cv::cvtColor必须用CV_BGR2GRAY而非CV_RGB2GRAY，因OpenCV默认图像为BGR通道顺序，错用会导致权重错配、灰度值偏暗或发绿；灰度化前建议先高斯模糊降噪，且需确保输入为3通道CV_8UC3类型，否则易出错。
cv::cvtColor 为什么必须用 CV_BGR2GRAY 而不是 CV_RGB2GRAY？
OpenCV 默认读入的图像是 BGR 通道顺序，不是 RGB。直接用 CV_RGB2GRAY 会导致灰度值错乱，看起来偏暗或发绿——这不是算法问题，是通道喂错了。
- 用
cv::imread读图后，mat.channels()通常是 3，但数据排布是 B、G、R，不是 R、G、B -
CV_BGR2GRAY会按权重0.114*B + 0.587*G + 0.299*R计算，符合人眼感知；错用 RGB 模式会把蓝色分量当红色用，权重全乱 - 如果图真是 RGB 格式（比如从 Qt 或 SDL 传过来），得先用
cv::cvtColor(mat, mat, CV_RGB2BGR)翻转一次再灰度化
灰度化前要不要先做高斯模糊？
不是必须，但绝大多数实际场景下建议加。原始图像的高频噪声会在后续边缘检测、二值化里被严重放大，灰度化本身不降噪，反而让噪声更“干净”地暴露出来。
- 典型做法：先
cv::GaussianBlur（核大小用5或7），再cv::cvtColor(..., CV_BGR2GRAY) - 如果实时性要求极高（比如嵌入式端跑 60fps），可跳过，但后续阈值得调得更保守，否则
cv::threshold容易抖动 - 注意：
cv::cvtColor不改变图像尺寸，但cv::GaussianBlur在边界处默认用反射填充，可能引入伪影——对小图尤其明显
cv::cvtColor 处理单通道图会怎样？
会静默失败，输出图和输入图内容一致，但 mat.type() 可能变成异常值（比如 CV_8UC1 变成 CV_8UC3 的低维残留），后续操作容易崩溃。
- 安全写法：灰度化前先检查
mat.channels() == 3，否则直接返回或报错 - 常见误操作：对已经灰度过的图反复调用
cv::cvtColor(..., CV_BGR2GRAY)，结果不变但浪费 CPU - 如果想确保单通道输出，更稳妥的是用
cv::cvtColor(mat, gray, CV_BGR2GRAY)后，再用gray.convertScaleAbs()强制归一化（虽然通常不需要）
Mat 数据类型对灰度化结果有影响吗？
有，而且很关键。如果原图是 CV_16UC3（比如某些工业相机输出），直接用 CV_BGR2GRAY 会截断高位，导致严重信息丢失。
立即学习“C++免费学习笔记（深入）”；
- 正确流程：
mat.convertScaleAbs(1.0/256.0)先缩放到CV_8UC3，再灰度化；或者用mat.convertScaleAbs(1.0)配合CV_16UC1目标类型（需 OpenCV 4.5+ 支持） -
cv::cvtColor内部不做自动类型转换，它只认CV_8UC3 → CV_8UC1这类标准路径 - 错误现象：16 位图灰度化后一片死黑——其实是值全在 0–255 之外，显示时被 clamped 了
