1. 访问图像中像素的三种方式
任何图像处理算法，都是从操作每个像素开始的。在OpenCV中，提供了三种访问每个像素的方法。
方法1：指针访问：C操作符[]方法2：迭代器iterator方法3：动态地址计算
三种访问速度的比较：指针访问 > 迭代器访问 > 动态地址。指针访问速度最快。需要注意的是，OpenCV中的彩色图像不是以RGB的顺序存放的，而是BGR。
方法1：指针访问
通过调用函数 Mat::ptr(i) 来得到第i行的首地址地址，然后在行内访问像素；ptr是一个模板函数，它返回第i行的首地址。注意uchar与Vec3b的区别，uchar需要乘以一个通道数。
void test01(){//指针的访问for (int i = 0; i < Row; i++){for (int j = 0; j < Col; j++){Scr.ptr<Vec3b>(i)[j][0] = 0;//Scr.ptr<uchar>(i)(3*j) = 0; //注意uchar与Vec3b的区别，uchar需要乘以一个通道数}}}
方法2：迭代器操作像素
这种方式与STL库的用法类似，创建一个Mat::Iterator对象it，通过it=Mat::begin()迭代器访问首地址，递增迭代器直到it==Mat::end()结束迭代；
void test02(){//迭代器访问，访问的是每一个像素点Mat_<Vec3b>::iterator it = Scr.begin<Vec3b>();while (it != Scr.end<Vec3b>()){//(*it)[0] = 0;//蓝色通道置零；BGR存储(*it)[1] = 0; //绿色通道置零；//(*it)[2] = 0;//红色通道置零；it++;}}
方法3：动态地址计算
这种方法是最慢的一种方法，但是比较好理解，使用at函数来得到像素，Mat::at(i,j)为一个像素点的像素值数组，是一个大小为3的数组。从0到2存放了BGR三种颜色的灰度值。
void test03(){//动态访问，访问的是每一个像素点，最慢也是最直接易理解的访问方式for (int i = 0; i < Row; i++){for (int j = 0; j < Col; j++){Scr.at<Vec3b>(i, j)[2] = 0;}}}
整体代码示例
#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;Mat Scr;int Row;int Col;void test01(){//指针的访问for (int i = 0; i < Row; i++){for (int j = 0; j < Col; j++){Scr.ptr<Vec3b>(i)[j][0] = 0;}}}void test02(){//迭代器访问，访问的是每一个像素点Mat_<Vec3b>::iterator it = Scr.begin<Vec3b>();while (it != Scr.end<Vec3b>()){//(*it)[0] = 0;//蓝色通道置零；BGR存储(*it)[1] = 0; //绿色通道置零；//(*it)[2] = 0;//红色通道置零；it++;}}void test03(){//动态访问，访问的是每一个像素点，最慢也是最直接易理解的访问方式for (int i = 0; i < Row; i++){for (int j = 0; j < Col; j++){Scr.at<Vec3b>(i, j)[2] = 0;}}}int main(){Scr = imread("/home/liqiang/Data/vision/classic/lena.jpg");if (Scr.empty()){printf("%s\n", "读入图片失败；");return 1;}imshow("原始图像", Scr);Row = Scr.rows; //获取行数目；Col = Scr.cols; //获取列数目；int Channel = Scr.channels(); //获取通道数目；test01();//指针访问test02();//迭代器访问test03();//动态访问imshow("改变后的图像", Scr);waitKey(0);return 1;}
输出：
2. 感兴趣区域ROI和图像叠加
2.1 感兴趣区域ROI
在图像处理领域，常常需要设置感兴趣区域（ROI，region of interest）来专注或者简化工作过程。即从图像中圈定一个区域，以便进行进一步处理。使用ROI指定想读入的目标，可以减少处理时间，增加精度，给图像处理带来不小的便利。
定义ROI区域有两种方式：
方法1：使用矩形区域的Rect，指定矩形的左上角坐标（构造函数的前两个参数）和矩形的长宽（构造函数的后两个参数）就可以定义一个矩形区域。
Mat = image;//载入的图片Mat imageROI = image(Rect(500, 250, logo.cols, logo.rows));//左上角，width，height
方法2：指定感兴趣区域行和列的范围(Range)，Range表示从起始索引到终止(不包含)索引的一段连续序列。
imageROI = image(Range(250, 250 + logoImage.rows), Range(200, 200 + logoImage.cols));
注意两种形式，行和列的顺序不同。
2.2 图像叠加
下面使用ROI实现图像的叠加操作，实际上就是copy操作。原书采用的掩模的形式，实际上不需要，可以直接拷贝。
#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;int main(){//【1】读入图像Mat srcImage1 = imread("/home/liqiang/Data/vision/classic/lena.jpg");//512*512Mat logoImage = imread("/home/liqiang/Data/vision/classic/WindowsLogo.jpg");//240*320if (!srcImage1.data){printf("读取srcImage1错误~！ \n");return false;}if (!logoImage.data){printf("读取logoImage错误~！ \n");return false;}//【2】定义一个Mat类型并给其设定ROI区域Mat imageROI = srcImage1(Rect(0, srcImage1.rows-logoImage.rows, logoImage.cols, logoImage.rows));//左下角//【3】加载掩模（必须是灰度图）Mat mask;cvtColor(logoImage, mask, COLOR_RGB2GRAY);//用转换函数转换成灰度图//【4】将掩膜拷贝到ROI//logoImage.copyTo(imageROI, mask);logoImage.copyTo(imageROI);//不用掩膜，直接拷贝//【5】显示结果namedWindow("<1>利用ROI实现图像叠加示例窗口");imshow("<1>利用ROI实现图像叠加示例窗口", srcImage1);waitKey(0);return true;}
输出效果：
3. 图像混合（线性混合）
线性混合操作是一种典型的二元（两个输入）的像素操作，它的理论公式如下：
g(x)=(1−a)f1(x)+af2(x)g(x) = (1-a)f_1(x)+af_2(x) g(x)=(1−a)f1(x)+af2(x)
可以通过alpha在0-1之间的变化，来对两幅图像或者两段视频产生时间上的画面叠化(cross-dissolve)效果，类似于幻灯片和电影制作中的那样，也就是幻灯片翻页或者电影情节过渡时的效果。
实现方面，主要运用了Opencv中的addWeighted函数来实现。它的函数原型如下：
addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1);
src1和src2分别表示两幅图像alpha和beta分别表示两幅图像的权重dst表示输出图像gamma加载到dst的权重dtype表示图像深度，即src1.depth()
dst = src1 * alpha + src2 * beta + gamma
#include <opencv2/opencv.hpp>using namespace cv;int main(){Mat src1 = imread("/home/liqiang/Data/vision/classic/LinuxLogo.jpg");Mat src2 = imread("/home/liqiang/Data/vision/classic/WindowsLogo.jpg");Mat dst;double alpha = 0.6;addWeighted(src1, alpha, src2, 1 - alpha, 0.0, dst);imshow("dst", dst);waitKey(0);return 0;}
输出效果：
还可以结合感兴趣区域和线性混合来实现部分混合，这里就不介绍了，实现起来应该不难。
