与 OpenCV 1 同时使用
目的

       对于OpenCV的开发团队来说，持续稳定地提高代码库非常重要。我们一直在思考如何在使其易用的同时保持灵活性。新的C++接口即为此而来。尽管如此，向下兼容仍然十分重要。我们并不想打断你基于早期OpenCV库的开发。因此，我们添加了一些函数来处理这种情况。在以下内容中你将学到：
    相比第一个版本，第二版的OpenCV在用法上有何改变
    如何在一幅图像中加入高斯噪声
    什么事查找表及如何使用

概述

        在用新版本之前，你首先需要学习一些新的图像数据结构:Mat - 基本图像容器，它取代了旧的CvMat 和 IplImage 。转换到新函数非常容易，你仅需记住几条新的原则。

        OpenCV 2 接受按需定制。所有函数不再装入一个单一的库中。我们会提供许多模块，每个模块都包含了与其功能相关的数据结构和函数。这样一来，如果你仅仅需要使用OpenCV的一部分功能，你就不需要把整个巨大的OpenCV库都装入你的程序中。使用时，你仅需要包含用到的头文件，比如：

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

        所有OpenCV用到的东西都被放入名字空间 cv 中以避免与其他库的数据结构和函数名称的命名冲突。因此，在使用OpenCV库中的任何定义和函数时，你必须在名称之前冠以cv:: ，或者在包含头文件后，加上以下指令：

using namespace cv;  // 新的C++接口API都在此名字空间中，需要导入。

        因为所有库中函数都已在此名字空间中，所以无需加 cv 作为前缀。据此所有新的C++兼容函数都无此前缀，并且遵循驼峰命名准则。也就是第一个字母为小写（除非是单个单词作为函数名，如 Canny）并且后续单词首字母大写（如copyMakeBorder ).

       接下来，请记住你需要将所有用到的模块链接到你的程序中。如果你在Windows下开发且用到了 动态链接库（DLL） ，你还需要将OpenCV对应动态链接库的路径加入程序执行路径中。

        关于Windows下开发的更多信息请阅读How to build applications with OpenCV inside the Microsoft Visual Studio ；对于Linux用户，可参考Using OpenCV with Eclipse (plugin CDT) 中的实例及说明。

       你可以使用 IplImage 或 CvMat 操作符来转换 Mat 对象。在C接口中，你习惯于使用指针，但此处将不再需要。在C++接口中，我们大多数情况下都是用Mat 对象。此对象可通过简单的赋值操作转换为 IplImage 和 CvMat 。示例如下：

Mat I;
IplImage pI = I;
CvMat    mI = I;

       现在，如果你想获取指针，转换就变得麻烦一点。编译器将不能自动识别你的意图，所以你需要明确指出你的目的。可以通过调用 IplImage 和CvMat 操作符来获取他们的指针。我们可以用 & 符号获取其指针如下：

Mat I;
IplImage* pI     = &I.operator IplImage();
CvMat* mI        =  &I.operator CvMat();

       来自C接口最大的抱怨是它将所有内存管理工作交给你来做。你需要知道何时可以安全释放不再使用的对象，并且确定在程序结束之前释放它，否则就会造成讨厌的内存泄露。为了绕开这一问题，OpenCV引进了一种智能指针。它将自动释放不再使用的对象。使用时，指针将被声明为Ptr 模板的特化：

Ptr<IplImage> piI = &I.operator IplImage();

      将C接口的数据结构转换为 Mat 时，可将其作为构造函数的参数传入，例如：

Mat K(piL), L;
L = Mat(pI);

实例学习

       现在，你已经学习了最基本的知识。这里你将会看到一个混合使用C接口和C++接口的例子。你也可以在可以再OpenCV的代码库中的sample目录中找到此文件samples/cpp/tutorial_code/core/interoperability_with_OpenCV_1/interoperability_with_OpenCV_1.cpp 。为了进一步帮助你认清其中区别，程序支持两种模式：C和C++混合，以及纯C++。如果你宏定义了DEMO_MIXED_API_USE ，程序将按第一种模式编译。程序的功能是划分颜色平面，对其进行改动并最终将其重新合并。
       在此，你可一看到新的结构再无指针问题，哪怕使用旧的函数，并在最后结束时将结果转换为 Mat 对象。

    // convert image to YUV color space. The output image will be created automatically.Mat I_YUV;cvtColor(I, I_YUV, CV_BGR2YCrCb);vector<Mat> planes;    // Use the STL's vector structure to store multiple Mat objectssplit(I_YUV, planes);  // split the image into separate color planes (Y U V)

       因为我们打算搞乱图像的亮度通道，所以首先将图像由默认的RGB颜色空间转为YUV颜色空间，然后将其划分为独立颜色平面（Y，U，V）。第一个例子中，我们对每一个平面用OpenCV中三个主要图像扫描算法（C []操作符，迭代，单独元素访问）中的一个进行处理。在第二个例子中，我们给图像添加一些高斯噪声，然后依据一些准则融合所有通道。
      运用扫描算法的代码如下: 

    // Method 1. process Y plane using an iteratorMatIterator_<uchar> it = planes[0].begin<uchar>(), it_end = planes[0].end<uchar>();for(; it != it_end; ++it){double v = *it * 1.7 + rand()%21 - 10;*it = saturate_cast<uchar>(v*v/255);}for( int y = 0; y < I_YUV.rows; y++ ){// Method 2. process the first chroma plane using pre-stored row pointer.uchar* Uptr = planes[1].ptr<uchar>(y);for( int x = 0; x < I_YUV.cols; x++ ){Uptr[x] = saturate_cast<uchar>((Uptr[x]-128)/2 + 128);// Method 3. process the second chroma plane using individual element accessuchar& Vxy = planes[2].at<uchar>(y, x);Vxy =        saturate_cast<uchar>((Vxy-128)/2 + 128);}}

       此处可看到，我们可以以三种方式遍历图像的所有像素：迭代器，C指针和单独元素访问方式你可在 OpenCV如何扫描图像、利用查找表和计时 中获得更深入的了解。从旧的函数名转换新版本非常容易，仅需要删除 cv 前缀，并且使用 Mat 数据结构。下面的例子中使用了加权加法：

    Mat noisyI(I.size(), CV_8U);           // Create a matrix of the specified size and type// Fills the matrix with normally distributed random values (around number with deviation off).// There is also randu() for uniformly distributed random number generationrandn(noisyI, Scalar::all(128), Scalar::all(20));// blur the noisyI a bit, kernel size is 3x3 and both sigma's are set to 0.5GaussianBlur(noisyI, noisyI, Size(3, 3), 0.5, 0.5);const double brightness_gain = 0;const double contrast_gain = 1.7;#ifdef DEMO_MIXED_API_USE// To pass the new matrices to the functions that only work with IplImage or CvMat do:// step 1) Convert the headers (tip: data will not be copied).// step 2) call the function   (tip: to pass a pointer do not forget unary "&" to form pointers)IplImage cv_planes_0 = planes[0], cv_noise = noisyI;    cvAddWeighted(&cv_planes_0, contrast_gain, &cv_noise, 1, -128 + brightness_gain, &cv_planes_0);
#elseaddWeighted(planes[0], contrast_gain, noisyI, 1, -128 + brightness_gain, planes[0]);
#endifconst double color_scale = 0.5;// Mat::convertTo() replaces cvConvertScale.// One must explicitly specify the output matrix type (we keep it intact - planes[1].type())planes[1].convertTo(planes[1], planes[1].type(), color_scale, 128*(1-color_scale));// alternative form of cv::convertScale if we know the datatype at compile time ("uchar" here).// This expression will not create any temporary arrays ( so should be almost as fast as above)planes[2] = Mat_<uchar>(planes[2]*color_scale + 128*(1-color_scale));// Mat::mul replaces cvMul(). Again, no temporary arrays are created in case of simple expressions.planes[0] = planes[0].mul(planes[0], 1./255);

       正如你所见，变量 planes 也是 Mat 类型的。无论如何，将 Mat 转换为 IplImage 都可通过简单的赋值操作符自动实现。

 merge(planes, I_YUV);                // now merge the results backcvtColor(I_YUV, I, CV_YCrCb2BGR);  // and produce the output RGB imagenamedWindow("image with grain", CV_WINDOW_AUTOSIZE);   // use this to create images#ifdef DEMO_MIXED_API_USE// this is to demonstrate that I and IplI really share the data - the result of the above// processing is stored in I and thus in IplI too.cvShowImage("image with grain", IplI);
#elseimshow("image with grain", I); // the new MATLAB style function show

       新的 imshow highgui函数可接受 Mat 和 IplImage 数据结构。 编译并运行例程，如果输入以下第一幅图像，程序将输出以下第二幅或者第三幅图像。

OpenCV源代码库中源文件：samples/cpp/tutorial_code/core/interoperability_with_OpenCV_1/interoperability_with_OpenCV_1.cpp 。