解决上述代码存在的问题。opencv使用了引用计数机制，其思路就是让每个Mat对象有自己的信息头，但是共享同一个矩阵。也就是让矩阵指针指向同一地址，共用一片内存来实现。复制图像的时候只是复制了矩阵头的信息和矩阵指针，并不是复制了整个矩阵。例如下面这段代码：

Mat A,C;//仅创建信息头部分
A= imread("1.jpg",CV_LOAD_IMAGE_COLOR);//这里为矩阵开辟内存
Mat B(A);//使用拷贝构造函数
C=A;

这段代码中，A、B和C都是Mat类型，它们都指向同一个也是唯一一个数据矩阵。虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。而通过clone()或者copyTo()来复制一个图像，就包括了矩阵本身，也因此，改变复制对象的内容并不会改变源矩阵，例如frame1显然是复制frame，因此对frame1的操作并不改变frame。

Mat的常见属性

创建Mat的方式：

1、Mat M 
创建一个矩阵头，没有数据。 
2、Mat M(2,2,CV_8UC3,Scalar(0,0,1)); 
2*2大小的矩阵，每个元素为3通道8位无符号整数，如下：

0 0 1 0 0 1 
0 0 1 0 0 1 
3、Mat M(2,2,CV_8UC1,Scalar(10)); 
与上面类似： 
10 10 
10 10 
4、Mat M(2,2,CV_8UC1,Scalar::all(0));
5、以逗号分隔符初始化赋值：Mat M = (Mat_(3,3) << 1,2,3,4,5,6,7,8,9); 
6、为已经存在的IplImage指针创建信息头，例如：

IplImage* img=cvLoadImage("1.jpg",1);
Mat mtx(img);//转换IplImage*为Mat

7、利用create()函数

Mat M;M.create(4,4,CV_8UC(2));
cout<<"M="M<<endl;

但是这种方法不能为矩阵设初值，只是在改变尺寸时重新为矩阵数据开辟内存而已。

8、Mat还有一些matlab式函数用来创建和初始化矩阵： 
Mat E = Mat::eye(4,4,CV_64F); //单位矩阵
Mat Z = Mat::zeros(4,4,CV_32F); //0矩阵
Mat O = Mat::ones(4,4,CV_8UC1); //1矩阵
9、为已经存在的对象创建新的信息头

Mat E=Mat::eye(4,4,CV_64F);
Mat Row=E.row(1).clone();
cout<<Row<<endl;