前言

OpenCV是一款开源计算机视觉库，它可以用于处理图像和视频数据。它提供了各种各样的函数和算法，可以用于图像处理、图像分析、目标检测等方面。本篇博客将介绍OpenCV中图像操作的基础知识。

一、加载、显示、保存图像

使用OpenCV读取图像的过程很简单。您可以使用函数cv::imread()来读取图像文件。该函数需要两个参数：图像文件路径和读取标志。读取标志指定图像应如何读取。常用的读取标志包括：

cv::IMREAD_COLOR：读取带有Alpha通道的彩色图像。如果图像不包含Alpha通道，则将其转换为三通道BGR图像。
cv::IMREAD_GRAYSCALE：以灰度模式读取图像。将图像转换为单通道灰度图像。
cv::IMREAD_UNCHANGED：读取原始图像，包括Alpha通道。

在OpenCV中显示图像非常简单。您可以使用函数cv::imshow()来显示图像。该函数需要两个参数：窗口名称和要显示的图像。以下是显示图像的示例代码：

如果您想将处理过的图像保存到磁盘上，OpenCV也提供了方便的函数。您可以使用函数cv::imwrite()来将图像写入文件。该函数需要两个参数：保存图像的路径和要保存的图像。

示例代码：

#include <opencv2/opencv.hpp>
using namespace cv;int main()
{// 加载图像Mat image = imread("image.jpg", IMREAD_COLOR);// 检查图像是否正确加载
if(image.empty())
{std::cout << "无法加载图像" << std::endl;return -1;
}// 显示图像
imshow("Image", image);
waitKey(0);// 保存图像
imwrite("output.jpg", image);return 0;

二、调整图像大小

在OpenCV中，您可以使用函数`cv::resize()`来调整图像的大小。该函数需要三个参数：要调整大小的图像、目标大小以及插值方法。

示例代码:


## 调整图像大小#include <opencv2/opencv.hpp>
using namespace cv;int main()
{// 加载图像Mat image = imread("image.jpg", IMREAD_COLOR);// 检查图像是否正确加载if(image.empty()){std::cout << "无法加载图像" << std::endl;return -1;}// 显示原始图像imshow("Original", image);// 调整图像大小Mat resized;resize(image, resized, Size(400, 300), 0, 0, INTER_LINEAR);// 显示调整大小后的图像imshow("Resized", resized);waitKey(0);return 0;
}

三、裁剪图像

在OpenCV中，您可以使用函数cv::Rect()来创建矩形区域，然后使用函数cv::Mat::operator()或cv::Mat::row()和cv::Mat::col()来选择图像的子集。

示例代码：

#include <opencv2/opencv.hpp>
using namespace cv;int main()
{// 加载图像Mat image = imread("image.jpg", IMREAD_COLOR);// 检查图像是否正确加载if(image.empty()){std::cout << "无法加载图像" << std::endl;return -1;}// 显示原始图像imshow("Original", image);// 裁剪图像Rect roi(50, 50, 200, 200);Mat cropped = image(roi);// 显示裁剪后的图像imshow("Cropped", cropped);waitKey(0);return 0;
}

四、反转图像

在OpenCV中，您可以使用函数cv::flip()来翻转图像。该函数需要两个参数：要翻转的图像和翻转类型（0表示绕x轴翻转，1表示绕y轴翻转，-1表示绕两个轴同时翻转）。

示例代码：

#include <opencv2/opencv.hpp>
using namespace cv;int main()
{// 加载图像Mat image = imread("image.jpg", IMREAD_COLOR);// 检查图像是否正确加载if(image.empty()){std::cout << "无法加载图像" << std::endl;return -1;}// 显示原始图像imshow("Original", image);// 沿x轴翻转图像Mat flipped_x;flip(image, flipped_x, 0);// 显示沿x轴翻转后的图像imshow("Flipped X", flipped_x);// 沿y轴翻转图像Mat flipped_y;flip(image, flipped_y, 1);// 显示沿y轴翻转后的图像imshow("Flipped Y", flipped_y);// 沿两个轴同时翻转图像Mat flipped_xy;flip(image, flipped_xy, -1);// 显示沿两个轴同时翻转后的图像imshow("Flipped XY", flipped_xy);waitKey(0);return 0;
}

在上述代码中，我们分别沿x轴、y轴和两个轴同时翻转了原始图像，并显示了翻转后的图像。

五、调整亮度和对比度

在OpenCV中，您可以使用函数cv::convertTo()来调整图像的亮度和对比度。该函数需要三个参数：要调整的图像、输出图像、以及一个alpha值和一个beta值。

示例代码：

#include <opencv2/opencv.hpp>
using namespace cv;int main()
{// 加载图像Mat image = imread("image.jpg", IMREAD_COLOR);// 检查图像是否正确加载if(image.empty()){std::cout << "无法加载图像" << std::endl;return -1;}// 显示原始图像imshow("Original", image);// 调整图像亮度和对比度Mat adjusted;image.convertTo(adjusted, -1, 1.5, 30);// 显示调整后的图像imshow("Adjusted", adjusted);waitKey(0);return 0;
}

在上述代码中，我们将原始图像的亮度增加了1.5倍，并将对比度增加了30个单位。alpha和beta值控制了图像的亮度和对比度。alpha值为1时，不对图像进行调整；alpha值大于1时，图像变亮；alpha值小于1时，图像变暗。

六、代码整合

#include <opencv2/opencv.hpp>
using namespace cv;int main()
{// 加载图像Mat image = imread("image.jpg", IMREAD_COLOR);// 检查图像是否正确加载if(image.empty()){std::cout << "无法加载图像" << std::endl;return -1;}// 显示原始图像imshow("Original", image);// 缩放图像Mat resized;resize(image, resized, Size(640, 480));// 显示缩放后的图像imshow("Resized", resized);// 翻转图像Mat flipped_x;flip(image, flipped_x, 0);Mat flipped_y;flip(image, flipped_y, 1);Mat flipped_xy;flip(image, flipped_xy, -1);// 显示翻转后的图像imshow("Flipped X", flipped_x);imshow("Flipped Y", flipped_y);imshow("Flipped XY", flipped_xy);// 调整图像亮度和对比度Mat adjusted;image.convertTo(adjusted, -1, 1.5, 30);// 显示调整后的图像imshow("Adjusted", adjusted);waitKey(0);return 0;
}

七、其他常见操作

下面是将读取指定路径下的图像、判断图像文件是否正确读取、输出基本信息、判断图像类型、遍历图像、计时算法以及cv::Mat的拷贝的介绍整合在一起的示例代码：

#include <iostream>
#include <chrono>
#include <opencv2/opencv.hpp>using namespace cv;int main()
{// 读取图像Mat image = imread("path/to/image.jpg", IMREAD_COLOR);// 判断图像是否正确读取if (image.empty()){std::cout << "无法加载图像" << std::endl;return -1;}// 输出基本信息std::cout << "图像尺寸：" << image.size() << std::endl;std::cout << "通道数：" << image.channels() << std::endl;std::cout << "像素格式：" << image.type() << std::endl;// 判断图像类型if (image.type() == CV_8UC3){std::cout << "图像类型：RGB图像" << std::endl;}else if (image.type() == CV_8UC1){std::cout << "图像类型：灰度图像" << std::endl;}// 遍历图像auto start_time = std::chrono::steady_clock::now(); // 开始计时for (int i = 0; i < image.rows; i++){for (int j = 0; j < image.cols; j++){Vec3b pixel = image.at<Vec3b>(i, j); // 获取像素值// 对像素进行处理}}auto end_time = std::chrono::steady_clock::now(); // 结束计时auto elapsed_time = std::chrono::duration_cast<std::chrono::milliseconds>(end_time - start_time);std::cout << "遍历图像耗时：" << elapsed_time.count() << " ms" << std::endl;// cv::Mat的拷贝Mat image_copy = image.clone(); // 深拷贝Mat image_ref = image; // 浅拷贝return 0;
}

在上述示例代码中，我们首先读取指定路径下的图像，并判断图像是否正确读取。然后输出了图像的基本信息，并根据图像类型进行了判断。接着，我们使用双重循环遍历了图像，并计时了遍历算法的耗时。最后，我们演示了cv::Mat的拷贝，包括深拷贝和浅拷贝。