本文深入浅出地介绍了数字图像处理的核心概念，阐述了图像在计算机眼中是如何由数值矩阵表示的。文章重点讲解了强大的跨平台计算机视觉库OpenCV，包括其丰富的语言支持、强大的功能和实时性。通过C++和Python的示例，详细说明了彩色图像与灰度图像的数据结构，以及如何高效地读取和修改图像像素。特别强调了通道顺序（BGR与RGB）和内存访问效率的重要性，并深入剖析了OpenCV核心数据结构cv::Mat的组成部分和操作方式，为读者提供了实用的工程实践指导。

📊 数字图像在计算机眼中是数值组成的矩阵，数字图像处理的目标是让机器能够“看懂”并分析图像，使其更清晰、有用和可识别，例如手机美颜、医学图像增强和车牌识别等都运用了图像处理技术。

🚀 OpenCV是一个功能强大、跨平台的开源计算机视觉库，支持C++和Python等主流语言，以其高实时性和丰富的功能（从图像读取到深度学习支持）成为业界和学术界的常用工具，特别是在需要高性能的实时应用和深度学习数据预处理方面。

🔀 彩色图像通常由BGR（蓝、绿、红）三个通道组成，而灰度图像则由一个通道表示。OpenCV在读取图像时默认采用BGR通道顺序，在使用matplotlib等其他库显示时，需要进行通道转换以确保颜色正确显示。

⚡ 在C++中，高效访问和修改图像像素的关键在于直接使用指针操作，例如通过`ptr(row)`获取行指针。遍历时应遵循内存连续性原则，按行遍历以提高缓存命中率，避免因遍历顺序不当导致性能下降。

🧩 cv::Mat是OpenCV的核心数据结构，包含了指向图像数据的指针(`data`)、图像尺寸(`rows`, `cols`)、每行字节数(`step`)、通道数(`channels`)和数据类型(`type`)等关键信息，并通过引用计数(`refcount`)支持内存共享和拷贝，是进行图像数据操作的基础。

什么是数字图像处理？

当今时代，数字图像无处不在。手机拍照、安防监控、医疗检查、地图导航、工业质检……我们每天都在接收、分析和处理大量图像信息。对于计算机而言，图像并不是一张“看得懂”的照片，而是由数值组成的矩阵。如何让机器也具备“看图”的能力，正是数字图像处理的核心目标。

简而言之，数字图像处理就是用计算机对图像进行操作和分析，让图像更“清晰”、更“有用”、更“可识别”。举例如下：

拍完照后用手机“自动美颜”一下,可能用到了滤波、边缘平滑、肤色增强等图像处理算法；

医生查看 CT 或眼底图时，图像可能经过了对比度增强或伪彩色处理，使细节更加清晰；

摄像头识别车辆车牌，需要经过颜色识别、轮廓识别、字符识别等操作；

什么是OpenCV?

OpenCV(Open Source Computer Vision Library)是一个开源、跨平台的计算机视觉库，最初由英特尔开发，现在已经成为业界和学术界广泛使用的工具之一。OpenCV有如下特性：

跨平台：支持 Windows、Linux、macOS语言支持丰富：C++/Python 作为主流语言选择，也有部分选择Java、JavaScript等实时性强：底层基于 C/C++，速度快，能胜任对性能要求高的实时应用功能强大：从图像读取到复杂特征匹配，从边缘检测到深度学习支持等

在我们的专栏中，我们的示例主要使用C++，这是工程领域中最合适的使用方式。C++提供的卓越的性能，可以满足很多实时性的应用需求。同时，我们也会适当给出一些Python示例，在深度学习训练阶段，Python是我们的首选语言（一般选择pytorch框架）。OpenCV可以对深度学习进行数据预处理支持。

对于OpenCV的安装，Python环境下只需要运行以下命令即可：

 pip install opencv-python

对于C++环境，我们一般都是从源码直接编译，然后再部署到自己的开发环境中。我们这里不讲如何源码编译，大家可以在网上自行搜索。我们稍后会提供一个完整的C++项目，该项目会包含OpenCV所有的依赖库，大家可以基于该项目进行自己的开发工作。

数字图像基本结构

上图为一个4行8列的矩阵，每个元素的取值范围为[0,256)。我们可以将其看作为一个4*8的灰度图像，灰度图像的取值范围为[0,256）。在现实生活中，我们更多看到的是彩色图像，彩色图像相对于灰度图像来说，每个元素需要3个值表示，分别代表Red，Green和Blue，其数据矩阵如下：

以上同样为一个4行8列的矩阵，但每个元素由一个3*1的向量构成，如第0行0列的向量值为[172,47,117]，这三个元素具体表示：Blue=172，Green=47，Red=117。特别注意这里的通道排列顺序为BGR，而在生活中我们习惯称呼彩色图像为RGB图像。

OpenCV提供了函数cv::imread()，该函数可读取多种格式图像，如JPG, BMP, PNG等，其返回值为cv::Mat对象，该对象保存了图像相关的所有信息。不论读取哪种格式图像，只要该图像为三通道数据，读取后的图像在内存中的排列顺序均为BGR（四通道多为BGRA，A表示Alpha通道，用于记录半透明相关信息）。

OpenCV提供了函数cv::imshow()，该函数用于显示图像，其核心参数为cv::Mat对象。我们通过一个实验来加深通道排列顺序的理解。

import cv2  #导入opencv,可用于读取与显示图像import matplotlib.pyplot as plt  #用于图像显示img_bgr = cv2.imread('lena.png')  #读取图像, 默认通道为bgrif img_bgr is None:    print("图像加载失败，请检查路径是否正确。")else:    img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)  # 转换为rgb顺序     cv2.imshow('opencv show', img_bgr)  #使用opencv显示图像    cv2.waitKey(0)  #opencv需要调用该函数已阻止程序继续执行    cv2.destroyAllWindows()  #用户关闭图像窗口后清除资源    #使用matplot显示图像，这里需要传入rgb顺序图像    plt.imshow(img_rgb)    plt.title("matplot show")    plt.show()

以上一段python代码首先使用OpenCV读取一张图像，然后分别使用OpenCV与matplot库进行显示。需要特别注意，在matplot库中，默认将通道顺序解读为RGB。因此，我们调用了cvtColor函数对其进行通道转换(cv2.COLOR_BGR2RGB)，使得matplot可以正确显示图像颜色。以下分别给出正确通道顺序显示结果与错误通道顺序显示结果。

正确通道顺序显示结果

错误通道顺序显示结果

接下来我们给出一段C++代码，该代码实现了图像读取与显示，处理语法上的差异，与python代码基本一致。

int main(){cv::Mat img_bgr = cv::imread("lena.png", cv::IMREAD_COLOR);cv::imshow("opencv show", img_bgr);cv::waitKey(0);cv::destroyAllWindows();return 0;}

数字图像元素读取与修改

到目前为止，我们了解了图像数据的基本结构，也能正确读取和显示图像。那么，我们应该如何读取或修改图像单个元素数据呢？

有如下方法可以读取或修改图像像素数据（C++），如下：

使用cv::Mat.at<>()方法，该方法适合读取少量数据。由于函数会进行边界检查，其速度较慢，在图像处理算法实践中，我们基本不会使用该函数读取数据。以下给出示例代码

{
// 读取100行，150列数据，该数据为三通道数据cv::Vec3b val = img_bgr.atcv::Vec3b(100, 150);
uchar b = val[0];uchar g = val[1];uchar r = val[2];

// 读取单通道数据（即灰度图）uchar gray = img_bgr.at<uchar>(100, 150);

}

在实际项目中，我们总是直接访问指针以获得最佳的访问效率，以下给出示例代码

{//// 3通道图像（bgr）访问// 遍历每一行for (int row = 0; row < img_bgr.rows; ++row){// 获取每一行的起始指针cv::Vec3b* ptr = img_bgr.ptrcv::Vec3b(row);

// 遍历每一个元素（cv::Vec3b）for (int col = 0; col < img_bgr.cols; ++col){// 获取每个通道的值uchar b = ptr[col][0];uchar g = ptr[col][1];uchar r = ptr[col][2];// 每个通道亮度*2// 由于每个通道取值范围为[0,255]，因此需要确保不越界！b = b * 2 > 255 ? 255 : b * 2;g = g * 2 > 255 ? 255 : g * 2;r = r * 2 > 255 ? 255 : r * 2;// 将修改后值赋给原通道ptr[col][0] = b;ptr[col][1] = g;ptr[col][2] = r;}}// // 单通道（灰度图像）访问// 遍历每一行for (int row = 0; row < img_bgr.rows; ++row){// 获取每一行的起始指针uchar* ptr = img_bgr.ptr<uchar>(row);// 遍历每一个元素（uchar）for (int col = 0; col < img_bgr.cols; ++col){// 获取灰度值uchar gray = ptr[col];        // 每个通道亮度*2// 由于取值范围为[0,255]，因此需要确保不越界！        gray = gray * 2 > 255 ? 255 : gray * 2;// 将修改灰度值赋给原图像ptr[col] = gray;}}

}

通过以上程序，我们可以得到一个亮度更高的图像，效果如下：

每个通道亮度翻倍后图像

虽然直接访问指针可以获得最佳的运行效率，然而我们也可能因为访问不当而产生以下不良后果，典型错误为内存越界错误，这可能导致整个程序崩溃。所以，在实际项目中，我们需要慎重使用指针，确保代码正确性以避免内存越界错误!

另外，一些性能优化的常识可以让我们避免一些极端低效的代码，如下代码大大降低运行效率：

{    // 该代码运行效率会非常低，由于违背了内存连续性访问原则，// 导致频繁的缓存命中失败，严重降低数据访问效率！// 遍历每一列for (int col = 0; col < img_bgr.cols; ++col){// 遍历每一行for (int row = 0; row < img_bgr.rows; ++row){cv::Vec3b val = img_bgr.ptr<cv::Vec3b>(row)[col];uchar b = val[0];uchar g = val[1];uchar r = val[2];}}}

观察以上代码，我们for循环顺序发生了改变，该代码对图像元素的访问顺序为：

0行0列->1行0列->2行0列...->0行1列->1行1列->2行1列....

也就是说在列方向上遍历，而图像元素在行方向上连续存储，从而每次访问都可能导致缓存命中失败，从而严重影响访问效率！

一般情况下，C++提供了非常灵活的图像数据读取方式，有时候我们可能也会使用Python进行少量的数据读取操作，以下给出使用Python读取图像数据的方法：

(b, g, r) = img_bgr[100, 150]  #获取第100行第150列的B、G、R通道值blue_channel = img_bgr[:, :, 0]  #获取蓝通道数据

cv::Mat关键元素

cv::Mat是 OpenCV中最核心的数据结构之一，用于表示图像、视频帧、矩阵等二维数据。理解 cv::Mat的内部结构对于高效图像处理非常关键。早期的C接口使用IplImage结构，除了兼容需求，我们不再使用IplImage接口了。

以下是cv::Mat的基本数据结构：

cv::Mat
├── data → 指向图像数据的指针
├── rows → 行数（即图像高度）
├── cols → 列数（即图像宽度）
├── step → 每行占用的字节数（stride）
├── channels → 通道数（通过 type 解析）
├── type → 数据类型和通道数的编码
├── depth() → 每个通道的数据类型（如 CV_8U）
├── refcount → 引用计数指针（实现共享内存）
└── others → flags、allocator 等

data为一个uchar*类型数据，指向图像像素数据的首地址，可以直接通过指针操作像素，如：

uchar* p = img_bgr.data;  p[0] = 255; p[1] = 255;

rows和cols分别代表图像的行数与列数，也即图像的高度与宽度。

step表示图像每一行占用的总字节数，利用该数据可以准确跳转到每行数据首指针上，以下两种写法均可以跳转到第10行首指针处，故data1与data2为相等指针。

cv::Vec3b* data1 = (cv::Vec3b*)(img_bgr.data + img_bgr.step * 10);cv::Vec3b* data2 = img_bgr.ptr<cv::Vec3b>(10);

type()函数返回一个整数，该整数编码了通道数与数据类型信息。一般情况下，我们可以分别调用channels()与depth()函数来分别获取通道数与数据类型。

在常规数字图像中，通道数一般返回为1，3，4通道数据，分别表示灰度图，真彩色，带Alpha通道真彩色。当然，在其他应用中，也可以返回任意通道，如2通道可以编码图像梯度信息。

图像数据类型主要定义了数据精度与数据符号，如CV_8U为8位无符号整数，CV_8S为8位有符号整数，CV_16U/CV_16S定义了16位整数，CV_32S定义了32位有符号整数（注意没有CV_32U!），CV_32F/CV_64F分别定义了单精度与双精度浮点类型。

int depth = img_bgr.depth();int channels = img_bgr.channels();

elemSize()表示一个像素占用的字节数，elemSize1()表示一个通道占用的字节数，使用elemSize() / elemSize1()可计算处通道数，等价于channnels()函数。

refcount作为内存引用计数，在浅拷贝时共享内存数据，仅增加引用计数，代码如下：

cv::Mat img = cv::imread("lena.png", cv::IMREAD_COLOR);int* ref = img.refcount;  // 引用计数为1cv::Mat img2 = img;  //浅拷贝，img与img2公用内存int* ref2 = img2.refcount; // 浅拷贝后引用计数增加到2img.release();   // 释放img，引用计数减1int* ref3 = img2.refcount; // 释放img后，引用计数减少到1

除了浅拷贝之外，我们在很多时候有深拷贝需求（即不共享内存数据），函数copyTo()与clone()均可实现该目标，代码如下：

// 方式 1：clone（返回新对象）cv::Mat img_clone = img.clone();// 方式 2：copyTo（拷贝到已有对象）cv::Mat img_copy;img.copyTo(img_copy);

总结

通过介绍数字图像处理与OpenCV的基本知识，我们理解了数字图像的基本结构，以及如何高效的访问图像中的任意元素。同时对通道顺序以及内存连续性问题进行特别讲解，使得我们可以在工程实践中避免一些微妙的错误，提升程序的效率。最后，我们讲解了OpenCV中最为重要的数据结构cv::Mat，通过该数据结构，可以实现图像数据的所有基本操作。

在工程应用中，为了运行效率我们一般会选择OpenCV的C++接口。然而在某些情况下，Python接口也发挥了重要的作用。如在深度学习的训练过程中，我们一般使用pytorch框架。此时，使用OpenCV的Python接口进行数据预处理是非常必要的。因此，在博文中，我们同步给出了C++与Python代码片段，以适应不同应用场景需求。