前言
C++和python两者的使用语法都是相同的
一、读取（imread和imdecode）
1、imread
由两个参数决定:
imread(“图片的地址+名称”, 何种形式读取图片)
1 image = cv2.imread("C:/Opencv/lena.jpg", cv2.IMREAD_GRAYSCA） // python
2 cv::Mat image = cv::imread("C:/Opencv/lena.jpg", 0); // c++
第二个参数，可以使用标志参数，也可以使用简记数字。常用的就是
读取形式 标志参数 简记数字
以原图读取(针对有Alpha通道的图片) IMREAD_UNCHANGED -1
以单通道的灰度图像读取 IMREAD_GRAYSCA 0
以3通道BGR的彩色图片读取 IMREAD_COLOR 1
2、imdecode
imread是从文件（磁盘）中直接读取图像数据，imdecode是从内存缓冲区中读取数据，并解码成图像格式。
使用imdecode的优点在于可以从内存中直接解码图像数据，而不需要将数据保存到磁盘再进行读取。在某些场景中是有用的，如网络传输的数据源，摄像头捕获的图像数据。
imdecode与image的使用有一点要注意：imread是传入图片路径，转为图片格式；imdecode传入的内存数据（数组形式），转为图片格式。就以上面的简单例子：从文件中读取图片。imdecode的python写法可以为下：
1 # 使用 NumPy 的 fromfile 函数从指定路径中读取图像数据，并将其存储为 NumPy 数组，作为参数传给imdecode解码成图像格式
2 image = cv2.imdecode(np.fromfile("C:/Opencv/lena.jpg", dtype = np.uint8), 1) # 1为标志参数，3通道读取
注：一般情况下，读取图像的像素数目小于2^30，这个要求在绝大多数图像处理领域都是不受影响的，但是对于超高分辨率图像的像素数目可能会超过这个阈值，可以通过修改系统变量中的OPENCV_IO_MAX_IMAGE_PIXELS参数调整能够读取的最大像素数目。
二、显示（imshow）
显示图片一般调试时使用，没有什么特别注意的（反正最终结果也要将其注释掉）。
常用三件套：1）显示图片窗口 2）窗口的持续时间或阻塞 3）销毁窗口
1 cv::imshow("Show", image); // "Show"是显示窗口的名称，image是读取的图片
2 //cv::waitKey(300) // 窗口持续300ms后关闭，继续后续程序
3 cv::waitKey(0); // 0 将会一直阻塞程序的执行，直到用户按下键盘上的任意键
4 cv::destroyAllWindows(); // 关闭程序中所有的窗口，一般用于程序的最后
注：如果原图分辨率太大，显示不完全怎么办？ 使用namedWindow()这个窗口函数设置一下。
此外，某些场景下想让图片并排表示，来更好的对比效果，可以使用以下方式（仅当展示图片的尺寸相同时）：
1 cv::Mat img = cv::imread("C:/Users/20231.jpg");
2 cv::Mat img1 = cv::imread("C:/Users/3-353S02073-0_WA.jpg");
3 cv::Mat img2 = cv::imread("C:/Users/301-4-353S02073-0_WA.jpg");
4
5 // 获取每张图像的大小
6 int h = img.rows;
7 int w = img.cols;
8 int h1 = img1.rows;
9 int w1 = img1.cols;
10 int h2 = img2.rows;
11 int w2 = img2.cols;
12
13 // 创建一个大画布用于展示三张图像
14 cv::Mat canvas(std::max(h, std::max(h1, h2)), w + w1 + w2, CV_8UC3, cv::Scalar(0, 0, 0));
15
16 // 将三张图像放置在合适的位置上
17 img.copyTo(canvas(cv::Rect(0, 0, w, h)));
18 img1.copyTo(canvas(cv::Rect(w, 0, w1, h1)));
19 img2.copyTo(canvas(cv::Rect(w + w1, 0, w2, h2)));
20
21 cv::imshow("Merged Images", canvas);
22 cv::waitKey(0);
23 cv::destroyAllWindows();
python代码如下：
1 img = cv2.imread("img.jpg")
2 img1 = cv2.imread("img1.jpg")
3 img2 = cv2.imread("img2.jpg")
4
5 # 获取每张图像的大小
6 h, w, _ = img.shape
7 h1, w1, _ = img1.shape
8 h2, w2, _ = img2.shape
9
10 # 创建一个大画布用于展示三张图像
11 canvas = np.zeros((max(h, h1, h2), w + w1 + w2, 3), dtype=np.uint8)
12
13 # 将三张图像放置在合适的位置上
14 canvas[:h, :w] = img
15 canvas[:h1, w:w+w1] = img1
16 canvas[:h2, w+w1:] = img2
17
18 # 显示合并后的图像
19 cv2.imshow("Merged Images", canvas)
20 cv2.waitKey(0)
21 cv2.destroyAllWindows()
三、保存（imwrite和imencode）
1、imwrite
与读取imread相似，要给出具体保存的路径（地址+图片名）
1 cv::Mat image = cv::imread("C:/Opencv/lena.jpg", cv::IMREAD_GRAYSCALE);
2 cv::imwrite("C:/Opencv/temp/lena.jpg", image);
值得注意的是批量图片的保存。通常方法都是 ：（固定的文件夹地址）+（流动的图片名）
（ 注：imwrite函数还有第三个参数，用于保存不同格式的图像。如果保存的图像是单通道或三通道，那第三个参数可以忽略。但如果保存的是特殊格式（如16位深度图像），则需要设置第三个参数。）
2、imencode
imencode函数是将图像数据编码成流数据（如png格式，jpg格式），返回的是一个元组（bool，NumPy），第一个元素是布尔值，表示编码是否成功；第二个是编码后的数据——NumPy数组。若想把数据保存到文件中，还需要其他步骤，例如，python中使用.tofile（.tofile() 是 NumPy 数组的一个方法，用于将数组中的数据以二进制形式写入文件）：
1 image = cv2.imdecode(np.fromfile("C:/Opencv/lena.jpg", dtype = np.uint8), -1)
2 cv2.imencode('.png', image)[1].tofile("C:/Opencv/temp/ena.png") // 索引[1]取出元组中的第二个元素，即编码后的图像数据
总结
imdecode和imencode是进行与内存缓冲区之间的操作（而不是磁盘），在某些场景下更加高效，但C++中使用这两个比较繁琐，python中使用较为方便。