0:必用头文件

#include 
    
     #include 
     
      #include 
      
       #define WINDOW_AUTOSIZE 1//CV_WINDOW_AUTOSIZE 这个宏是存在的using namespace cv;
      
     
    

1：读取图片，显示图片，保存图片

//readMat image;image =imread("1.png",1);if (image.data==0) //读数据失败//write imwrite( "../../images/Gray_Image.jpg", gray_image );//show namedWindow( "color image", CV_WINDOW_AUTOSIZE ); imshow( "color image", image );//convert BGR to Gray//颜色转换函数 ：从源image,到目gray_image, 宏CV_BGR2GRAY规定了颜色变换方法 cvtColor( image, gray_image, CV_BGR2GRAY );

2:图片对象之间的reference and copy

//referenceMat A, C;                                 // creates just the header partsA = imread(argv[1], CV_LOAD_IMAGE_COLOR); // here we'll know the method used (allocate matrix)Mat B(A);                                 // Use the copy constructorC = A;                                    // Assignment operator//如上A,B,C都是指向同一个数据matrix,操作其中一个，同时会影响其它的数据//但是A,B,C有不同的header,所以 这些不同的header可以指向matrix中的一个子数据集//ROI:region of interest//如下，截取一张图片中的一部分数据 的方法Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangleMat E = A(Range::all(), Range(1,3)); // using row and column boundaries//copyMat F = A.clone();Mat G;A.copyTo(G);/*注意：图片的容器使用了Mat对象，Mat对象由header和data组成header是图片的信息:size and address pointer部分data是图片的颜色信息 */

3:老式函数cvLoadImage打开图片的方法

//加载显示    IplImage* img = cvLoadImage("13.png", 1);Mat mtx(img); // convert IplImage* -> MatnamedWindow("Display Image", WINDOW_AUTOSIZE );//将image图片在Display Image这个窗口中显示imshow("Display Image", mtx);cvWaitKey(0);//wait for ur enter press on the picture

4:图像颜色数据在内存中的存储方式

图片就是一个平面矩阵，所以只要知道了行列坐标，就可以读 写对应位置的像素值了，

当在图像数据加载到内存中时：由于内存地址是线性连续的，所以图像的存储方式也变成了线性的，线性存储也有利于快速的访问颜色数据（一个接一个的访问，确实会快点）

面使用image.isContinuous();这个函数来确定图像数据的存储在内存中是不是连续的。    Mat image=imread(argv[1],1);    if (image.data==0)    {        cerr<<"invalid image file to read!"<

4：Mat::depth()函数

if(image.depth()==CV_8U) //查看图像中，每个通道的颜色数据 的深度，//如我们常用的 BGR三通道，每个通道的值的范围为0-255,那么就说颜色深度为8位颜色深度就是表示 每个通道颜色的数据用了多少位，用如下几个宏表示：CV_8U  CV_16UCV_8S  CV_16S  CV_32S               CV_32F  CV_64F                CV_Assert(image.depth() == CV_8U);//保证传入数据为true才能进行下面操作，否则会退出程序，而且会有下面的报错，并且显示在源程序中哪一行出错！非常好的debug函数OpenCV Error: Assertion failed

下面的方法中，5,6,7，都是可以灵活的操作每个通道的数据，用的比较多的是方法5,效率也高点！

5：遍历图像中每个像素的方法

//方法1：    Mat image=imread("1.png",1);   CV_Assert(image.depth() == CV_8U); //0==0     int channels=image.channels(); //得到图像有多少个颜色通道    int rows=image.rows;           //得到图像有多少行    int cols=image.cols;           //得到图像有多少列    cols=cols*channels;            //列数xchannel数，才是更底层的图像的真实列数    unsigned char *pt;             //用来指向 每个颜色通道的 指针，用这个指针来读到每个像素的颜色值，当然改变像素值也是写这个指针指向的数值    for (int i=0;i
    
     (i);        for (int j=0;j
    

6:使用iterator（迭代器访问图片中的每一个像素）

// accept only char type matrices    CV_Assert(I.depth() == CV_8U);    const int channels = I.channels();    switch(channels)    {    case 1:        {            MatIterator_
    
      it, end;            for( it = I.begin
     
      (), end = I.end
      
       (); it != end; ++it)                *it = table[*it];            break;        }    case 3:        {            MatIterator_
       
         it, end;            for( it = I.begin
        
         (), end = I.end
         
          (); it != end; ++it) { (*it)[0] = table[(*it)[0]];//可以方便的对每个像素，三个通道进行操作 (*it)[1] = table[(*it)[1]]; (*it)[2] = table[(*it)[2]]; } } }
         
        
       
      
     
    

7：on the fly(在运行过程中实时地址计算，最慢的方法）的访问像素的方法

// accept only char type matrices    CV_Assert(I.depth() == CV_8U);    const int channels = I.channels();    switch(channels)    {    case 1:        {            for( int i = 0; i < I.rows; ++i)                for( int j = 0; j < I.cols; ++j )                    I.at
    
     (i,j) = table[I.at
     
      (i,j)];            break;        }    case 3:        {         Mat_
      
        _I = I; //注意这里的新对象为 Mat_  （有下划线哦）         for( int i = 0; i < I.rows; ++i)            for( int j = 0; j < I.cols; ++j )               {                   _I(i,j)[0] = table[_I(i,j)[0]];                   _I(i,j)[1] = table[_I(i,j)[1]];                   _I(i,j)[2] = table[_I(i,j)[2]];            }         I = _I;         break;        }    }
      
     
    

8：使用core function中的lookuptable,最快的方法改变图像中的每个像素

Mat lookUpTable(1, 256, CV_8U);    uchar* p = lookUpTable.data;    for( int i = 0; i < 256; ++i)        p[i] = table[i];  //把我们之前的tables写到 Mat类型的对象中  LUT(I, lookUpTable, J); //I是输入的图像，J是改变后的图像，//不能地每个通道做灵活的操作//LUT的操作过程就是使用 原始图像的 颜色值作为 index,在lookuptable中查到新的颜色值，//注意 ：这种方法OpenCV，做过优化，所以是最快的方法。