CvMat矩阵数据结构是OpenCV的基础数据类型，对于图像处理这种密级型运算，经常需要访问，修改，设置其元素的值。OpenCV提供了很多优良的函数，能够很简单的实现上述功能。在《学习OpenCV》一书中，作者分别就简单的方法，麻烦的方法，和恰当的方法对相关函数进行了讲解，讲得比较清晰。本文主要讲解通过指针高效访问CvMat元素的方法z及平时容易忽视的一些小问题。
1.关于元素数据类型
CvMat中数据类型由几个部分构成 CV_<bit_depth>(S|U|F)channels,S表示有符号的，U表示无符号的，F表示浮点数;比如CV_32F1，表示32位1通道浮点数;CV_8U3，表示8位无符号3通道整形;数据类型重要的原因在于
A.它决定了CvMat数据的分布，比如，若元素类型CV_8UC1（常用于灰度图像 ),那么CvMat的数据排列是每行按照ggggggg(g表示一个像素的灰度值)的格式排列;若元素类型为CV_8UC3，则可以表示彩色图像，其行排列成为bgrbgrbgr(分别表示蓝绿红三个通道值，三个通道值表征1个像素)的形式；
B.在访问其数据类型时，如何正确转换成对应的数据类型指针；后面的例子会说到；
2.访问CvMat中的元素
简单的通过CV_MAT_ELEM宏，cvGetRealXD()函数即可实现，但是图像处理是计算密集型操作，这些函数虽然简单易用，但是效率比较低。因此最常用的是采用指针来访问CvMat中的元素。
CvMat结构中data结构对于指针访问其元素非常重要.
其data成员为
union{
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
}data;
由于是联合体，因此在访问时，指针可以在这几种类型的指针之间转换。当然这还归功于CvMat中每行的字节长度是固定的，成员step记录了CvMat每行的字节数。下面的代码说明如何高效访问矩阵元素。
CvMat* mat=cvCreateMat(5,3,CV_32FC1);//建立一个5行3列的矩阵，元素类型为32位单通道浮点数;数据类型对于后面使用指针访问矩阵元素非常重要。
cvZero(mat);
int row,col;
//下面的代码给矩阵的每个元素赋值
for (row=0;row<mat->height;row++)
{
float* pData=(float*)(mat->data.ptr+row*mat->step);//获取第row行的行首指针，因为数据类型为浮点型，因此，通过data.ptr与step获得的字节指针需要转换为float* 这样的指针
for (col=0;col<mat->width;col++)
{
*pData=(row+col);
pData++;//因为,指针后移一位，也即是指向下一个浮点数
}
}
//下面的3段代码功能是一样的，都是在控制台显示各个元素的值
///code1
for (row=0;row<mat->height;row++)
{
float* pData=(float*)(mat->data.ptr+row*mat->step);//我们通过转换成float*这样的指针
for (col=0;col<mat->width;col++)
{
std::cout<<*pData<<" ";
pData++;//指向下一个元素
}
}
///code2
for (row=0;row<mat->height;row++)
{
float* pData=mat->data.fl+row*mat->step/4;//这儿就用到了union中的fl指针,由于step是以1字节来计算的，因此实际步长应该为mat->step/4（浮点数的长度为4字节）
for (col=0;col<mat->width;col++)
{
std::cout<<*pData<<" ";
pData++;
}
std::cout<<std::endl;
}
///code 3
for (row=0;row<mat->height;row++)
{
float* pData=mat->data.fl+row*mat->step/4;
for (col=0;col<mat->width;col++)
{
std::cout<<*(pData+j)<<" ";//自己计算列指针的位置
}
std::cout<<std::endl;
}
///////////////////////
用指针除了顺序访问CvMat中的元素外，还可以访问任意位置的元素，当然前提是需要自己计算指针。比如：
for (row=0;row<mat->height;row++)
{
float* pData=mat->data.fl+row*mat->step/4;
for (col=0;col<mat->width;col++)
{
if (row>0)
{
std::cout<< *(pData+col-mat->step/4)<<" ";//访问mat(row-1,col)元素
if (col>0)
std::cout<<*(pData+col-1-mat->step/4)<<"";//访问mat(row-1,col-1)元素
}
}
std::cout<<std::endl;
}
cvReleaseMat(&mat);//用完释放相关资源
因此，对CvMat中的元素不要拘泥于书上提供的几种方式，在程序效率很重要的情况下，可以合理使用指针结合step完美的访问CvMat中的元素，当然，使用指针，也有缺点，出现错误不容易发现，自己曾经遭过道。
自己几点体会：
（1）：和作者前面提到的一样，数组的数据类型非常重要。其中通道数表明了数据的排列方式，数据类型对后面的访问方式有很大影响；
（2）：在CvMat中，最重要一点要理解的是step。其有两点非常重要;
第一：其是以字节为单位的;
第二：对于指定的矩阵每行的字节长度是固定的。
由这两点可以引申出来两种访问方式
第一：对于以字节为单位的这种形式，在上面的code1、code2表现的非常明显。这里对于不同类型的数组，因为其所占的空间大小不同，但是每行的字节长度是固定的，这里可以通过比例放缩，即除以sizeof(*),来准确定位；
第二：对于指定的矩阵每行的字节长度是固定这种形式，在第一个列子中表现明显。这里先用简单的ptr定位，再进行强制转换。因为是利用了固定的长度，这种一一对应的方式来进行定位，非常方便。这里是把定位和操作分开进行的。
CvMat* mat；
mat = cvCreateMat(9,10,CV_64FC3);//注意所申请矩阵元素的类型，不同的类型访问操作方法不同，但类似可推导，以此为例。
opencv中的多通道矩阵CvMat元素的访问方法总结如下：
1.
mat(i,j,1)： *(mat->data.db + i*(mat->step/8) + 3*j);//.db为double数据类型，step类型为int，代表矩阵每行的字节数，因此要处以sizeof(double) =8。
mat(i,j,2)： *(mat->data.db + i*(mat->step/8) + 3*j+1);
mat(i,j,3)： *(mat->data.db + i*(mat->step/8) + 3*j+2);
基本模式： *（mat->data.类型 + 行号*（该类型数据对应的一行的步长要按照该类型的长度来运算）+按照该类型来说的列数+所取的通道数）
2.
mat(i,j,1)： ((double*)(mat->data.ptr+i*mat->step))[3*j];//ptr的类型为uchar*,step类型为int，代表矩阵每行的字节数。另外指针可以当做数组名，因此可以这样操作。
mat(i,j,2)： ((double*)(mat->data.ptr+i*mat->step))[3*j+1];
mat(i,j,3)： ((double*)(mat->data.ptr+i*mat->step))[3*j+2];
基本模式：((强转类型*)(mat->data.ptr+行号*mat->step))[3*列号+所取的通道数]
3.
mat(i,j,1)： *( (double*)(mat->data.ptr+i*mat->step)
+ 3*j );//根据以上也可以这样
总之就是C语言中的指针操作啦，要注意指针的类型，以及step的单位是字节就可以了。
4.运用CV_MAT_ELEM宏来访问
mat(i,j,3): CV_MAT_ELEM(mat,double,i,3*j+2)
该方法最方便。
自己的几点体会：
（1）：第一种方法是顺序访问的，但是这种最可能出问题。learning opencvp-46中说到，CvMat数据指针可以指向一个大型数组中的ROI，所以无法保证数据逐行连续存取。因此，这种容易出问题。
（2）：第二种和第三种方法是每次重新计算起点，这种是精确的。