OpenCV 学习笔记 图像加载，修改和保存

**

OpenCV 图像加载，修改和保存

**

注意

我们假设现在你知道如何使用cv :: imread加载图像并将其显示在窗口中（使用cv :: imshow）。阅读加载和显示图像教程否则。
目标
在本教程中，您将学习如何：

使用cv :: imread加载图像
使用cv :: cvtColor将图像从BGR转换为灰度格式
将转换的图像保存在磁盘上的文件（使用cv :: imwrite）
代码
这里是：

#include <opencv2/opencv.hpp>
using namespace cv;
int main( int argc, char** argv )
{
 char* imageName = argv[1];
 Mat image;
 image = imread( imageName, IMREAD_COLOR );
 if( argc != 2 || !image.data )
 {
   printf( " No image data \n " );
   return -1;
 }
 Mat gray_image;
 cvtColor( image, gray_image, COLOR_BGR2GRAY );
 imwrite( "../../images/Gray_Image.jpg", gray_image );
 namedWindow( imageName, WINDOW_AUTOSIZE );
 namedWindow( "Gray image", WINDOW_AUTOSIZE );
 imshow( imageName, image );
 imshow( "Gray image", gray_image );
 waitKey(0);
 return 0;
}

说明
我们首先使用位于由imageName给出的路径中的cv :: imread加载图像。对于这个例子，假设你正在加载BGR图像。
现在我们将把我们的图像从BGR转换成灰度格式。OpenCV有一个非常好的功能来做这种转换：

cvtColor( image, gray_image, COLOR_BGR2GRAY );

  你可以看到，cv :: cvtColor作为参数：

源图像（图像）
目标图像（gray_image），我们将保存转换的图像。
一个附加参数，指示将执行什么样的转换。在这种情况下，我们使用COLOR_BGR2GRAY（因为cv :: imread在彩色图像的情况下具有BGR默认通道顺序）。
所以现在我们有我们的新的gray_image，并希望将其保存在磁盘上（否则在程序结束后会丢失）。为了保存它，我们将使用一个函数来解析cv ::

imread：cv :: imwrite
imwrite（“../../images/Gray_Image.jpg”，gray_image）;

  这将节省我们的gray_image为Gray_Image.jpg在文件夹图像位于两个级别我的当前位置。

最后，我们来看看图片。我们创建两个窗口并使用它们来显示原始图像以及新的图像：

namedWindow( imageName, WINDOW_AUTOSIZE );
namedWindow( "Gray image", WINDOW_AUTOSIZE );
imshow( imageName, image );
imshow( "Gray image", gray_image );

程序的waitKey（0）函数调用添加到用户密钥按下后永远等待。
结果
当你运行你的程序你应该得到这样的东西：

OpenCV 图像加载，修改和保存

如果你检查你的文件夹（在我的情况下图像），你应该有一个名为Gray_Image.jpg的新的.jpg文件：

补充：上面的教程来自cv官方文档，它这边写的比较详细。我这边补充一点

关于Mat

可以看到程序在执行时我们都得先定义一个Mat类
就像之前在判断里面有一个.data属性

 if( argc != 2 || !image.data )

Mat实际上就是一个数组
[ 0 0 0
1 1 1
2 2 2]
data：
uchar类型的指针，指向Mat数据矩阵的首地址。可以理解为标示一个房屋的门牌号；
dims：
Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一 个平面上的矩阵。
可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房；

rows：
Mat矩阵的行数。可理解为房屋内房间行数；
cols：
Mat矩阵的列数。可理解为房屋内房间列数；
size()：
首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：
image.size().widthimage.cols; image.size().heightimage.rows

     可以理解为房屋内房间的整体布局，这其中包括了房间分别在行列上分布的数量信息；

channels()：
Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels3；而灰度图像只有一个灰度分量信息， channels1。
可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床；

depth：
用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。在 Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：
enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}

    其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。

    可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系；

elemSize：
elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么 elemSize1；如果是CV_8UC3或CV_8SC3，那么elemSize3；如果是CV_16UC3或者CV_16SC3，那么 elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；
可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了；

elemSize1：
elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很 容易解释这个属性了：表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有：
eleSize1==elemSize/channels；

step：
可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所 有元素、所有通道、所有通道的elemSize1之后的值；
step1()：
以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：
step1==step/elemSize1；

type：
Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道 数)，所有取值如下：

上述关于Mat属性解释来自https://blog.csdn.net/daaizjh/article/details/81053165