本节书摘来自华章计算机《OpenCV图像处理》一书中的第2章，第2.1节，作者：［西］葛罗瑞亚·布埃诺·加西亚（Gloria Bueno García）著，更多章节内容可以访问云栖社区“华章计算机”公众号查看
第2章 构建图像处理工具
2.1 基本数据类型
OpenCV中的基本数据类型是Mat，用来存储图像。总体上讲，一幅图像被保存为一个头加上一个包含像素数据的内存区。图像有若干个通道。灰度图像有一个通道，而彩色图像通常有红、绿和蓝三个构成成分（但是OpenCV以其逆序，即蓝、绿和红来存储这三个分量），还可以使用第四个透明度（alpha）通道。可以用img.channels()获取一幅img图像的通道数。
使用若干个位来存储一幅图像的每个像素，这被称为图像深度（image depth）。对于灰度图像，像素通常存储为8位，因此允许256个灰度级（从整数值0到255）。对于彩色图像，每个像素存储为3个字节，每个颜色通道占用一个字节。某些操作必须以浮点格式存储像素。可以使用img.depth()获取图像深度，其返回值是：
CV_8U，8位无符号整数（0～255）
CV_8S，8位有符号整数（-128～127）
CV_16U，16位无符号整数（0～65?535）
CV_16S，16位有符号整数（-32?768～32?767）
CV_32S，32位有符号整数（-2?147?483?648～2?147?483?647）
CV_32F，32位浮点数
CV_64F，64位浮点数
注意，对于灰度图像和彩色图像，最常见的图像深度是CV_8U。使用方法convertTo可以将一种图像深度转换为另一种图像深度：
在浮点图像上进行操作（即像素值是数学运算的结果）是很常见的。如果使用imshow()显示这幅图像，将不会看到任何有意义的内容。在这种情况下，必须将像素转换到0～255整数范围。函数convertTo实现一种线性变换并有两个额外的参数alpha和beta，分别表示增加一个尺度因子和一个增量值。这意味着每个像素p被转
换为：
newp = alpha*p + beta
它可以用来正确地显示浮点图像。假设img图像有最小值m和最大值M（参考下面的代码，看看如何获取这些值），则我们可以使用：
这些代码将结果图像值的范围映射到0～255范围。图2-1显示了运行该代码的
结果。
使用行属性和列属性可以获取图像的大小。还有一个size属性可获得二者：
除了图像本身，其他数据类型都很常见，请参考表2-1：
其中某些类型有附加操作。例如，可以检查一个点是否位于一个矩形内：
这里的参数p和参数r分别是点（二维）和矩形。注意，在任何情况下，表2-1并不是非常完备的；OpenCV的相关方法提供了更多的支撑结构。
