OpenCV图像的概念和基本操作

前言：
opencv最主要的的功能是用于图像处理，所以图像的概念贯穿了整个opencv，与其相关的核心类就是Mat。
像素：
图片尺寸以像素为单位时，每一厘米等于28像素，如1515厘米长度的图片，等于420420像素的长度。一个像素所能表达的不同颜色数取决于比特每像素(BPP)。

灰度图像:8bpp=2的8次方=256色，
高彩色:16bpp=2的16次方=65536色，
真彩色:24bpps=2的24次方=16777216色。

图像分辨率：
图像分辨率是图像总像素的多少，由于图像通常用矩阵表示，所以分辨率常用，mn表示，注意: n 表示行数(代表一列包含的像素)，m表示列数代表一行包含的像素。

640X480表示图像的长和宽分别为640和480，总像素为640X480=307200(相机中所说的30万分辨率)，
800X600表示图像的长和宽分别为800和600，总像素为800X600=480000(相机中所说的50万分辨率)。

图像和矩阵
图像是由像素组成的，而像素实际上就是带有坐标位置和颜色信息的点。我们把图片想象成由若干行，若干列的点组成的， 现实中有RGB颜色系统，我们可以把图中任意一点（位置在第m行，第n列）的点A表示为

A[m,n] = [blue,green,red]
参数解读
m |A点在图像中的第m行
n |A点在图像中的第n列
blue |表示蓝色，三原色（RGB）的第一个数值
green|表示绿色，三原色（RGB）的第二个数值
red |表示红色，三原色（RGB）的第一个数值

每个点对应的亮度可以理解为rgb的值，无符号8位数3维，则一个像素点为3维数组，分别对应RGB的值，在OpenCV中数据类型为:cV_8u3C。
假设Mx N，lij表示第j行j列，对应上图就是M= 300，N= 200。
假设Mx N，lij表示第j行j列，对应上图就是M= 300，N= 200。

注意:在Opencv中三维数组存储RGB值，存储颜色通道的顺序不是RGB，而是BGR，如下图:

Mat排列方式如下:

像素值的读写
很多时候，我们需要读取某个像素值，或者设置某个像素值;在更多的时候，我们需要对整个图像里的所有像素进行遍历。OpenCV提供了多种方法来实现图像的遍历。
方法一：at 函数

     cv::Mat grayim(600, 800, CV_8UC1);
    // 遍历所有像素，并设置像素值
    for( int i = 0; i < grayim.rows; ++i)
    {
     
        for( int j = 0; j < grayim.cols; ++j )
        {
     
             grayim.at<uchar>(i,j) = (i+j)%255;
        }

    }
   imshow("grayim",grayim);
    cv::Mat colorim(600, 800, CV_8UC3);
    // 遍历所有像素，并设置像素值
    for( int i = 0; i < colorim.rows; ++i)
    {
     
        for( int j = 0; j < colorim.cols; ++j )
        {
     
            cv::Vec3b pixel;
            // 注意：opencv通道顺序，BGR，非RGB
            pixel[0] = i%255;  // Blue
            pixel[1] = j%255;  // Green
            pixel[2] = 0;      // Red
            colorim.at<Vec3b>(i,j) = pixel;
        }
    }
    imshow("colorim",colorim);
    waitKey();

方法一：使用数据指针

 cv::Mat grayim(600, 800, CV_8UC1);
    cv::Mat colorim(600, 800, CV_8UC3);
    //遍历所有像素，并设置像素值
    for( int i = 0; i < grayim.rows; ++i)
    {
     
        //获取第 i 行首像素指针
        uchar * p = grayim.ptr<uchar>(i);
        //对第 i 行的每个像素(byte)操作
        for( int j = 0; j < grayim.cols; ++j )
        p[j] = (i+j)%255;
    }
    //遍历所有像素，并设置像素值
    for( int i = 0; i < colorim.rows; ++i)
    {
     
        //获取第 i 行首像素指针
        cv::Vec3b * p = colorim.ptr<cv::Vec3b>(i);
        for( int j = 0; j < colorim.cols; ++j )
        {
     
            p[j][0] = i%255;    //Blue
            p[j][1] = j%255;    //Green
            p[j][2] = 0;        //Red
        }
    }

    imshow("grayim",grayim);
     imshow("colorim",colorim);

实验效果

图像局部操作
选择单行/单列
示例:A矩阵的第i行，将这一行的所有元素都乘以2，然后赋值给第j行

A.row(j)= A.row(i)*2;

选择多行/多列
Range是OpencV中新增的类，该类有两个关键变量star和end。Range对象可以用来表示矩阵的多个连续的行或者多个连续的列。其表示的范围为从start到end，包含start。

// 创建一个单位阵
Mat A = Mat::eye(10, 10, CV_32S);
// 提取第 1 到 3 列（不包括 3）
Mat B = A(Range::all(), Range(1, 3));
// 提取B的第 5 至 9 行（不包括 9）
// 其实等价于C = A(Range(5, 9), Range(1, 3))
Mat C = B(Range(5, 9), Range::all());

选择指定区域
图像中提取感兴趣区域(Region of interest)有两种方法:
方法—:使用构造函数

//创建宽度为 320，高度为 240 的 3 通道图像
Mat img(Size(320, 240), CV_8UC3);
//roi 是表示 img 中 Rect(10, 10, 100, 100)区域的对象
Mat roi(img, Rect(10, 10, 100, 100));

方法二:使用括号运算符

Mat roi2 = img(Rect(10, 10, 100, 100));
//当然也可以使用Range对象来定义感兴趣区域，如下：
// 用括号运算符
Mat roi3 = img(Range(10, 100), Range(10, 100)); 
// 用构造函数
Mat roi4(img, Range(10, 100), Range(10, 100));

取对角线元素
矩阵的对角线元素可以使用cv::Mat就的diag()函数获取:

Mat Mat::diag(int d) const

1.当d=0时，表示取主对角线; 当参数d>0是，表示取主对角线下方的次对线，
2. 当d=1时，表示取主对角线下方，且紧贴主多角线的元素;
3. 当参数d<0时，示取主对角线上方的次对角线。如同row()和col)函数,diag()函数也不进行内存复制操作，其复杂度也是0(1)。