<code>
#

#define printf_cvmat_header(mImg) printf("[cv::Mat info] %-20s : dims=%d, rows=%d, cols=%d, channels()=%d, depth()=%d, step=%4d, elemSize=%d, elemSize1=%d, data=%016lX, datastart=%012lX, dataend=%012lX, datalimit=%012lX\n", #mImg, mImg.dims, mImg.cols, mImg.rows, mImg.channels(), mImg.depth(), (int)mImg.step, (int)mImg.elemSize(), (int)mImg.elemSize1(), (unsigned long long int)mImg.data, (unsigned long long int)mImg.datastart, (unsigned long long int)mImg.dataend, (unsigned long long int)mImg.datalimit);
#define printf_cvmat_rect(mImg, _x0, _y0, _x1, _y1) \
	do{ \
		int x0 = _x0;int x1 = _x1; int y0 = _y0;int y1 = _y1; \
		printf_cvmat_header(mImg); \
		printf("    | "); \
		for(int IndexX = x0; IndexX < x1; IndexX++) \
		{ \
			printf("%02d|", IndexX/100); \
		} \
		printf("\n"); \
		printf("    | "); \
		for(int IndexX = x0; IndexX < x1; IndexX++) \
		{ \
			printf("%02d|", IndexX%100); \
		} \
		printf("\n"); \
		printf("----|-"); \
		for(int IndexX = x0; IndexX < x1; IndexX++) \
		{ \
			printf("---"); \
		} \
		printf("\n"); \
		 \
		for(int IndexY = y0; IndexY < y1; IndexY++) \
		{ \
			printf("%04d| ", IndexY); \
			const uchar* pImgLine = mImg.ptr<uchar>(IndexY); \
			for(int IndexX = x0; IndexX < x1; IndexX++) \
			{ \
				printf("%02X.", pImgLine[IndexX]); \
			} \
			printf("\n"); \
		} \
	}while(0)
#define printf_cvmat_data(mImg) printf_cvmat_rect(mImg, 0, 0, mImg.cols, mImg.rows)

#
</code>

<code>

#define cvMat_TagInfo(mImg) \
		printf("[cv::Mat info] %-20s : dims=%d, rows=%d, cols=%d, channels()=%d, depth()=%d, step=%d, elemSize=%d, elemSize1=%d, data=%016lX, datastart=%016lX, dataend=%016lX, datalimit=%016lX\n", #mImg, mImg.dims, mImg.cols, mImg.rows, mImg.channels(), mImg.depth(), (int)mImg.step, (int)mImg.elemSize(), (int)mImg.elemSize1(), (unsigned long long int)mImg.data, (unsigned long long int)mImg.datastart, (unsigned long long int)mImg.dataend, (unsigned long long int)mImg.datalimit);


[cv::Mat info] pyramids_org[0][0]   : dims=2, rows=640, cols=390, channels()=1, depth()=0, step=670, elemSize=1, elemSize1=1, data=0000007FBE621791, datastart=0000007FBE61F040, dataend=0000007FBE663B78, datalimit=0000007FBE663B78
[cv::Mat info] pyramids_org[1][0]   : dims=2, rows=640, cols=369, channels()=1, depth()=0, step=670, elemSize=1, elemSize1=1, data=0000007FBE47F791, datastart=0000007FBE47D040, dataend=0000007FBE4BE482, datalimit=0000007FBE4BE482
[cv::Mat info] pyramids_org[2][0]   : dims=2, rows=640, cols=370, channels()=1, depth()=0, step=670, elemSize=1, elemSize1=1, data=0000007FBE2ED791, datastart=0000007FBE2EB040, dataend=0000007FBE32C720, datalimit=0000007FBE32C720
[cv::Mat info] pyramids_org[3][0]   : dims=2, rows=640, cols=383, channels()=1, depth()=0, step=670, elemSize=1, elemSize1=1, data=0000007FBE159791, datastart=0000007FBE157040, dataend=0000007FBE19A926, datalimit=0000007FBE19A926

</code>


https://blog.csdn.net/lsacaner/article/details/88763638

<file>
data：  
       uchar类型的指针，指向Mat数据矩阵的首地址。

dims： 
        Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一个平面上的矩阵。

rows：
        Mat矩阵的行数。

cols： 
        Mat矩阵的列数。

size()：
        首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：
         image.size().width==image.cols;        image.size().height==image.rows                                                      

channels()：
        Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels==3；而灰度图像只有一个灰度分量信息，channels==1。
        表示的是一个矩阵中的每个元素分别有几个值，如一个4*3的矩阵，有12个元素，每个元素如果有三个值，则此矩阵有三个通道。如果每个元素有四个值，则此矩阵有四个通道。

depth： 
        用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。在 Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：                            
        enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}          

        其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。

elemSize：
        elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么elemSize==1；如果是CV_8UC3或CV_8SC3，那么elemSize==3；如果是CV_16UC3或者CV_16SC3，那么elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；

elemSize1：
        elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很容易解释这个属性了：表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有： 
        eleSize1==elemSize/channels；

step：
        可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所有元素、所有通道、所有通道的elemSize1之后的值；

step1()： 
       以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：

        step1==step/elemSize1；
--------------------- 
作者：王凯_计算机视觉 
来源：CSDN 
原文：https://blog.csdn.net/cv_walking/article/details/78315662 

 
Mat的step，size，step1，elemSize，elemSize1这几个属性非常容易混淆。 OpenCV的官方参考手册也没有解释清楚这几个概念。

step1(i):每一维元素的通道数

step[i]:每一维元素的大小，单位字节

size[i]:每一维元素的个数

elemSize()：每个元素大小，单位字节

elemSize1()：每个通道大小，单位字节

这个解释可能有点抽象，结合示例程序和示意图解释这几个概念

void Learn_Mat_Definiton()//测试一下step[]的各个维度大小
{
 
	//Demo1(3维矩阵)///
	printf("//Demo1(3维矩阵)\n");
	//最后面的两个数：(行，列),确定了一个面
	//是一个依次降维的过程
	//8,10组成了面，5个面，组成了立方体
	int matSize[] = {5,8,10};//每一维元素的个数：8：行，10：列
	Mat mat1(3,matSize, CV_16UC3, Scalar::all(0));
 
	//求step[i]的大小:每一维元素的大小(单位字节)
	printf("\n///step[i]的大小//\n");
	printf("step[0]:%d\n",mat1.step[0]);//480：面的大小(第一维)
	printf("step[1]:%d\n",mat1.step[1]);//60：线的大小(第二维)
	printf("step[2]:%d\n",mat1.step[2]);//6：点的大小(第三维)
 
	//求size[i]：每一维元素的个数
	printf("\n///size[i]的大小///\n");
	printf("size[0]:%d\n",mat1.size[0]);//5：面
	printf("size[1]:%d\n",mat1.size[1]);//8：线
	printf("size[2]:%d\n",mat1.size[2]);//10：点
 
	//求step1(i)：每一维元素的通道数
	printf("\n///step1(i)的大小///\n");
	printf("step1(0):%d\n",mat1.step1(0));//240:面
	printf("step1(1):%d\n",mat1.step1(1));//30:线
	printf("step1(2):%d\n",mat1.step1(2));//3:点
 
	//求elemSize：每个元素的大小(单位字节)
	printf("\n///elemSize的大小///\n");
	printf("elemSize:%d\n",mat1.elemSize());//6：每个元素的大小
 
	//求elemSize1：每个通道的大小(单位字节)
	printf("\n///elemSize1的大小///\n");
	printf("elemSize1:%d\n",mat1.elemSize1());//2：每个通道的大小
}
程序结果
</file>