使用OpenCV在C++中处理图像需先用cv::imread()读取图像到Mat对象,检查是否加载成功,然后可进行灰度化(cvtColor)、去噪(GaussianBlur)和边缘检测(Canny),最后通过cv::imwrite()保存结果,完整流程包括包含头文件、链接库编译及处理步骤顺序执行。

在C++中使用OpenCV处理图像,第一步是将图像从磁盘读入内存。OpenCV提供cv::imread()函数来完成这一操作。该函数接受图像路径作为参数,并返回一个cv::Mat对象。
示例代码:
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
cv::Mat image = cv::imread("input.jpg");
if (image.empty()) {
std::cout << "无法加载图像,请检查路径!" << std::endl;
return -1;
}
std::cout << "图像尺寸:" << image.cols << "x" << image.rows << std::endl;
return 0;
}
注意:imread默认以三通道彩色模式读取图像。若需灰度图,可传入cv::IMREAD_GRAYSCALE标志。
读取图像后,常用操作包括颜色空间转换、滤波和特征提取。
立即学习“C++免费学习笔记(深入)”;
灰度化:使用cv::cvtColor()将BGR图像转为灰度图。
cv::Mat gray; cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
高斯模糊:用于降噪和平滑图像。
cv::Mat blurred; cv::GaussianBlur(gray, blurred, cv::Size(5, 5), 1.5);
边缘检测:Canny算法是常用方法。
cv::Mat edges; cv::Canny(blurred, edges, 50, 150);
这些步骤常用于预处理,为后续的轮廓识别或目标检测打基础。
使用cv::imwrite()可将Mat对象保存为图像文件。支持格式如JPG、PNG等,由文件扩展名自动决定。
示例:
bool success = cv::imwrite("output_edges.jpg", edges);
if (success) {
std::cout << "图像已保存!" << std::endl;
} else {
std::cout << "保存失败!" << std::endl;
}
确保输出目录有写权限,并注意压缩格式(如JPG)可能引入失真,PNG更适合保留边缘清晰度。
整合上述步骤,实现从读取到处理再到保存的完整流程:
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
cv::Mat img = cv::imread("input.jpg");
if (img.empty()) {
std::cout << "读取失败" << std::endl;
return -1;
}
cv::Mat gray, blur, edge;
cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
cv::GaussianBlur(gray, blur, cv::Size(5,5), 1.5);
cv::Canny(blur, edge, 50, 150);
cv::imwrite("result.png", edge);
std::cout << "处理完成,结果已保存。" << std::endl;
return 0;
}
编译时需链接OpenCV库,例如使用g++:
g++ main.cpp -o process `pkg-config --cflags --libs opencv4`
基本上就这些。只要掌握imread、imwrite和核心处理函数,就能快速搭建图像处理流程。
以上就是C++如何使用OpenCV处理图像_C++计算机视觉库OpenCV的图像读取、处理与保存的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号