opencv多通道数据和多维数据的区别

opencv中经常要用到多通道矩阵来处理彩色图像，同时多维度的矩阵在opencv中也会经常遇到，这里对这两种数据结构做一个对比。总体来说，对这两种数据结构opencv在处理上是不同的，主要是数据的存储安排上不同。多通道数据仍然是按照二维数据的方式来存放数据，不过于正常的二维矩阵相比较，单个元素包含了多个数据值如B、G、R。而多维矩阵是多个层级的二维矩阵组合而成。下面是一些细节对比，和该结论的依据。

opencv中多维数据的申请：
int sz[]={3,2,2};
Mat dm(3,sz,CV_8U,Scalar(0));
这样申请得到3*2*2的矩阵，并初始化为0。这里3是第0维，是层的概念，2*2是二维空间中的平面概念。
这一点可以由dm.step[0]=4, dm.step[1]=2,dm.step[0]=1得到验证。这里的保存数据是按照行存储，然后按列，最后按层。
dm(k,i,j)=pdm=dm.data+dm.step[0]*k+dm.step[1]*i+dm.step[2]*j;其中k是层数，i是行数，j是列数
opencv中多通道数据的申请：
Mat d(2,2,CV_8UC3,Scalar(0));
这里得到的仍然是一个二维矩阵，每个元素由3个值构成如B，G，R。这里保存数据先保存每个元素的3个子值，然后按行排列元素，再按照行保存。这点和多维矩阵不同。
这一点可以由d.step[0]=6，d.step[1]=3,，d.step[2]没有意义，得到验证。
这里可以按照指针方式对矩阵元素进行访问，也可以以模板类Mat_进行访问或者利用split函数分离出B、G、R三个分量矩阵按照二维方式进行处理。
指针方式：
B=dm.data+dm.step[0]*i+dm.step[1]*j+0;
B=dm.data+dm.step[0]*i+dm.step[1]*j+1;
B=dm.data+dm.step[0]*i+dm.step[1]*j+2;
模板类Mat_方式：
Mat_<Vec3b>d_=d;
d_(0,0)便表示多通道矩阵中第一个元素的3个B、G、R分量值，它是Vec3b类型的数据，d_(0,0)[0]、d_(0,0)[1]、d_(0,0)[2]、分别访问B、G、R的值。
split函数转化为B、G、R3个二维矩阵：
vector<Mat>m_ch;
split(d,m_ch);
这样m_ch[0]、m_ch[1]、m_ch[2]、分别表示B、G、R的分量矩阵。