我们可以通过多种方式从现实世界中获取数字图像，比如：数码相机、扫描仪、计算机扫描和磁共振成像等等。在这些情况中，虽然我们肉眼看到的是图像，但是当需要将图像在数字设备中变换传输时，图像的每个像素则对应一个数值。
例如,上述图像你可以看到一个汽车的后视镜，它可以用包含像素点强度值的矩阵来表示。虽然获取并存储像素点强度值的方法各不相同，但是图像在计算机中最终是以数值矩阵的形式来存储和处理的。OpenCV是一个 计算机视觉库，主要用于处理和操作图像像素矩阵信息。因此，你首先需要熟悉OpenCV是如何存储和处理图像的。
Mat
OpenCV诞生于2001年。当时的库均是C语言接口创建，图像以C 语言的数据结构IplImage形式存储。在以往的教程和培训材料中均可以看到这一点，而这同时也反映出了C语言的优缺点。最大的挑战来自于手动的内存管理，它假设由用户来负责内存的分配和释放。对于代码量比较小的程序,手动分配内存没有问题。但是当代码量剧增时,处理起来的难度会急速增大。
幸运的是，C ++引入了类的概念，使得用户更容易实现自动内存管理。同时，C ++与C完全兼容，所以不存在兼容性问题，这也使代码迁移更加容易。OpenCV 2.0引入了一种新的C++接口，无需考虑内存管理问题，使得代码更加简洁，即利用更少的代码量，能够实现更多的功能。C ++接口的主要缺点是：目前许多嵌入式开发系统只支持C。因此，除非是针对嵌入式平台，否则没有必要使用的以往的老方法（除非你是受虐狂程序员，在自找麻烦）。
在使用Mat 时，需要知道的第一件事情是：无需手动分配内存。对于不再使用的内存，无需进行释放。大多数OpenCV函数会自动分配其输出数据。更为便捷的是，如果需要传递Mat 对象，则已经给它分配好了内存空间，可以被重用。换句话说，在任何时候都只用到执行任务所需要的内存，而无需进行额外的操作。
Mat基础类包含两部分数据：矩阵头（包括矩阵大小，存储方法，矩阵存储地址等信息）和包含像素矩阵值的指针（根据所选定的不同存储方法而有不同的维度）。矩阵头大小是一个常量，不同大小的图像的矩阵大小各不相同，通常矩阵大小要比图像大小大几个数量级。
OpenCV是一个图像处理库，其中包含大量图像处理函数。为了解决计算难题，多数情况下选用库中的多个函数来实现计算功能，常见的做法是将图像传递给函数。而图像处理算法的计算量往往非常大，所以要通过避免不必要的图像复制来进一步提升程序的运行速度。
为了解决上述问题, OpenCV采用了一种引用计数系统。具体做法是，每个Mat 对象有其各自的头，两个Mat 对象可以通过将矩阵指针指向同一地址来共享一个矩阵，复制操作只复制Mat 头和指向矩阵的指针，而不是复制数据本身。
上述所有的对象均指向同一个数据矩阵，对矩阵的任何变动均会影响所有的对象。在实际示例中，不同的对象只是对同一数据的不同的访问方式，尽管如此，不同MAT 对象的头各不相同。真正有趣的是，可以创建仅指向部分数据分段的MAT 对象头。例如，为了创建一个图像的感兴趣区域（ROI），你只需要创建一个具有行列边界的新MAT 对象头：
