从文件读取/写入图像，访问像素，原始操作，可视化图像
输入/输出
从文件中加载图像：
Mat img = imread(filename)
把自定义读入的彩色照片变成灰度图像：
Mat img = imread(filename, IMREAD_GRAYSCALE);
写入图像到文件中：
imwrite(filename, img);
注意：
文件的格式由其扩展名决定
使用imdecode和imencode从内存中读取和写入，而不是磁盘中
图像的基本操作
访问像素强度 为了获得像素强度值，必须知道图像的类型和通道数。以下是单通道灰度图像（类型8UC1）和像素坐标x和y的示例：
Scalar intensity = img.at(y, x);
intensity.val [0]包含0到255之间的值。请注意x和y的顺序。由于OpenCV中的图像由与矩阵相同的结构表示，所以对于这两种情况，我们使用相同的约定 - 基于0的行索引（或y坐标）首先出现，并且基于0的列索引（或x坐标）跟随它。或者，可以使用以下符号：
Scalar intensity = img.at(Point(x, y));
现在让我们考虑使用BGR颜色排序的3通道图像（由imread返回的默认格式）：
Vec3b intensity = img.at(y, x);
uchar blue = intensity.val[0];
uchar green = intensity.val[1];
uchar red = intensity.val[2];
您可以使用相同的浮点图像方法（例如，您可以通过在3通道图像上运行Sobel来获取此类图像）：
Vec3f intensity = img.at(y, x);
float blue = intensity.val[0];
float green = intensity.val[1];
float red = intensity.val[2];
可以使用相同的方法来改变像素强度：
img.at(y, x) = 128;
OpenCV中有一些功能，特别是来自calib3d模块，如projectPoints，它以Mat的形式获取2D或3D数组。矩阵应该只包含一列，每行对应一个点，矩阵类型应相应为32FC2或32FC3。这样一个矩阵可以很容易地构造成std::vector：
vector points;
//... fill the array
Mat pointsMat = Mat(points);
可以使用相同的方法Mat :: at访问此矩阵中的一个点：
Point2f point = pointsMat.at(i, 0);
内存管理和引用计数 Mat是一种保持矩阵/图像特征（行和列数，数据类型等）和指向数据的指针的结构。所以没有什么可以阻止我们对同一个数据对应几个Mat的实例。Mat保留一个引用计数，用于告知当Mat的特定实例被破坏时是否必须释放数据。以下是创建两个矩阵而不复制数据的示例：
std::vector points;
// .. fill the array
Mat pointsMat = Mat(points).reshape(1);
因此，我们得到一个32FC1矩阵与3列而不是32FC3矩阵与1列。pointsMat使用点数据，销毁时不会释放内存。然而，在这种特殊情况下，开发人员必须确保点的生命周期比pointMat长。如果我们需要复制数据，可以使用例如cv :: Mat :: copyTo或cv :: Mat :: clone：
Mat img = imread("image.jpg");
Mat img1 = img.clone();
相反，使用C API，必须由开发人员创建输出图像，可以向每个功能提供空输出Mat。每个实现都为目标矩阵调用Mat :: create。如果矩阵为空，则此方法分配数据。如果它不是空且具有正确的大小和类型，该方法什么也不做。但是，如果大小或类型与输入参数不同，则数据将被释放（丢失）并分配新的数据。例如：
Mat img = imread("image.jpg");
Mat sobelx;
Sobel(img, sobelx, CV_32F, 1, 0);
原始操作 在矩阵上定义了一些方便的操作符。例如，我们可以从现有的灰度图像“img”中获取黑色图像：
img = Scalar(0);
选择感兴趣的区域：
Rect r(10, 10, 100, 100);
Mat smallImg = img(r);
从Mat到C API数据结构的转换：
Mat img = imread("image.jpg");
IplImage img1 = img;
CvMat m = img;
注意，这里没有数据复制。
从颜色转换成灰度级：
Mat img = imread("image.jpg");
// loading a 8UC3 image
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);
将图像类型从8UC1更改为32FC1：
src.convertTo(dst, CV_32F);
可视化图像 在开发过程中看到算法的中间结果是非常有用的。OpenCV提供了可视化图像的便捷方式。可以使用以下方式显示8U图像：
Mat img = imread("image.jpg");
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", img);
waitKey();
【Opencv图像操作】对waitKey（）调用会启动一个消息传递周期，等待“图像”窗口中的关键stroke。32F图像需要转换为8U型。
例如：
Mat img = imread("image.jpg");
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);
Mat sobelx;
Sobel(grey, sobelx, CV_32F, 1, 0);
double minVal, maxVal;
minMaxLoc(sobelx, &minVal, &maxVal);
//find minimum and maximum intensities
Mat draw;
sobelx.convertTo(draw, CV_8U, 255.0 / (maxVal - minVal), -minVal * 255.0 / (maxVal - minVal));
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", draw);
waitKey();
