OpenCV计算机视觉编程篇一《图像编程入门》

1.1 简介

本文将介绍 OpenCV 的基本要素，并演示如何完成最基本的图像处理任务：读取、显示和存 储图像。在开始之前，首先需要安装 OpenCV 库。安装过程非常简单，1.2 节会详细介绍。 所有的计算机视觉应用程序都涉及对图像的处理，因此 OpenCV 提供了一个操作图像和矩阵 的数据结构。此数据结构功能非常强大，具有多种实用属性和方法。此外，它还包含先进的内存 管理模型，对于应用程序的开发大有帮助。本章最后两节将介绍如何使用这个重要的 OpenCV 数据结构。

1.2 安装 OpenCV 库

OpenCV 是一个开源的计算机视觉程序库，可在 Windows、Linux、Mac、Android、iOS 等多 种平台下运行。在 BSD 许可协议下，它可以用于学术应用和商业应用的开发，可随意使用、发 布和修改。本节将介绍如何安装 OpenCV 程序库。

1.2.1 准备工作

你可以在 OpenCV 官方网站http://opencv.org/获取最新版程序库、在线 API 文档以及诸多其他 有用的资源。

1.2.2 如何实现

在 OpenCV 网站上找到最新版本，选择你使用的平台（Windows、Linux/Mac 或 iOS），下载 OpenCV 包并解压。解压时会生成 opencv 目录。最好修改这个目录名称，以体现出当前版本号（例 如在 Windows 系统中可用 C:\opencv-3.2）。该目录下的文件和子目录构成了程序库。请注意，有 一个 sources 目录，它包含所有的源代码文件。（是的，它是开源的！）

要完成程序库的安装并投入使用，还有一个重要的步骤：针对所选环境生成程序库的二进制文件。这时必须选定创建 OpenCV 程序所用的目标平台：使用哪种操作系统？使用什么编译器？ 使用哪个版本？ 32 位还是 64 位？正因为选项众多，才必须根据实际需要生成二进制文件。

在集成开发环境（integrated development environment，IDE）中也可以设置这些选项。请注意，库文件也是预先编译好的，如果与环境匹配（可查看 build 目录），可以直接使用。如果二进制文件能满足需求，就可以开始使用了。

需要特别注意的是，OpenCV 已经分成了两个主要部分。第一部分是包含了成熟算法的 OpenCV 主源码库，也就是之前下载的内容。此外还有一个独立的代码库，它包含了 最近加入 OpenCV 的计算机视觉算法。如果只想使用 OpenCV 的核心函数，就不需要这个 contrib 包；但如果要使用最先进的算法，就很可能需要这个额外的模块。实际上，本书就介绍了其中的 几种高级算法，因此你需要准备好 contrib 模块——到https://github.com/opencv/opencv_contrib 即可下载额外的 OpenCV 模块（zip 文件）。模块解压后，可以放在任何目录下，但需要能够在 opencv_contrib-master/modules 中找到。方便起见，可以将文件夹改名为 contrib，并直接复制到主程序包的 sources 目录下。在这些额外的模块中，你可以只选取和保存需要使用的；不过为了避免麻烦，这里先全部保存下来。

现在就可以开始安装了！编译 OpenCV 时，强烈建议你使用 CMake 工具（可从 http://cmake. org 下载）。CMake 也是一个开源软件，采用平台无关的配置文件，可以控制软件的编译过程。它可以根据不同的环境，生成编译所需的 makefile 或 solution 文件，因此它是必须下载和安装的。 你还可以根据需要下载可视化工具包（Visualization Toolkit，VTK），详情请参见 1.2.4 节。

你可以在命令行中运行 cmake，但是采用图形界面（cmake-gui）的 CMake 会更加容易。 如果使用图形界面，只需要指定 OpenCV 源程序和二进制文件的路径，点击 Configure 并选择编译器即可。

除了基本设置，CMake 还有许多选项，例如是否安装文档、是否安装额外的库。如果不是非常熟悉，最好采用默认设置。但因为这次需要包含附加模块，所以需要指定这些模块的安装 目录。

指定附加模块后，再次点击 Configure。现在可以点击 Generate 按钮生成项目文件了，这些项目文件将用来编译程序库。这是安装过程的最后一个步骤，会生成能在指定开发环境下使用的程序库。如果你选用 MS Visual Studio，那么只需要打开由 CMake 创建的位于顶层的解决方案 文件（通常是 OpenCV.sln 文件），然后选择 INSTALL 项目（CMakeTargets 下）并执行 Build 指令（使用右键）。

如果要得到 Release和 Debug两个版本，你就需要编译两次，每个相应的配置各一次。如果一 切顺利，build 目录下将自动创建 install 目录，该目录下有关联到应用程序的 OpenCV 库的所有二 进制文件，以及程序需要调用的动态库文件。别忘了在控制面板中设置环境变量 PATH，以确保 运行程序时操作系统能找到这些 dll 文件（例如 C:\opencv-3.2\build\install\x64\vc14\bin）。你还可 以定义环境变量 OPENCV_DIR，让它指向 INSTALL 路径。这样，在配置其他工程时，CMake 就 能找到库文件了。

在 Linux 环境中，可以用 CMake 生成 Makefile 文件，然后运行 sudo make install 命令 完成安装过程；也可以使用打包工具 apt-get，自动完成安装过程。Mac 系统则可以使用 Homebrew 管理工具。安装这个工具后，只需要输入 brew install opencv3 --with-contrib 即可完 成整个 OpenCV 安装过程（输入 brew info opencv3 可查看选项）。

1.2.3 实现原理

OpenCV 一直在升级，第 3 版增加了很多新功能，也提高了性能。从第 2 版起，API 就开始 迁移到 C++，现在已经基本迁移完毕，并实现了更一致的接口。新版本的一个主要变化是重构了库模块，使部署更加方便。它创建了一个包含最新算法的独立库（contrib 库），其中包含一些基于特定许可协议、需要付费才能使用的算法。这样做的好处是，开发者和研发人员可以在 OpenCV 上共享最新的功能，同时能确保核心 API 的稳定性和易维护性。你可以从 http://opencv.org/下载 主体模块，而附加模块则必须到 GitHub（https://github.com/opencv/）下载。需要注意的是，这些附加模块仍在开发中，它们的算法会经常修改。

OpenCV 库分为多个模块：opencv_core 模块包含库的核心功能，opencv_imgproc 模块 包含主要的图像处理函数，opencv_highgui 模块提供了读写图像和视频的函数以及一些用户交 互函数，等等。在使用某个模块之前，需要包含该模块对应的头文件。很多使用 OpenCV 的应用 程序会在文件的开头处声明：

#include 
#include 
#include 

在学习 OpenCV 的过程中，你会逐步发现它的众多模块中包含的大量功能。

1.2.4 扩展阅读

OpenCV 网站 http://opencv.org/上有详细的安装说明，还有完整的在线文档，包括几个针对程序库中不同组件的教程。

1. 可视化工具包和 cv::viz 模块 一些程序会利用计算机视觉技术，根据图像重构某个场景的三维信息。在处理三维数据时， 在三维虚拟世界中呈现相关结果的效果往往更好。第 11 章将介绍 cv::viz 模块，它提供了很多函数，用于在三维环境下展示场景目标和相机。不过这个模块是基于另一个开源库 VTK 的。因此，如果要使用 cv::viz 模块，必须在编译 OpenCV 之前安装 VTK。 可以从 http://www.vtk.org/下载 VTK。只需下载该开源库并执行 CMake，即可在开发环境中创 建库。本文使用的版本为 6.3.0。此外，还需要创建环境变量 VTK_DIR，让它指向编译文件所在的 文件夹。在使用 CMake 安装 OpenCV 并进行配置的过程中，要确保 WITH_VTK 选项处于选中状态。
2. OpenCV 开发者网站 OpenCV 是一个开源项目，非常欢迎用户来添砖加瓦。它被托管在 GitHub（提供基于 Git 的 版本控制和源代码管理工具的 Web 服务）上。你可以访问开发者网站 https://github.com/opencv/ opencv/wiki。除此之外，你还可以从此处获取已经开发完毕的 OpenCV 版本。这个社区使用 Git 作为版本控制系统。作为一个免费、开源的软件系统，Git 可能是管理源代码的最好工具。

1.2.5 参阅

• 作者的网站（www.xuhss.com）上有安装最新版本 OpenCV 库的详细步骤。
• 有关源代码管理的方法，可参阅https://git-scm.com/和https://github.com/。

1.3 装载、显示和存储图像

现在开始运行第一个 OpenCV 应用程序。既然 OpenCV 是用来处理图像的，那就先来演示几 个图像应用程序开发中最基本的操作：从文件中装载输入的图像、在窗口中显示图像、应用处理 函数再保存输出的图像。

1.3.1 准备工作

使用你喜欢的 IDE（例如 MS Visual Studio 或者 Qt）新建一个控制台应用程序，使用待填充内容的 main 函数。

1.3.2 如何实现 首先要引入定义了所需的类和函数的头文件。这里我们只想显示一幅图像，因此需要定义了 图像数据结构的核心头文件和包含了所有图形接口函数的 highgui 头文件:

#include 
#include 

首先在 main 函数中定义一个表示图像的变量。在 OpenCV 中，就是定义 cv::Mat 类的对象：

cv::Mat image; // 创建一个空图像

这个定义创建了一个尺寸为 0×0 的图像，可以通过访问 cv::Mat 的 size 属性来验证这一点：

std::cout << "This image is " << image.rows << " x "
 << image.cols << std::endl; 

接下来只需调用读函数，即会从文件读入一个图像，解码，然后分配内存

image= cv::imread("puppy.bmp"); // 读取输入图像

现在可以使用这幅图像了，但是要先检查一下图像的读取是否正确（如果找不到文件、文件 被破坏或者文件格式无法识别，就会发生错误）。用下面的代码来验证图像是否有效：

if (image.empty()) { // 错误处理
 // 未创建图像……
 // 可能显示一个错误消息
 // 并退出程序
 ...
} 

如果没有分配图像数据，empty 方法将返回 true。 对这幅图像的第一个操作就是显示它——你可以使用 highgui 模块的函数来实现。首先定 义用来显示图像的窗口，然后让图像在指定的窗口中显示出来：

// 定义窗口（可选）
cv::namedWindow("Original Image");
// 显示图像
cv::imshow("Original Image", image);

可以看到，这个窗口是以名称命名的。稍后可以用这个窗口来显示其他图像，也可以用不同 的名称创建多个窗口。运行这个应用程序，可看到如下的图像窗口。

这时，我们通常会对图像做一些处理。OpenCV 提供了大量处理函数，本书将对其中的一些 进行深入探讨。先来看一个水平翻转图像的简单函数。OpenCV 中的有些图像转换过程是就地进 行的，即转换过程直接在输入的图像上进行（不创建新的图像），比如翻转方法就是这样。不过， 我们总是可以创建新的矩阵来存放输出结果。下面就试试这种方法：

cv::Mat result; // 创建另一个空的图像
cv::flip(image,result,1); // 正数表示水平
 // 0 表示垂直
 // 负数表示水平和垂直

在另一个窗口显示结果：

cv::namedWindow("Output Image"); // 输出窗口
cv::imshow("Output Image", result); 

因为它是控制台窗口，会在 main 函数结束时关闭，所以需要增加一个额外的 highgui 函 数，待用户键入数值后再结束程序：

cv::waitKey(0); // 0 表示永远地等待按键
 // 键入的正数表示等待的毫秒数

我们可以在另一个窗口上看到输出的图像，如下所示。

最后，可以使用 highgui 函数把处理过的图像存储在磁盘里：

cv::imwrite("output.bmp", result); // 保存结果

保存图像时会根据文件名后缀决定使用哪种编码方式。其他常见的受支持图像格式是 JPG、 TIFF 和 PNG。

1.3.3 实现原理

OpenCV 的 C++ API 中，所有类和函数都在命名空间 cv 内定义。访问它们的方法共有两 种，第一种是在定义 main 函数前使用如下声明：

using namespace cv; 

第二种方法是根据命名空间规范给所有 OpenCV 的类和函数加上前缀 cv::，本书采用的就 是这种方法。添加前缀后，代码中 OpenCV 的类和函数将更容易识别。

highgui 模块中有一批能帮助我们轻松显示图像并对图像进行操作的函数。在使用 imread 函数装载图像时，你可以通过设置选项把它转换为灰度图像。这个选项非常实用，因为有些计算 机视觉算法是必须使用灰度图像的。在读入图像的同时进行色彩转换，可以提高运行速度并减少 内存使用，做法如下所示：

// 读入一个图像文件并将其转换为灰度图像
image= cv::imread("puppy.bmp", CV::IMREAD_GRAYSCALE);

这样生成的图像由无符号字节（unsigned byte，C++中为 unsigned char）构成，在 OpenCV 中用常量 CV_8U 表示。另外，即使图像是作为灰度图像保存的，有时仍需要在读入时把它转换 成三通道彩色图像。要实现这个功能，可把 imread 函数的第二个参数设置为正数：

// 读取图像，并将其转换为三通道彩色图像
image= cv::imread("puppy.bmp", CV::IMREAD_COLOR);

在这样创建的图像中，每个像素有 3 字节，OpenCV 中用 CV_8UC3 表示。当然了，如果输 入的图像文件是灰度图像，这三个通道的值就是相同的。最后，如果要在读入图像时采用文件本 身的格式，只需把第二个参数设置为负数。可用 channels 方法检查图像的通道数：

std::cout << "This image has "
 << image.channels() << " channel(s)";

请注意，当用 imread 打开路径指定不完整的图像时（前面例子的做法），imread 会自动采 用默认目录。如果从控制台运行程序，默认目录显然就是当前控制台的目录；但是如果直接在 IDE 中运行程序，默认目录通常就是项目文件所在的目录。因此，要确保图像文件在正确的目录下。

当你用 imshow 显示由整数（CV_16U 表示 16 位无符号整数，CV_32S 表示 32 位有符号整 数）构成的图像时，图像每个像素的值会被除以 256，以便能够在 256 级灰度中显示。同样，在 显示由浮点数构成的图像时，值的范围会被假设为 0.0（显示黑色）~1.0（显示白色）。超出这个 范围的值会显示为白色（大于 1.0 的值）或黑色（小于 0.0 的值）。

highgui 模块非常适用于快速构建原型程序。在生成程序的最终版本前，你很可能会用到 IDE 提供的 GUI 模块，这样会让程序看起来更专业。

这个程序同时使用了输入图像和输出图像，作为练习，你可以对这个示例程序做一些改动， 比如改成就地处理的方式，也就是不定义输出图像而直接写入原图像：

cv::flip(image,image,1); // 就地处理

1.3.4 扩展阅读

highgui 模块中有大量可用来处理图像的函数，它们可以使程序对鼠标或键盘事件做出响应， 也可以在图像上绘制形状或写入文本。

1. 在图像上点击

通过编程，你可以让鼠标在置于图像窗口上时运行特定的指令。要实现这个功能，需定义一 个合适的回调函数。回调函数不会被显式地调用，但是会在响应特定事件（这里是指有关鼠标与 图像窗口交互的事件）的时候被程序调用。为了能被程序识别，回调函数需要具有特定的签名， 并且必须注册。对于鼠标事件处理函数，回调函数必须具有这种签名：

void onMouse( int event, int x, int y, int flags, void* param);

第一个参数是整数，表示触发回调函数的鼠标事件的类型。后面两个参数是事件发生时鼠标 的位置，用像素坐标表示。参数 flags 表示事件发生时按下了鼠标的哪个键。最后一个参数是 指向任意对象的指针，作为附加的参数发送给函数。你可用下面的方法在程序中注册回调函数：

cv::setMouseCallback("Original Image", onMouse,
 reinterpret_cast(&image));

在本例中，函数 onMouse 与名为 Original Image（原始图像）的图像窗口建立了关联，同 时把所显示图像的地址作为附加参数传给函数。现在，只要用下面的代码定义回调函数 onMouse， 每当遇到鼠标点击事件时，控制台就会显示对应像素的值（这里假定它是灰度图像）：

void onMouse( int event, int x, int y, int flags, void* param) {
 cv::Mat *im= reinterpret_cast(param);
 switch (event) { // 调度事件
 	case CV::EVENT_LBUTTONDOWN: // 鼠标左键按下事件
     // 显示像素值(x,y)
     std::cout << "at (" << x << "," << y << ") value is: "
     << static_cast(
     im->at(cv::Point(x,y))) << std::endl;
     break;
 }
}

这里用 cv::Mat 对象的 at 方法来获取(x, y)的像素值，第 2 章会详细讨论这个方法。鼠 标事件的回调函数可能收到的事件还有 cv::EVENT_MOUSEMOVE、cv::EVENT_LBUTTONUP、 cv::EVENT_RBUTTONDOWN 和 cv::EVENT_RBUTTONUP。

2. 在图像上绘图

OpenCV 还提供了几个用于在图像上绘制形状和写入文本的函数。基本的形状绘制函数有 circle、ellipse、line 和 rectangle。这是一个使用 circle 函数的例子：

cv::circle(image, // 目标图像
 cv::Point(155,110), // 中心点坐标
 65, // 半径
 0, // 颜色（这里用黑色）
 3); // 厚度

在 OpenCV 的方法和函数中，我们经常用 cv::Point 结构来表示像素的坐标。这里假定是 在灰度图像上进行绘制的，因此用单个整数来表示颜色。1.4 节将讲述如何使用 cv::Scalar 结 构表示彩色图像颜色值。你也可以在图像上写入文本，方法如下所示：

cv::putText(image, // 目标图像
 "This is a dog.", // 文本
 cv::Point(40,200), // 文本位置
 cv::FONT_HERSHEY_PLAIN, // 字体类型
 2.0, // 字体大小
 255, // 字体颜色（这里用白色）
 2); // 文本厚度

在测试图像上调用上述两个函数后，得到的结果如下图所示。

请注意，只有在包含顶层模块头文件 opencv2/imgproc.hpp 的前提下，这些例子才能正常运行。

1.3.5 参阅

cv::Mat 类是用来存放图像（以及其他矩阵数据）的数据结构。在所有 OpenCV 类和函 数中，这个数据结构占据着核心地位，1.4 节将对它做详细介绍。

1.4 深入了解 cv::Mat

1.3 节提到了 cv::Mat 数据结构。正如前面所说，它是程序库中的关键部件，用来操作图像 和矩阵（从计算机和数学的角度看，图像其实就是矩阵）。在开发程序时，你会经常用到这个数 据结构，因此有必要熟悉它。通过本节的学习，你将了解到它采用了很巧妙的内存管理机制。

1.4.1 如何实现

可以用下面的程序来测试 cv::Mat 数据结构的不同属性：

#include 
#include  
#include 
// 测试函数，它创建一幅图像
cv::Mat function() {
 // 创建图像
 cv::Mat ima(500,500,CV_8U,50);
 // 返回图像
 return ima;
}
int main() {
 // 创建一个 240 行×320 列的新图像
 cv::Mat image1(240,320,CV_8U,100);
 cv::imshow("Image", image1); // 显示图像
 cv::waitKey(0); // 等待按键
 // 重新分配一个新图像
 image1.create(200,200,CV_8U);
 image1= 200;
 cv::imshow("Image", image1); // 显示图像
 cv::waitKey(0); // 等待按键
 // 创建一个红色的图像
 // 通道次序为 BGR
 cv::Mat image2(240,320,CV_8UC3,cv::Scalar(0,0,255));
 // 或者
 // cv::Mat image2(cv::Size(320,240),CV_8UC3);
 // image2= cv::Scalar(0,0,255);
 cv::imshow("Image", image2); // 显示图像
 cv::waitKey(0); // 等待按键
 // 读入一幅图像
 cv::Mat image3= cv::imread("puppy.bmp");
 // 所有这些图像都指向同一个数据块
 cv::Mat image4(image3);
 image1= image3;
 // 这些图像是源图像的副本图像
 image3.copyTo(image2);
 cv::Mat image5= image3.clone();
 // 转换图像进行测试
 cv::flip(image3,image3,1);
 // 检查哪些图像在处理过程中受到了影响
 cv::imshow("Image 3", image3);
 cv::imshow("Image 1", image1);
 cv::imshow("Image 2", image2);
 cv::imshow("Image 4", image4);
 cv::imshow("Image 5", image5); 
 cv::waitKey(0); // 等待按键
 // 从函数中获取一个灰度图像
 cv::Mat gray= function();
 cv::imshow("Image", gray); // 显示图像
 cv::waitKey(0); // 等待按键
 // 作为灰度图像读入
 image1= cv::imread("puppy.bmp", CV_LOAD_IMAGE_GRAYSCALE);
 image1.convertTo(image2,CV_32F,1/255.0,0.0);
 cv::imshow("Image", image2); // 显示图像
 cv::waitKey(0); // 等待按键
 return 0;
}

运行这个程序，你将得到下面这些图像。

1.4.2 实现原理

cv::Mat 有两个必不可少的组成部分：一个头部和一个数据块。头部包含了矩阵的所有相关 信息（大小、通道数量、数据类型等），1.3 节介绍了如何访问 cv::Mat 头部文件的某些属性（例如通过使用 cols、rows 或 channels）。数据块包含了图像中所有像素的值。头部有一个指向数据块的指针，即 data 属性。cv::Mat 有一个很重要的属性，即只有在明确要求时，内存块才会被复制。实际上，大多数操作仅仅复制了 cv::Mat 的头部，因此多个对象会指向同一个数据块。这种内存管理模式可以提高应用程序的运行效率，避免内存泄漏，但是我们必须了解它带来 的后果。本节的例子会对这点进行说明。

新创建的 cv::Mat 对象默认大小为 0，但也可以指定一个初始大小，例如：

// 创建一个 240 行×320 列的新图像
cv::Mat image1(240,320,CV_8U,100);

我们需要指定每个矩阵元素的类型，这里用 CV_8U 表示每个像素对应 1 字节（灰度图像）， 用字母 U 表示无符号；你也可用字母 S 表示有符号。对于彩色图像，你应该用三通道类型 （CV_8UC3），也可以定义 16 位和 32 位的整数（有符号或无符号），例如 CV_16SC3。我们甚至 可以使用 32 位和 64 位的浮点数（例如 CV_32F）。

图像（或矩阵）的每个元素都可以包含多个值（例如彩色图像中的三个通道），因此 OpenCV 引入了一个简单的数据结构 cv::Scalar，用于在调用函数时传递像素值。该结构通常包含一个 或三个值。如果要创建一个彩色图像并用红色像素初始化，可用如下代码：

// 创建一个红色图像
// 通道次序是 BGR
cv::Mat image2(240,320,CV_8UC3,cv::Scalar(0,0,255));

与之类似，初始化灰度图像可这样使用这个数据结构：cv::Scalar(100)。

图像的尺寸信息通常也需要传递给调用函数。前面讲过，我们可以用属性 cols 和 rows 来 获得 cv::Mat 实例的大小。cv::Size 结构包含了矩阵高度和宽度，同样可以提供图像的尺寸 信息。另外，可以用 size()方法得到当前矩阵的大小。当需要指明矩阵的大小时，很多方法都 使用这种格式。

例如，可以这样创建一幅图像：

// 创建一个未初始化的彩色图像
cv::Mat image2(cv::Size(320,240),CV_8UC3); 

可以随时用 create 方法分配或重新分配图像的数据块。如果图像已被分配，其原来的内容 会先被释放。出于对性能的考虑，如果新的尺寸和类型与原来的相同，就不会重新分配内存：

// 重新分配一个新图像
//（仅在大小或类型不同时）
image1.create(200,200,CV_8U);

一旦没有了指向 cv::Mat 对象的引用，分配的内存就会被自动释放。这一点非常方便，因 为它避免了 C++动态内存分配中经常发生的内存泄漏问题。这是 OpenCV（从第 2 版开始引入） 中的一个关键机制，它的实现方法是通过 cv::Mat 实现计数引用和浅复制。因此，当在两幅图 像之间赋值时，图像数据（即像素）并不会被复制，此时两幅图像都指向同一个内存块。这同样 适用于图像间的值传递或值返回。由于维护了一个引用计数器，因此只有当图像的所有引用都将 释放或赋值给另一幅图像时，内存才会被释放：

// 所有图像都指向同一个数据块
cv::Mat image4(image3);
image1= image3;

对上面图像中的任何一个进行转换都会影响到其他图像。如果要对图像内容做一个深复制， 你可以使用 copyTo 方法，目标图像将会调用 create 方法。另一个生成图像副本的方法是 clone， 即创建一个完全相同的新图像：

// 这些图像是原始图像的新副本
image3.copyTo(image2);
cv::Mat image5= image3.clone(); 

在本节的例子中，我们对 image3 做了修改。其他图像也包含了这幅图像，有的图像共用了 同一个图像数据，有的图像则有图像数据的独立副本。查看显示的图像，找出哪些图像因修改 image3 而产生了变化。

如果你需要把一幅图像复制到另一幅图像中，且两者的数据类型不一定相同，那就要使用 convertTo 方法了：

// 转换成浮点型图像[0,1]
image1.convertTo(image2,CV_32F,1/255.0,0.0);

本例中的原始图像被复制进了一幅浮点型图像。这一方法包含两个可选参数：缩放比例和偏 移量。需要注意的是，这两幅图像的通道数量必须相同。

cv::Mat 对象的分配模型还能让程序员安全地编写返回一幅图像的函数（或类方法）：

cv::Mat function() {
 // 创建图像
 cv::Mat ima(240,320,CV_8U,cv::Scalar(100));
 // 返回图像
 return ima;
} 

我们还可以从 main 函数中调用这个函数：

// 得到一个灰度图像
cv::Mat gray= function();

运行这条语句后，就可以用变量 gray 操作这个由 function 函数创建的图像，而不需要额 外分配内存了。正如前面解释的，从 cv::Mat 实例到灰度图像实际上只是进行了一次浅复制。 当局部变量 ima 超出作用范围后，ima 会被释放。但是从相关引用计数器可以看出，另一个实例 （即变量 gray）引用了 ima 内部的图像数据，因此 ima 的内存块不会被释放。

请注意，在使用类的时候要特别小心，不要返回图像的类属性。下面的实现方法很容易 引发错误：

class Test {
 // 图像属性
 cv::Mat ima;
 public:
 // 在构造函数中创建一幅灰度图像
 Test() : ima(240,320,CV_8U,cv::Scalar(100)) {}
 // 用这种方法回送一个类属性，这是一种不好的做法
 cv::Mat method() { return ima; }
}; 

如果某个函数调用了这个类的 method，就会对图像属性进行一次浅复制。副本一旦被修改， class 属性也会被“偷偷地”修改，这会影响这个类的后续行为（反之亦然）。这违反了面向对 象编程中重要的封装性原理。为了避免这种类型的错误，你需要将其改成返回属性的一个副本。

1.4.3 扩展阅读

OpenCV 中还有几个与 cv::Mat 相关的类，熟练掌握这些类也很重要。

1. 输入和输出数组

在 OpenCV 的文档中，很多方法和函数都使用 cv::InputArray 类型作为输入参数。 cv::InputArray 类型是一个简单的代理类，用来概括 OpenCV 中数组的概念，避免同一个方法 或函数因为使用了不同类型的输入参数而有多个版本。也就是说，你可以在参数中使用 cv::Mat 对象或者其他的兼容类型。因为它是一个输入数组，所以你必须确保函数不会修改这个数据结构。 有趣的是，cv::InputArray 也能使用常见的 std::vector 类来构造；也就是说，用这种方式 构造的对象可以作为 OpenCV 方法和函数的输入参数（但千万不要在自定义类和函数中使用这个 类）。其他兼容的类型有 cv::Scalar 和 cv::Vec，后者将在下一章介绍。此外还有一个代理类 cv::OutputArray，用来指定某些方法或函数的返回数组。

2. 处理小矩阵

开发应用程序时，你可能会遇到需要处理小矩阵的情况，这时就可以使用模板类 cv::Matx 和它的子类。举个例子，下面的代码定义了一个 3×3 的双精度型浮点数矩阵和一个 3 元素的向量， 然后使两者相乘：

// // 3×3 双精度型矩阵
cv::Matx33d matrix(3.0, 2.0, 1.0,
 2.0, 1.0, 3.0,
 1.0, 2.0, 3.0);
// 3×1 矩阵（即向量）
cv::Matx31d vector(5.0, 1.0, 3.0);
// 相乘
cv::Matx31d result = matrix*vector;

这些矩阵可以进行常见的数学运算。

1.4.4 参阅

要查看完整的 OpenCV 文档，请访问 http://docs.opencv.org/。

第 2 章将介绍如何高效地访问和修改 cv::Mat 表示的图像的像素值。

1.5 节将解释如何定义图像内的感兴趣区域。

1.5 定义感兴趣区域

有时需要让一个处理函数只在图像的某个部分起作用。OpenCV 内嵌了一个精致又简洁的机 制，可以定义图像的子区域，并把这个子区域当作普通图像进行操作。本节将介绍如何定义图像 内部的感兴趣区域。

1.5.1 准备工作

假设我们要把一个小图像复制到一个大图像上。例如要把下面的标志插入到测试图像中。

为了实现这个功能，可以定义一个感兴趣区域（Region Of Interest，ROI），在此处进行复制 操作，这个 ROI 的位置将决定标志的插入位置。

1.5.2 如何实现

第一步是定义 ROI。定义后，就可以把 ROI 当作一个普通的 cv::Mat 实例进行操作。关键 在于，ROI 实际上就是一个 cv::Mat 对象，它与它的父图像指向同一个数据缓冲区，并且在头 部指明了 ROI 的坐标。接着，可以用下面的方法插入标志：

// 在图像的右下角定义一个 ROI
cv::Mat imageROI(image,
 cv::Rect(image.cols-logo.cols, // ROI 坐标
 image.rows-logo.rows,
 logo.cols,logo.rows)); // ROI 大小
// 插入标志
logo.copyTo(imageROI);

这里的 image 是目标图像，logo 是标志图像（相对较小）。运行上述代码后，你将得到下 面的图像。

1.5.3 实现原理

定义 ROI 的一种方法是使用 cv::Rect 实例。正如其名，它通过指明左上角的位置（构造 函数的前两个参数）和矩形的尺寸（后两个参数表示宽度和高度），描述了一个矩形区域。在这 个例子中，我们利用图像和标志的尺寸来确定标志的位置，即图像的右下角。很明显，整个 ROI 肯定处于父图像的内部。

ROI 还可以用行和列的值域来描述。值域是一个从开始索引到结束索引的连续序列（不含开 始值和结束值），可以用 cv::Range 结构来表示这个概念。因此，一个 ROI 可以用两个值域来 定义。本例中的 ROI 也可以定义为：

imageROI= image(cv::Range(image.rows-logo.rows,image.rows),
 cv::Range(image.cols-logo.cols,image.cols)); 

cv::Mat 的 operator()函数返回另一个 cv::Mat 实例，可供后续使用。由于图像和 ROI 共享了同一块图像数据，因此 ROI 的任何转变都会影响原始图像的相关区域。在定义 ROI 时， 数据并没有被复制，因此它的执行时间是固定的，不受 ROI 尺寸的影响。

要定义由图像中的一些行组成的 ROI，可用下面的代码：

cv::Mat imageROI= image.rowRange(start,end); 

与之类似，要定义由图像中一些列组成的 ROI，可用下面的代码：

cv::Mat imageROI= image.colRange(start,end);

1.5.4 扩展阅读

OpenCV 的方法和函数包含了很多本书并未涉及的可选参数。第一次使用某个函数时，你需要花时间看一下文档，查清该函数支持哪些选项。一个十分常见的选项很可能被用来定义图像掩码。

使用图像掩码

OpenCV 中的有些操作可以用来定义掩码。函数或方法通常对图像中所有的像素进行操作， 通过定义掩码可以限制这些函数或方法的作用范围。掩码是一个 8 位图像，如果掩码中某个位置 的值不为 0，在这个位置上的操作就会起作用；如果掩码中某些像素位置的值为 0，那么对图像 中相应位置的操作将不起作用。例如，在调用 copyTo 方法时就可以使用掩码，我们可以利用掩 码只复制标志中白色的部分，如下所示：

// 在图像的右下角定义一个 ROI
imageROI= image(cv::Rect(image.cols-logo.cols,
 image.rows-logo.rows,
 logo.cols,logo.rows));
// 把标志作为掩码（必须是灰度图像）
cv::Mat mask(logo);
// 插入标志，只复制掩码不为 0 的位置
logo.copyTo(imageROI,mask); 

执行这段代码后将得到下面这幅图像。

因为标志的背景是黑色的（因此值为 0），所以很容易同时作为被复制图像和掩码来使用。当然， 我们也可以在程序中自己决定如何定义掩码。OpenCV中大多数基于像素的操作都可以使用掩码。