---

前言：

😊😊😊欢迎来到本博客😊😊😊

🌟🌟🌟 本专栏主要结合OpenCV和C++来实现一些基本的图像处理算法并详细解释各参数含义，适用于平时学习、工作快速查询等，随时更新。

😊😊😊 具体食用方式：可以点击本专栏【OpenCV快速查找(更新中)】–>搜索你要查询的算子名称或相关知识点，或者通过这篇博客👉通俗易懂OpenCV(C++版)详细教程——OpenCV函数快速查找(不断更新中)]查阅你想知道的知识，即可食用。

🎁🎁🎁支持：如果觉得博主的文章还不错或者您用得到的话，可以悄悄关注一下博主哈，如果三连收藏支持就更好啦！这就是给予我最大的支持！😙😙😙

---

学习目标

• 了解灰度图像数字化基础知识
• 了解彩色图像数字化基础知识

---

一、 灰度图像数字化

  首先，对灰度图像做个简单介绍。例如，计算机中存储的一张灰度图像，右击–>属性–>详细信息。

  下图中，每一个方格代表图像的一个像素，水平方向上的方格数对应上图中的“宽度”，垂直方向上的方格数对应上图中的“高度”，计算机会将每一个方格数字化为一个数值，上图中的“位深度”是8(bit)，代表将每一个方格数字化为[0，255]之间的uchar类型数字，即用256个数字来衡量灰度的深浅，值越大，代表越亮，值越小，代表越灰，255代表白色，0代表黑色。
  实际上，计算机“看到”这张图像是一个224行(高度)*224列(宽度)的二维数字矩阵。数字图像处理的本质就是操作矩阵。

  

1.1 灰度图像转换为Mat

  (1) 读取

  在 opencv2/highgui/highgui.hpp 头文件中声明了读取本地磁盘中的灰度图像并转换为Mat的函数：

Mat imread(const string filename,int flags=1);

  本专栏主要以OpenCV3.x为主，对于OpenCV2.x与OpenCV3.x版本略有区别：

版本	filename	flags
OpenCV2.x	图像文件名(可含路径)	CV_LOAD_IMAGE_COLOR：彩色图像;CV_LOAD_IMAGE_GRAYSCALE：灰度图像;CV_LOAD_IMAGE_ANYCOLOR：任意图像
OpenCV3.x	同上	IMREAD_COLOR：彩色图像;IMREAD_GRAYSCALE：灰度图像;IMREAD_ANYCOLOR：任意图像

  
  (2) 显示

  参数flags为常用的几种。相反，如何将Mat对象作为图像进行显示呢？在highgui模块中定义了imshow函数来完成该功能。

void imread(const string winname,InputArray mat);

  winname：显示图像窗口名；
  mat：Mat对象；

  imread和imshow这两个函数，就可以完成读取并显示图像了。下面演示一个灰度图像读取显示小程序:

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>

using namespace std;
using namespace cv;

int  main(int argc, char**argv) {

	Mat image;
	image = imread("D:/VSCodeFile/OpenCV_CSDN/image/logo_gray.jpeg",IMREAD_GRAYSCALE);

	if (image.empty()){
		return -1;
	}

	//namedWindow("图片显示", WINDOW_AUTOSIZE);
	string winname = "图片显示";
	imshow(winname,image);
	
	waitKey(0);
	//destroyAllWindows();

	return 0;

}

  注意： 如果读取一个彩色图像文件，imread的参数flags设置的是读入灰度图像，那么会对彩色图像进行灰度化处理。

  

二、 彩色图像数字化

  同样，对彩色图像做个简单介绍，对彩色图像数字化的理解，和对灰度图像数字化的理解类似。例如，计算机中存储的一张彩色图像，右击–>属性–>详细信息。

  使用图像编辑器打开该图像，放大观察图像，会出现类似于下图的样子，有很多小方格，但是这些方格都是彩色的，不是灰色的。其实每一个彩色的方格都是由三个数值量化的，或者说是由一个具有三个元素的向量量化的。
  灰度图像的每一个像素都是由一个数字量化的，而彩色图像的每一个像素都是由三个数字组成的向量量化的。最常用的是由R、G、B三个分量来量化的，具体色彩的值用三个元素的向量来表示，这三个元素的数值分别代表三种基色：Red、Green、Blue的亮度。

  假设每种基色的数值量化成m=$2^n$个数，如同8位灰度图像一样，将灰度量化成$2^8$ =256个数。RGB图像的红、绿、蓝三个通道的图像都是一张8位图，因此颜色的总数为$256^3$ =16777216，如：

  (0，0，0)：代表黑色；
  (255，255，255)：代表白色；
  (255，0，0)：代表红色。

  

2.1 将RGB彩色图像转换为多通道Mat

  需将imread的flags修改一下，就可以将彩色图像转换为三通道的Mat对象，对于彩色图像的每一个方格，我们可以理解为一个Vec3b。

  需要注意的是：在OpenCV中，每一个像素的向量不是按照R、G、B分量排列的，而是按照B、G、R顺序排列的，所以通过split函数分离通道后，先后得到的是B、G、R通道。

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>

using namespace std;
using namespace cv;

int  main(int argc, char**argv) {
	//彩色图像
	Mat image;
	image = imread("D:/VSCodeFile/OpenCV_CSDN/image/logo.jpeg",IMREAD_COLOR);

	vector<Mat> Img;
	split(image, Img);
	imshow("原图", image);
	
	//channel--1
	Mat channel_1 = Img[0];
	imshow("第一通道—Blue", channel_1);

	//channel--2
	Mat channel_2 = Img[1];
	imshow("第二通道—Green", channel_2);

	//channel--1
	Mat channel_3 = Img[2];
	imshow("第三通道--Red", channel_3);

	waitKey(0);

	return 0;

}

  图中，经过和原图对比，可以直观感受到不同通道图像的差异。

---

三、 总结

  最后，长话短说，大家看完就好好动手实践一下，切记不能三分钟热度、三天打鱼，两天晒网。OpenCV是学习图像处理理论知识比较好的一个途径，大家也可以自己尝试写写博客，来记录大家平时学习的进度，可以和网上众多学者一起交流、探讨，有什么问题希望大家可以积极评论交流，我也会及时更新，来督促自己学习进度。希望大家觉得不错的可以点赞、关注、收藏。

---

🚶🚶🚶今天的文章就到这里啦~
喜欢的话，点赞👍、收藏⭐️、关注💟哦 ~