OpenCV：IplImage与Mat，哪个使用？
我对OpenCV很新颖（大约2个月）。 我有Bradski和Kaehler的书“Learning OpenCV”。 我的问题是，如果我想以2.0以上的方式做所有事情，我应该什么时候使用matrix（Mat），什么时候应该使用IplImage？
Bradky的书提前说（前言）它是基于OpenCV 2.0编写的，而且它的代码中主要使用IplImage，但最近的在线文档使得它听起来像Mat现在是图像，蒙版等的全部数据types。 ，有点像Matlab中的基本matrix。 这让我想知道IplImage是否应该被视为过时。
那么，在编写新代码时，我应该完全避免IplImages？ 还是有重要的东西，IplImages允许我做，而不是？
谢谢。
IplImage从一开始就一直在OpenCV中。 它是OpenCV的C接口的一部分。 你需要自己分配和释放IplImage结构的内存。 （记得cvReleaseImage命令？）
新的Mat结构是C ++结构的一部分。 所以显然它是面向对象的。 另外，它为你pipe理所有的记忆！ 它保持对它的引用的跟踪。 然后引用的数量为零，它会自动释放。 这是一个非常棒的function！
去Mat 如果你正在使用一些有Intellisense的IDE（它会在你键入的时候下载一个可能的函数，variables等等）的列表，将代码从IplImage thingy转换成Mat thingy应该很容易。
我会强烈推荐使用Mat 。 我一直在使用它，这很好。 成员函数和matrixexpression式使得事情比处理IplImage简单得多，正如你所说的，它是一个全面的数据types。
去Mat ！
我会说这实际上取决于你要运行你的应用程序的平台。 如果你正在开发一个embedded式系统的应用程序，你将更可能使用C.在这种情况下，你将不得不使用IplImage 。 从教程引用：
C ++接口的主要缺点是目前许多embedded式开发系统只支持C.因此，除非你是针对embedded式平台，否则使用旧的方法是没有意义的（除非你是一个受虐狂的程序员，为了麻烦）。
谢谢您的帮助。
我也发现，自从发布这个问题，一个带有Mat作为参数的函数可以直接将IplImage作为Mat参数的地方，这样如果它已经被分解为方便的函数，就可以很容易地更新代码。 只需将函数参数从IplImage*更改为Mat ，然后修改该函数以在Mat上工作。 调用该函数的其他代码仍然可以正常工作（根据我的经验）。
我build议马特。 垃圾收集是自动的，因此应用程序更可靠，并且具有更less的内存泄漏。 另外，Mat是一种更新的数据存储方式，所以如果你是一个新手，刚刚从OpenCV开始，Mat更新，并且需要更less的编码来完成一个完整的应用程序。
兼容性是Mat将会变得更糟糕的一件事.IplImage可用时间更长，因此与大多数事物具有更好的兼容性。 我相信你也可以使用IplImage和Mat，如果没有，IplImage> Mat也很简单。
由于Iplimage已经有了更长的时间，您可能会发现更多的样本select。
这里是我的两分钱：作为OpenCV视觉处理中的新手（仍然在学习技巧），select一个Mat或IplImage，并且非常擅长。 但是，至less要学习其他的基础知识，所以如果你需要使用一个不兼容的函数，你就知道该怎么做。
但要重复自己，如果你是一个新手，尝试从马特开始。 由于它是一个较新的实现，所以学习和获得正确的代码更容易！
垫更容易和更容易使用。 它将图像表示为matrix。 它也更快。 我会build议Mat over IplImage。
Iplimage是Opencv中C接口的一些结构，Mat更适合于C ++程序，支持ref参数和stream操作等一些C ++风格。尽pipe它们都是面向对象的程序devise，但Mat包含的方法本身比Iplimage更多创build和释放，Ipliamge会调用一些cvXXX接口来完成。 而且，Mat是Opencv2的一个新结构，我认为这是旧的发展的象征。 我希望它帮助。
我相信使用cv :: Mat要方便得多。 它更通用。 我们可以看到IplImage是cv :: Mat的一个子集。 IplImage的默认数据types是无符号整数，而cv :: Mat的默认数据types是double。 所以使用Mat进行任何types的math运算都容易得多。
我开始在2012年左右开始使用opencv。所以我开始使用Mat，它function强大且易于使用。但是阅读或重用这些“旧”的代码，我不得不知道iplimages，这很容易使用，也。 但是，我认为未来是马特。不要忘记在一个CLASS中的马特，这意味着，你不需要释放一个马特。另一方面，你应该释放一个无足轻重。 我的英语很差，对不起。
在编写Blob检测程序时，我注意到使用
IplImage* img; uchar* image_src = (uchar*)img->imageData; image_src[x+y*width] = ...;
比使用快得多
Mat image; image.at<uchar>(x,y) = ...;
快大约5倍。 其中一些可能是因为我使用了嵌套的X，Y循环Mat和IplImage单循环。 但是如果你必须编写任何直接closures像素的例程，我会坚持使用IplImage。
