? ? ? ?我们知道每张图像都能够用矩阵来表示，矩阵中每个元素的值表示了图像中每个像素值，像素值的大小就对应着图像的亮暗。因此找到矩阵中的最大值，就是找到了图像中灰度值最大的像素，计算矩阵所有元素的平均值就是计算图像像素平均灰度，平均灰度表示图像整体的亮暗程度。
图像像素计算有以下几种：
可以利用opencv的minMaxLoc()函数实现
void cv::minMaxLoc(InputArray src,
double * minVal,
double * maxVal = 0,
Point * minLoc = 0,
Point * maxLoc = 0,
InputArray mask = noArray())
Point数据类型是用于表示图像的像素坐标，由于图像的像素坐标轴以左上角为坐标原点，水平方向为x轴，垂直方向为y轴，因此Point(x,y)对应于图像的行和列表示为Point(列数，行数)。在OpenCV中对于2D坐标和3D坐标都设置了多种数据类型，针对2D坐标数据类型定义了整型坐标cv::Point2i(或者cv::Point)、double型坐标cv::Point2d、浮点型坐标cv::Point2f，对于3D坐标同样定义了上述的坐标数据类型，只需要将其中的数字“2”变成“3”即可。对于坐标中x、y、z轴的具体数据，可以通过变量的x、y、z属性进行访问，例如Point.x可以读取坐标的x轴数据。
对于多通道矩阵数据，利用cv::Mat::reshape()将多通道变成单通道，或者分别寻找每个通道的最值，然后再进行比较寻找到全局最值。
具体使用案例如下：
#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
using namespace std;
using namespace cv;
int main(int argc,char** argv) {
cout<<"OpenCv Version: "<<CV_VERSION<<endl;//输出使用的opencv版本号
Mat img=imread('1.jpg');//单通道图像
Mat imgs=imread("2.jpg");//多通道图像
double minVal,maxVal;//用于存放矩阵中的最大值和最小值
Point minIdx,maxIdx;//用于存放矩阵中的最大值和最小值的位置
/*寻找单通道矩阵中的最值*/
minMaxLoc(img,&maxVal,&minVal,&minIdx,&maxIdx);
cout << "img中最大值是：" << maxVal << " " << "在矩阵中的位置:" << maxIdx << endl;
cout << "img中最小值是：" << minVal << " " << "在矩阵中的位置:" << minIdx << endl;
/*寻找多通道矩阵中的最值*/
Mat imgs_re=imgs.reshape(1,4);//将多通道矩阵变成单通道矩阵
minMaxLoc(imgs_re,&minVal,&maxVal,&minIdx,&maxIdx);
cout << "img中最大值是：" << maxVal << " " << "在矩阵中的位置:" << maxIdx << endl;
cout << "img中最小值是：" << minVal << " " << "在矩阵中的位置:" << minIdx << endl;
return 0;
}
如果我们想知道图像的亮暗程度变化，可以求图像的均值来判断。均值越大，说明图像越亮。图像标准差表示图像中明暗变化程度，标准差越大表示图像中明暗变化越明显。
我们可以利用cv::mean()函数用于计算图像的平均值，也可以利用meanStdDev()函数用于同时计算图像的均值和标准方差。
cv::Scalar cv::mean(InputArray src,InputArray mask = noArray())
该函数用来求取图像矩阵的每个通道的平均值，函数的第一个参数用来输入待求平均值的图像矩阵，其通道数目可以在1到4之间。需要注意的是，该函数的返回值是一个cv::Scalar类型的变量，函数的返回值有4位，分别表示输入图像4个通道的平均值，如果输入图像只有1个通道，那么返回值的后三位都为0，例如输入该函数一个单通道平均值为1的图像，输出的结果为[1,0,0,0]，可以通过cv::Scalar[n]查看第n个通道的平均值。该函数的第二个参数用于控制图像求取均值的范围，在第一个参数中去除第二个参数中像素值为0的像素，当不输入第二个参数时，表示求取第一个参数全部像素的平均值。
void cv::meanStdDev(InputArray src,OutputArray mean,OutputArray stddev,InputArray mask = noArray())
该函数的第一个参数与前面mean()函数第一个参数相同，都可以是1-4通道的图像，不同之处在于该函数没有返回值，图像的均值和标准方差输出在函数的第二个和第三个参数中，区别于mean()函数，用于存放平均值和标准方差的是Mat类型变量，变量中的数据个数与第一个参数通道数相同，如果输入图像只有一个通道，该函数求取的平均值和标准方差变量中只有一个数据。
具体使用案例如下：
#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
using namespace std;
using namespace cv;
int main(int argc,char** argv) {
cout<<"OpenCv Version: "<<CV_VERSION<<endl;
Mat img=imread("3.jpg");//单通道图像或矩阵
Mat imgs=imread("4.jpg");//多通道图像或矩阵
cout << "/* 用meanStdDev同时求取图像的均值和标准方差 */" << endl;
Scalar myMean;
myMean=mean(imgs);
cout<<"imgs均值 = "<<myMean<<endl;
cout<<"imgs第一个通道的均值 = "<<myMean[0]<<" "
<<"imgs第二个通道的均值 = "<<myMean[1]<<endl;
cout << "/* 用meanStdDev同时求取图像的均值和标准方差 */" << endl;
Mat myMeanMat,myStddevMat;
meanStdDev(img,myMeanMat,myStddevMat);
cout << "img均值=" << myMeanMat << " " << endl;
cout << "img标准方差=" << myStddevMat << endl << endl;
meanStdDev(imgs,myMeanMat,myStddevMat);
cout << "img均值=" << myMeanMat << " " << endl;
cout << "img标准方差=" << myStddevMat << endl << endl;
return 0;
}
opencv提供了求取两张图像每一位像素较大或者较小灰度值的max()、min()函数，这两个函数分别比较两个图像中每一位元素灰度值的大小，保留较大（较小）的灰度值。
void cv::max(InputArray src1,InputArray src2,OutputArray dst)
void cv::min(InputArray src1,InputArray src2,OutputArray dst)
该函数的功能相对来说比较简单，就是比较图像每个像素的大小，按要求保留较大值或者较小值，最后生成新的图像。
具体案例如下：
#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
using namespace std;
using namespace cv;
int main(int argc,char** argv) {
cout<<"OpenCv Version: "<<CV_VERSION<<endl;
//对两张彩色图像进行比较运算
Mat img1=imread("l.png");
Mat img2=imread("2.jpg");
if(img0.empty()||img1.empty()){
cout<<"请确认图像文件名称是否正确"<<endl;
return -1;
}
Mat comMin,comMax;
max(img1,img2,comMax);
min(img1,img2,comMin);
imshow("comMin",comMin);
imshow("comMax",comMax);
//与掩模进行比较运算
Mat src1=Mat::zeros(Size(512,512),CV_8UC3);
Rect rect(100,100,300,300);//起点（100，100）长300，宽300的矩形
src1(rect)=Scalar(255,255,255);//生成一个300*300的掩模
Mat comsrc1,comsrc2;
min(img1,src1,comsrc1);
imshow("comsrc1",comsrc1);
Mat src2=Mat(512,512,CV_8UC3,Scalar(0,0,255));//生成一个显示红色的低通掩模
min(img1,src2,comsrc2);
imshow("comsrc2",comsrc2);
//对两张图片灰度图像进行比较运算
Mat img1g,img2g,comMing,comMaxg;
cvtColor(img1,img1g,COLOR_BGR2GRAY);
cvtColor(img2,img2g,COLOR_BGR2GRAY);
max(img1g,img2g,comMaxg);
max(img1g,img2g,comMaxg);
imshow("comMing",comMing);
imshow("comMaxg",comMaxg);
return 0;
}
opencv为两个图像像素之间逻辑运算与、或、异或以及非运算提供了bitwise_and()、bitwise_or()、bitwise_xor()和bitwise_not()四个函数，在进行逻辑计算时，一定要保证两个图像矩阵之间的尺寸、数据类型和通道数相同，多个通道进行逻辑运算时不同通道之间是独立进行的。
具体案例如下：
#include <opencv2\opencv.hpp>
#include <iostream>
#include <vector>
using namespace std;
using namespace cv;
int main()
{
Mat img = imread("lena.png");
if (img.empty())
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
//创建两个黑白图像
Mat img0 = Mat::zeros(200, 200, CV_8UC1);
Mat img1 = Mat::zeros(200, 200, CV_8UC1);
Rect rect0(50, 50, 100, 100);
img0(rect0) = Scalar(255);//将起点50，50，长宽100的矩形框区域像素值置为255，白色
Rect rect1(100, 100, 100, 100);
img1(rect1) = Scalar(255);
imshow("img0", img0);
imshow("img1", img1);
//进行逻辑运算
Mat myAnd, myOr, myXor, myNot, imgNot;
bitwise_not(img0, myNot);
bitwise_and(img0, img1, myAnd);
bitwise_or(img0, img1, myOr);
bitwise_xor(img0, img1, myXor);
bitwise_not(img, imgNot);
imshow("myAnd", myAnd);
imshow("myOr", myOr);
imshow("myXor", myXor);
imshow("myNot", myNot);
imshow("img", img);
imshow("imgNot", imgNot);
waitKey(0);
return 0;
}