cv::Mat img=cv::Mat::zeros(100,100,CV_8U);

对于给定的cv::Mat变量`img`, 我们可以这样创建并初始化它：

cv::Mat img = cv::Mat::zeros(100, 100, CV_8U); // 创建一个100x100的灰度图像，像素类型为uchar（8位无符号字符）

// 注意这里的类型参数CV_8U表示单通道8位图像。你可以根据需求替换其他类型，如CV_8UC3用于彩色图像，CV_32F用于浮点数。

// 如果你想处理多通道图像，可以使用如下方式：
// cv::Mat bgr_img = cv::Mat::zeros(100, 100, CV_8UC3); // 3通道8位BGR图像

// 对于图像操作，比如计算像素范围内的最大值和最小值，可以使用类似下面的方法：
for (size_t i = 0; i < img.cols; i++) {
    for (size_t j = 0; j < img.rows; j++) {
        uchar pixel_value = img.at<uchar>(j, i);
        double max_c = std::max(max_c, static_cast<double>(pixel_value));
        double min_c = std::min(min_c, static_cast<double>(pixel_value));
    }
}

关于指针访问`cv::Mat`的数据，有两种常见方式：
1. 使用`.ptr()`方法：

   const uchar* data = img.ptr<uchar>(0); // 获取指向图像数据的第一行指针

2. 直接通过`.data`属性：

   double* data = static_cast<double*>(img.data); // 注意这里可能需要强制类型转换

至于`cv::Mat`的缺点，除了弱类型[^2]，还包括：
- **内存管理**：不像NumPy那样的自动内存管理，需要手动分配和释放内存。
- **API复杂性**：与OpenCV库的其他部分相比，Mat类的API可能会显得较为复杂，特别是对于新手。
- **性能**：虽然现代版本已经优化，但某些情况下，直接操作底层数据结构（如OpenCV的BufferedImage）可能会更快。