我注意到新的 OpenCV 版本中添加了一个新的数据结构 cv :: Matx ，用于编译时已知大小的小矩阵，例如< / p>
cv::Matx31f // matrix 3x1 of float type
检查documentation我看到大多数矩阵操作都可用，但我仍然没有看到使用这种新类型而不是旧的cv :: Mat的优点。
我应该何时使用Matx代替Mat？
答案 0 :(得分：11)
这是关于内存管理而不是浪费（在某些情况下很重要）内存或只是为稍后使用的对象保留内存。
这就是我理解的方式 - 可能是别人可以给出更好的解释。
答案 1 :(得分：8)
简短回答：cv :: Mat使用堆来存储数据，而cv :: Matx使用堆栈。
cv :: Mat使用动态内存分配（在堆上）。这适用于大矩阵（如图像），并允许您执行矩阵的浅拷贝，这是cv :: Mat的默认行为。
但是，对于cv :: Matx设计的小矩阵，与在堆栈上执行相同操作相比，堆分配将非常昂贵。通过切换到使用堆栈分配类型（例如cv :: Point和cv :: Matx）而不是cv :: Mat，我看到一个数学块将处理时间减少了75％以上。
答案 2 :(得分：7)
这是一个迟到的答案，但它仍然是一个有趣的问题！
dom的答案非常准确，user1460044中的堆/堆栈引用也很有趣。
从实际的角度来看，我不会使用 Matx（或Vec），除非它是完全必要的。 Matx的主要优点是
问题是，最后你必须将Matx数据移动到Mat以完成大部分工作，因此，你将再次回到堆中。
另一方面，＆＃34;酷初始化＆＃34; Matx的{{1}}可以在普通的Mat中完成：
// Matx initialization:
Matx31f A(1.f,2.f,3.f);
// Mat initialization:
Mat B = (Mat_<float>(3,1) << 1.f, 2.f, 3.f);
此外，初始化（超出堆/堆栈）的内容存在差异。如果你试图将5个值放入Matx31，它将崩溃（运行时异常），而调用带有5个值的Mat_::operator<<只会存储前三个。
[1] 高效如果你的程序必须创建大量小于10个元素的矩阵。在这种情况下，使用Matx矩阵。
答案 3 :(得分：3)
我更喜欢Matx到Mat的其他两个原因：
可读性：阅读代码的人可以立即看到矩阵的大小，例如：
cv::Matx34d transform = ...;
很明显，这是一个3x4矩阵，因此它包含类型（R，t）的3D变换，其中R是旋转矩阵（与轴角相反）。
同样，使用transform(i,j) vs transform.at<double>(i,j)来访问元素更为自然。
轻松调试。由于Matx的元素在堆栈中以已知长度的数组分配，因此IDE或调试器在单步执行代码时可以很好地显示整个内容。