OpenCV4（C++）—— 图片的读取、(并排)显示与保存

---

前言

C++和python两者的使用语法都是相同的

一、读取（imread和imdecode）

1、imread

由两个参数决定:
imread(“图片的地址+名称”, 何种形式读取图片)

image = cv2.imread("C:/Opencv/lena.jpg", cv2.IMREAD_GRAYSCA）  // python
cv::Mat image = cv::imread("C:/Opencv/lena.jpg", 0); // c++

第二个参数，可以使用标志参数，也可以使用简记数字。常用的就是

     读取形式                            标志参数               简记数字
以原图读取(针对有Alpha通道的图片)      IMREAD_UNCHANGED           -1
以单通道的灰度图像读取                  IMREAD_GRAYSCA            0
以3通道BGR的彩色图片读取                 IMREAD_COLOR             1      

注意，缺省状态下是以3通道读取，并且是BGR的形式。

2、imdecode

imread是从文件（磁盘）中直接读取图像数据，imdecode是从内存缓冲区中读取数据，并解码成图像格式。

使用imdecode的优点在于可以从内存中直接解码图像数据，而不需要将数据保存到磁盘再进行读取。在某些场景中是有用的，如网络传输的数据源，摄像头捕获的图像数据。

imdecode与image的使用有一点要注意：imread是传入图片路径，转为图片格式；imdecode传入的内存数据（数组形式），转为图片格式。就以上面的简单例子：从文件中读取图片。imdecode的python写法可以为下：

# 使用 NumPy 的 fromfile 函数从指定路径中读取图像数据，并将其存储为 NumPy 数组，作为参数传给imdecode解码成图像格式
image = cv2.imdecode(np.fromfile("C:/Opencv/lena.jpg", dtype = np.uint8), 1)    # 1为标志参数，3通道读取

注：一般情况下，读取图像的像素数目小于2^30，这个要求在绝大多数图像处理领域都是不受影响的，但是对于超高分辨率图像的像素数目可能会超过这个阈值，可以通过修改系统变量中的OPENCV_IO_MAX_IMAGE_PIXELS参数调整能够读取的最大像素数目。

二、显示（imshow）

显示图片一般调试时使用，没有什么特别注意的（反正最终结果也要将其注释掉）。
常用三件套：1）显示图片窗口 2）窗口的持续时间或阻塞 3）销毁窗口

cv::imshow("Show", image); // "Show"是显示窗口的名称，image是读取的图片
//cv::waitKey(300) // 窗口持续300ms后关闭，继续后续程序
cv::waitKey(0);   // 0 将会一直阻塞程序的执行，直到用户按下键盘上的任意键
cv::destroyAllWindows();  // 关闭程序中所有的窗口，一般用于程序的最后

注：如果原图分辨率太大，显示不完全怎么办？ 使用namedWindow()这个窗口函数设置一下。

此外，某些场景下想让图片并排表示，来更好的对比效果，可以使用以下方式（仅当展示图片的尺寸相同时）：

    cv::Mat img = cv::imread("C:/Users/20231.jpg");
    cv::Mat img1 = cv::imread("C:/Users/3-353S02073-0_WA.jpg");
    cv::Mat img2 = cv::imread("C:/Users/301-4-353S02073-0_WA.jpg");

    // 获取每张图像的大小
    int h = img.rows;
    int w = img.cols;
    int h1 = img1.rows;
    int w1 = img1.cols;
    int h2 = img2.rows;
    int w2 = img2.cols;

    // 创建一个大画布用于展示三张图像
    cv::Mat canvas(std::max(h, std::max(h1, h2)), w + w1 + w2, CV_8UC3, cv::Scalar(0, 0, 0));

    // 将三张图像放置在合适的位置上
    img.copyTo(canvas(cv::Rect(0, 0, w, h)));
    img1.copyTo(canvas(cv::Rect(w, 0, w1, h1)));
    img2.copyTo(canvas(cv::Rect(w + w1, 0, w2, h2)));

    cv::imshow("Merged Images", canvas);
    cv::waitKey(0);
    cv::destroyAllWindows();

python代码如下：

img = cv2.imread("img.jpg")
img1 = cv2.imread("img1.jpg")
img2 = cv2.imread("img2.jpg")

# 获取每张图像的大小
h, w, _ = img.shape
h1, w1, _ = img1.shape
h2, w2, _ = img2.shape

# 创建一个大画布用于展示三张图像
canvas = np.zeros((max(h, h1, h2), w + w1 + w2, 3), dtype=np.uint8)

# 将三张图像放置在合适的位置上
canvas[:h, :w] = img
canvas[:h1, w:w+w1] = img1
canvas[:h2, w+w1:] = img2

# 显示合并后的图像
cv2.imshow("Merged Images", canvas)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、保存（imwrite和imencode）

1、imwrite

与读取imread相似，要给出具体保存的路径（地址+图片名）

    cv::Mat image = cv::imread("C:/Opencv/lena.jpg", cv::IMREAD_GRAYSCALE);
    cv::imwrite("C:/Opencv/temp/lena.jpg", image);

值得注意的是批量图片的保存。通常方法都是 ：（固定的文件夹地址）+（流动的图片名）

（ 注：imwrite函数还有第三个参数，用于保存不同格式的图像。如果保存的图像是单通道或三通道，那第三个参数可以忽略。但如果保存的是特殊格式（如16位深度图像），则需要设置第三个参数。（

2、imencode

imencode函数是将图像数据编码成流数据（如png格式，jpg格式），返回的是一个元组（bool，NumPy），第一个元素是布尔值，表示编码是否成功；第二个是编码后的数据——NumPy数组。若想把数据保存到文件中，还需要其他步骤，例如，python中使用.tofile（.tofile() 是 NumPy 数组的一个方法，用于将数组中的数据以二进制形式写入文件）：

image = cv2.imdecode(np.fromfile("C:/Opencv/lena.jpg", dtype = np.uint8), -1)
cv2.imencode('.png', image)[1].tofile("C:/Opencv/temp/ena.png") // 索引[1]取出元组中的第二个元素，即编码后的图像数据

总结

imdecode和imencode是进行与内存缓冲区之间的操作（而不是磁盘），在某些场景下更加高效，但C++中使用这两个比较繁琐，python中使用较为方便。此外，当图片名字含有中文时，使用imwrite保存下来的图片名字可能会出现像“鍐风剨”这种乱码，而使用 imencode 可以避免这种情况。