首先配置OpenCV环境，使用包管理器或手动安装库并链接依赖；接着包含头文件#include <opencv2/opencv.hpp>，用cv::imread读取图像，检查img.empty()确保加载成功，再通过cv::imshow显示，配合waitKey实现交互；进行基本处理如cvtColor转灰度图、GaussianBlur模糊降噪、Canny边缘检测，并用imwrite保存结果；对于视频流，创建VideoCapture对象读取摄像头或视频文件，循环捕获帧并实时处理显示，掌握这些基础后可进阶学习特征匹配与目标检测等内容。
使用C++结合OpenCV进行图像处理是计算机视觉开发的常见方式。OpenCV（Open Source Computer Vision Library）提供了丰富的函数接口，支持图像读取、显示、变换、滤波、边缘检测等操作。下面介绍如何在C++环境中配置并使用OpenCV进行基础图像处理。
环境配置与项目初始化
要在C++中使用OpenCV，首先需要正确安装和配置库。推荐使用以下方式：
- 下载OpenCV源码或预编译版本，从官网或通过包管理器如vcpkg、conan安装
- 在Windows上可配合Visual Studio使用，配置包含目录、库目录及链接依赖项
- Linux用户可通过apt安装：sudo apt install libopencv-dev，再用g++编译时链接-lopencv_core -lopencv_imgproc -lopencv_highgui等
- 确保代码中包含头文件#include <opencv2/opencv.hpp>
一个最简单的编译命令示例如下：
g++ main.cpp -o main `pkg-config --cflags --libs opencv4`读取与显示图像
使用cv::imread()函数加载图像文件，支持JPEG、PNG等多种格式。加载后可用cv::imshow()显示窗口。
立即学习“C++免费学习笔记（深入）”；
#include <opencv2/opencv.hpp>
using namespace cv;
int main() {
Mat img = imread("test.jpg"); // 读取图像
if (img.empty()) {
return -1; // 图像加载失败
}
imshow("Image", img); // 显示图像
waitKey(0); // 等待按键
return 0;
}
注意：路径错误或缺失文件会导致Mat为空，务必检查img.empty()。
基本图像操作
OpenCV提供大量图像处理功能，以下列举几个常用操作：
- 灰度化：使用cvtColor(img, gray, COLOR_BGR2GRAY)将彩色图转为灰度图
- 高斯模糊：调用GaussianBlur(gray, blurred, Size(5,5), 1.5)降噪
- 边缘检测：使用Canny(blurred, edges, 50, 150)提取边缘
- 保存图像：用imwrite("output.jpg", edges)将结果存盘
处理视频或摄像头输入
除了静态图像，OpenCV也支持视频流处理。使用VideoCapture类可以打开摄像头或视频文件：
VideoCapture cap(0); // 打开默认摄像头
if (!cap.isOpened()) return -1;
Mat frame;
while (true) {
cap >> frame;
if (frame.empty()) break;
cvtColor(frame, frame, COLOR_BGR2GRAY);
imshow("Live", frame);
if (waitKey(30) == 27) break; // 按ESC退出
}
基本上就这些。掌握这些基础内容后，可以进一步学习特征匹配、目标检测、图像分割等高级功能。OpenCV文档完整，社区资源丰富，适合快速上手C++计算机视觉开发。不复杂但容易忽略的是环境配置细节和内存管理，建议从简单示例逐步实践。
