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。
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。
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。
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。
