图像的读取：从文件加载到内存

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 
#include 

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。

基本图像处理：灰度化、模糊与边缘检测

读取图像后，常用操作包括颜色空间转换、滤波和特征提取。

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。

图像保存：将处理结果写入文件

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。

完整流程示例

整合上述步骤，实现从读取到处理再到保存的完整流程：

#include 
#include 

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。