基础知识介绍
cv::Mat是OpenCV库中用来表示图像和矩阵数据的核心类之一。它是一个多维数组，可以存储图像像素数据、矩阵数据以及其他类型的数据。以下是关于cv::Mat类的一些详细解释：
构造函数：
cv::Mat类有多个构造函数，可以用来创建不同类型的矩阵。常用的构造函数包括：
cv::Mat(): 默认构造函数，创建一个空的矩阵。cv::Mat(int rows, int cols, int type): 创建指定行数、列数和数据类型的矩阵。cv::Mat(cv::Size size, int type): 根据指定的大小和数据类型创建矩阵。cv::Mat(int rows, int cols, int type, void* data, size_t step): 使用指定的数据指针和步长创建矩阵。成员函数：
cv::Mat类提供了许多成员函数，用于对矩阵进行操作，包括：
rows(): 返回矩阵的行数。cols(): 返回矩阵的列数。size(): 返回矩阵的大小。at<>(): 访问矩阵中的像素值。clone(): 复制矩阵。copyTo(): 将矩阵复制到另一个矩阵。convertTo(): 转换矩阵的数据类型。数据访问：可以通过
at<>()函数或者使用Mat::ptr来访问矩阵中的像素值。例如，mat.at<uchar>(i, j)可以获取矩阵中第 i 行、第 j 列的像素值。数据类型：
cv::Mat支持多种数据类型，包括整数、浮点数等。数据类型由type()函数返回，常见的数据类型包括CV_8U、CV_32F等。图像处理：
cv::Mat类经常用于图像处理，可以通过imread()读取图像文件，通过imwrite()写入图像文件，还可以进行图像的剪裁、缩放、旋转等操作。
cv::Rect是OpenCV库中用来表示矩形区域的类。它通常用于定义矩形的位置和大小，以便在图像处理中进行裁剪、绘制等操作。以下是关于cv::Rect类的一些详细解释：
构造函数：
cv::Rect类有多个构造函数，可以用来创建不同类型的矩形。常用的构造函数包括：
cv::Rect(): 默认构造函数，创建一个空的矩形。cv::Rect(int x, int y, int width, int height): 创建一个指定位置和大小的矩形。cv::Rect(cv::Point pt1, cv::Point pt2): 根据两个点的坐标创建矩形，其中一个点表示左上角，另一个点表示右下角。成员变量：
cv::Rect类包含以下成员变量：
x: 矩形左上角的 x 坐标。y: 矩形左上角的 y 坐标。width: 矩形的宽度。height: 矩形的高度。成员函数：
cv::Rect类提供了一些成员函数，用于方便地操作矩形，包括：
area(): 返回矩形的面积。contains(): 判断一个点是否在矩形内部。tl(): 返回矩形的左上角点。br(): 返回矩形的右下角点。size(): 返回矩形的大小。使用：
cv::Rect类通常用于定义感兴趣区域（Region of Interest，ROI），可以通过矩形来指定图像中的一个区域，然后进行裁剪、绘制等操作。
两个图片的拼接
int main()
{//输入两个图片cv::Mat image1 = cv::imread("../../picture/1.jpg");cv::Mat image2 = cv::imread("../../picture/2.jpg");//新图片的长宽int newWidth = image1.cols + image2.cols;int newHeight = std::max(image1.rows, image2.rows);//初始化结果图像cv::Mat resultImage(newHeight, newWidth, image1.type());//复制图像内容cv::Mat left(resultImage, cv::Rect(0, 0, image1.cols, image1.rows));image1.copyTo(left);cv::Mat right(resultImage, cv::Rect(image1.cols, 0, image2.cols, image2.rows));image2.copyTo(right);//保存图像cv::imwrite("../../picture/result.jpg", resultImage);图片去重
int quchong()
{cv::Mat image1 = cv::imread("../../picture/1.jpg");cv::Mat image2 = cv::imread("../../picture/2.jpg");//夜色空间转换cv::Mat grayImage1, grayImage2;cv::cvtColor(image1, grayImage1, cv::COLOR_BGR2GRAY);cv::cvtColor(image2, grayImage2, cv::COLOR_BGR2GRAY);cv::imwrite("../../picture/BGR2GRAY.jpg", grayImage1);// 使用ORB特征检测器和描述符进行特征提取cv::Ptr<cv::ORB> orb = cv::ORB::create();std::vector<cv::KeyPoint> keypoints1, keypoints2;cv::Mat descriptors1, descriptors2;orb->detectAndCompute(image1, cv::noArray(), keypoints1, descriptors1);orb->detectAndCompute(image2, cv::noArray(), keypoints2, descriptors2);cv::imwrite("../../picture/descriptors1.jpg", descriptors1);// 使用暴力匹配器进行特征匹配cv::BFMatcher matcher(cv::NORM_HAMMING);std::vector<cv::DMatch> matches;matcher.match(descriptors1, descriptors2, matches);// 筛选匹配点std::vector<cv::Point2f> matchedPoints1, matchedPoints2;for (const cv::DMatch& match : matches) {matchedPoints1.push_back(keypoints1[match.queryIdx].pt);matchedPoints2.push_back(keypoints2[match.trainIdx].pt);}// 计算透视变换矩阵cv::Mat H = cv::findHomography(matchedPoints2, matchedPoints1, cv::RANSAC);cv::imwrite("../../picture/H.jpg", H);// 对第二张图像进行透视变换cv::Mat warpedImage2;cv::warpPerspective(image2, warpedImage2, H, cv::Size(image1.cols + image2.cols, image1.rows));cv::imwrite("../../picture/warpedImage2.jpg", warpedImage2);// 将两张图像拼接在一起cv::Mat resultImage = warpedImage2.clone();image1.copyTo(resultImage(cv::Rect(0, 0, image1.cols, image1.rows)));cv::imwrite("../../picture/result.jpg", resultImage);return 0;
}实验结果
