opencv学习笔记——vs2019的编译环境（二）ROI空间与图像的线性混合

第二课 ROI空间与图像的线性混合

上次课我们简单的介绍了关于图片操作最最最基本的知识，现在来一点点升级版，图像的混合

1.ROI空间的定义

ROI空间可以简单抽象的理解为一个工作空间，即在一张图片中，你想要进行混合叠加等操作的矩形区域，这一空间具有长度、高度、位置坐标三个属性，其中位置坐标为矩形区域左上角对应的坐标。

这里需要给大家再深一步的解释Mat数据类型。

为什么一张图片中可以找到位置坐标呢？这个坐标是人为设置的吗？当然不是。每一个图片都有自己的分辨率，拿500x500分辨率的图片来说，500x500即代表这张图片上共有500*500=250000个像素点，抽象的讲，每个像素点对应的长度与宽度均为1，所以整张图片存放到程序后，是有一个默认的简单二维坐标系的。

此外，对于所有的像素点，均有其对应存取的数据。也就是说，任意一个像素点均存储了该像素点的颜色信息、亮度对比度信息等图片信息，所以，整个opencv代码的思想就是对每个像素点数据进行计算和修改，得到最终用户想要的图片，怎么样，是不是很神奇。

下面是ROI空间的定义方法实例：
方法1：

//pic图片赋值给变量srcImage1
Mat srcImage1= imread("pic.jpg"); 
//定义一个Mat类型的变量imageROI并给其设定ROI区域
Mat imageROI= srcImage1(Rect(200,250,srcImage1.cols,srcImage1.rows));

方法2：

//pic图片赋值给变量srcImage1
Mat srcImage1= imread("pic.jpg"); 
//定义一个Mat类型的变量imageROI并给其设定ROI区域
Mat imageROI;
imageROI=srcImage3(Range(250,250+srcImage1.rows),Range(200,200+srcImage1.cols));

需要仔细看的地方来了。
在方法1中，函数参数解释是这样的：
Mat imageROI= srcImage1(
Rec