图像的输入/输出

从文件中加载图像：

如果读入的是一个JPG文件，默认状态下会创建一个3通道图像。如果你需要将其制成灰度图像，则使用以下代码：

注

文件格式由其内容（前几个字节）确定。将图像保存为一个文件：

注

文件的格式由其扩展名确定。

用CV :: imdecode和CV :: imencode从内存中读取和写入图像。

基本的图像操作

访问像素亮度值

为了获取像素亮度值，首先必须知道图像的类型和通道数。下面是一个单通道灰度图像的示例（数据类型8UC1）和像素坐标x和y：

C ++版本：intensity.val [0]包含从0到255的值，需要注意的是x和y的排序。OpenCV图像采用了结构化的矩阵来表示，使用以下两种情形使用同样的协议 - 基于0的行索引（或y坐标）在先，后面跟随基于0的列索引（或x坐标）。此外，也可以使用下面的符号（仅适用于C ++ ）：

下面，来看一个BGR色彩排序的3通道图像（由imread返回默认格式）：

C ++代码

Python

对于数据类型为浮点值的图像,可以使用相同的方法（例如，可以通过运行Sobel算子获取一个通道的图像）（仅适用于C ++）：

利用相同的方法可以修改像素亮度值：

OpenCV中有一些函数，尤其是在calib3d模块中，如CV :: projectPoints函数,可以将 2D或3D像素点值转换成Mat形式的矩阵。该矩阵包含一列，每一行对应于一个点，矩阵类型为32FC2或32FC3。利用std::vector可以很容易地构建出这样的矩阵（仅适用于C ++）：

利用相同的方法Mat::at可以访问矩阵中的点（仅适用于C ++）：

内存管理和引用计数

Mat是保持矩阵/图像特性的一种结构（包括行数和列数，数据类型等）和一个指向数据的指针。对应一个相同的图像数据，可以构建出多个Mat实例，此外, Mat还包含一个引用计数器，当Mat对象被释放时，利用引用计数器指针来决定是否重新分配数据。下面的这个例子是在不进行数据复制的情况下，创建两个MAT矩阵: （仅适用于C ++）

结果得到了一个3列的32FC1矩阵，而不是一个1列的32FC3矩阵。pointsMat使用像素点的数据，释放时无需重新分配内存。在这种特殊情况下，开发人员必须确保 points的生命周期要比比pointsMat的生命周期更长。如果需要复制数据的话，则使用cv::Mat::copyTo或者 cv::Mat::clone两个函数：

应为上述每个函数提供一个空的Mat输出，每一次实现均是对目标矩阵调用一次Mat::create。如果矩阵为空，则利用该方法为矩阵分配数据。如果矩阵不为空，并且大小和数据类型均无误，则该方法不起作用。然而，如果大小或数据类型与输入参数不同，则重新分配（和丢失）原有数据，重新分配一个新的数据:

基本操作

每一个像素矩阵均定义有一些快捷的操作符。例如，下面是如何从现有的灰度图像中提取出黑色图像IMG

选择感兴趣的区域：

将彩色图像转换成灰度图像：

将图像类型从8UC1变为 32FC1：

可视化图像

在算法开发过程中，如果能看到运行的中间结果是非常有用的。OpenCV提供了一种可视化图像的便捷方式。采用以下代码可以显示一副8U图像：

调用waitKey（）函数启动消息传递周期，等待“图像”窗口的一次键盘键入。此时,需要将32F图像转换为8U类型的图像。例如:

注

这里没有必要使用CV :: namedWindow函数，因为它后面紧跟着CV :: imshow。然而，可以用cv::createTrackbar来改变窗口属性。

本文以C++语言代码为例，获取Java和python版本可在原文中查看：

https://docs.opencv.org/4.5.2/d5/d98/tutorial_mat_operations.html

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。