入手opencv，最好的方法就是对应着程序进行学习是一个很好的方法，通过一些单个程序来了解图形处理的一些知识。这篇文章将介绍下面三个小任务。通道变换，灰度化，普通二值化。本文以C++版本进行代码介绍。

Q1：通道变换

一幅常规彩色的图像由BGR三通道组成，opencv提供cv::imread函数读取的彩色图像通道就是按照BGR的顺序进行排列的。opencv中也提供了模板类Vec，它可以表示一个向量。比如Vec3b可以表示一个8U的彩色图像，8U为8位无符号，除此之外Vec类定义了许多如下所示。

typedef Vec<uchar, 2> Vec2b;
typedef Vec<uchar, 3> Vec3b;
typedef Vec<uchar, 4> Vec4b;
typedef Vec<short, 2> Vec2s;
typedef Vec<short, 3> Vec3s;
typedef Vec<short, 4> Vec4s;
typedef Vec<int, 2> Vec2i;
typedef Vec<int, 3> Vec3i;
typedef Vec<int, 4> Vec4i;
typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;
typedef Vec<float, 4> Vec4f;
typedef Vec<float, 6> Vec6f;
typedef Vec<double, 2> Vec2d;
typedef Vec<double, 3> Vec3d;
typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;

例如：Vec3b color 定义一个8U的三通道彩色图像向量，那么有color[0]，color[1]，color[2]，分别表示B，G，R三个通道的量，那么在程序表示时就要事先定义好一个零向量，用于通道变换赋值参量。代码行如下。三个参量分别为行，列和8位无符号三通道向量。

Mat out_img=Mat::zeros(imgrow,imgcol,CV_8UC3);

 通道变换也就是BGR三个通道量进行互换，在代码中的体现与数据的交换类似，不过这个是在opencv下的通道向量互换。图像是由每个向量元素共同组成的矩阵向量，图像的三通道每个通道中都有相应的像素点，通道的变换需要遍历每个像素点进行变换赋值，这里使用opencv的at()函数，它可以实现读取矩阵中的某个像素，或者对某个像素进行赋值操作。整体代码如下。

#include"opencv2/highgui/highgui.hpp"
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat Channel_swap(Mat img){
	int imgcol=img.cols;
	int imgrow=img.rows;
	Mat out_img=Mat::zeros(imgrow,imgcol,CV_8UC3);
	for(int j=0;j<imgrow;j++){
		for(int i=0;i<imgcol;i++){   //BGR，8U的彩色图像表示为Vec3b
			out_img.at<Vec3b>(j,i)[0] = img.at<Vec3b>(j,i)[2]; //R->B
			out_img.at<Vec3b>(j,i)[2] = img.at<Vec3b>(j,i)[0]; //B->R
			out_img.at<Vec3b>(j,i)[1] = img.at<Vec3b>(j,i)[1]; //G->G
		}
	}
	return out_img;
}
int main()
{
	Mat img=imread("ck567.jpg",IMREAD_COLOR);
	Mat out_img=Channel_swap(img);
	imshow("sample",out_img);
	waitKey(0);
	destroyAllWindows();
	return 0;
}

通道变换由函数Channel_swap实现，返回类型是Mat类型，该函数的作用就是对每个通道内的像素值进行遍历重新赋值，达到变换通道的目的。

效果如下

Q2：灰度化 

灰度化顾名思义就是将图片变为灰色，在opencv中可以用cvtColor函数将图像进行灰度化，但这里并不使用该函数，而是采用计算公式：Y = 0.2126*R + 0.7152* G + 0.0722* B，RGB分别为彩色图像的三通道。代码如下。

#include"iostream"
#include"opencv2/core/core.hpp"
#include"opencv2/highgui/highgui.hpp"
#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat BGR2GRAY(Mat img){
	int imgcol=img.cols;
	int imgrow=img.rows;
	Mat out=Mat::zeros(imgrow,imgcol,CV_8UC1);
	for(int j=0;j<imgrow;j++){
		for(int i=0;i<imgcol;i++){
			out.at<uchar>(j,i)=0.2126*(float)img.at<Vec3b>(j,i)[2]+0.7152*(float)img.at<Vec3b>(j,i)[1]+0.0722*(float)img.at<Vec3b>(j,i)[0];
		}
	}
	return out;
}
void main(){
	Mat img=imread("ck567.jpg",IMREAD_COLOR);
	Mat out=BGR2GRAY(img);
	imshow("sample",out);
	waitKey(0);
	destroyAllWindows();
}

这里则zeros函数构建的是8位无符号单通道矩阵，原因是灰度图像就是单通道图像。效果如下

Q3：二值化

二值化是指将图片变为只有黑色和白色的图像，一幅图像的通道值的范围是0~255,0表示黑色，255表示白色，图片中的像素值介于两者之间，因此呈现出具有不同颜色的彩图，二值化就是将图片中的这些值修改为非0即255的状态。在二值化中需要一个阈值进行判断哪些值指定为0，哪些值指定为255。阈值的不同结果的图像也不同，这就需要在应用的时候进行阈值调整。图像的二值化需要先灰度化处理再进行二值化处理。图像二值化的作用很大，可以提取出图像的信息，在图像处理的应用中必不可少。

#include"iostream"
#include"opencv2/core/core.hpp"
#include"opencv2/highgui/highgui.hpp"
#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat BGR2GRAY(Mat img){
	int imgcol=img.cols;
	int imgrow=img.rows;
	Mat out=Mat::zeros(imgrow,imgcol,CV_8UC1);
	for(int j=0;j<imgrow;j++){
		for(int i=0;i<imgcol;i++){
			out.at<uchar>(j,i)=0.2126*(float)img.at<Vec3b>(j,i)[2]+0.7152*(float)img.at<Vec3b>(j,i)[1]+0.0722*(float)img.at<Vec3b>(j,i)[0];
		}
	}
	return out;
}
Mat Binaryzation(Mat grayimg,int threshold){
	int grayimg_row = grayimg.rows;
	int grayimg_col = grayimg.cols;
	Mat out_img = Mat::zeros(grayimg_row,grayimg_col,CV_8UC1);
	for(int j=0;j<grayimg_row;j++){
		for(int i=0;i<grayimg_col;i++){
			if(grayimg.at<uchar>(j,i)>threshold){
				out_img.at<uchar>(j,i)=255;
			}
			else
				out_img.at<uchar>(j,i)=0;
		}
	}
	return out_img;
}
void main(){
	Mat img = imread("ck567.jpg",IMREAD_COLOR);
	Mat gray = BGR2GRAY(img);
	Mat out = Binaryzation(gray,180);
	imshow("sample",out);
	waitKey(0);
	destroyAllWindows();
}

效果如下，阈值分别为128,60和180。

，

这是针对图像的每个像素进行修改达到二值化，opencv提供了cvThreshold()函数可以直接二值化操作。