本次项目主要是使用Qt平台编写图像处理程序，用到了opencv库。本文主要讲解怎么在Qt平台中添加opencv库，以及使用opencv库的注意事项，通过opencv库实现图像的直方图分析，形态学处理，线性滤波和非线性滤波，图像二值化，边缘提取以及轮廓分析，人脸检测，使用多线程批量处理图片加快处理速度等。
若想要编译好的opencv库，请查看咸鱼，链接：
目录
扫描二维码关注公众号，回复：
9817332 查看本文章
第四：打包成exe文件时，对于程序调用的dll文件以及需要外部载入文件的打包
1.Qt工程中添加opencv库
本项目所用平台为：win10系统，Qtcreater4.8.0，Qt5.12.0，vs2015，opencv2.4.6
第一步：下载opencv并编译，将编译好的文件放在某个固定路径下
编译好的文件中，最重要的内容就是：
版本对应关系如下：
第二步：新建Qt工程，并在pro文件中添加对opencv库的引用
若你的opencv版本不是2.4.6，可以照着下图的代码进行修改。
第三步：opencv库的使用
第四步：将opencv库的dll文件放到系统调用目录
注意，很多时候运行程序失败都是这个原因。调用opencv库必须使用dll文件，因此必须让你的程序能够找到这个dll。
2.使用opencv库实现人脸识别
这里的人脸识别使用的是级联分类器haarcascades，在机器学习算法中，通过对多个弱分类器的叠加可以实现一个强分类器。使用级联分类器，识别速度快，识别准确率也较高，非常适合于物体识别。本文用到的级联分类器是由opencv官方训练好的一个用于人脸识别的级联分类器，可以分别识别人的眼睛和鼻子以及其他人脸部位，分类器由一个xml文件保存，使用时导入即可。
首先，将图片灰度化，再直方图均衡化，增强图片对比度；
然后，载入用到的级联分类器模型；
最后，使用载入的分类器进行人脸（或者其他部位）识别，识别到的所有人脸（或者其他部位），都会被一个正方形框住。这些正方形组成一个数组，正方形有位置和面积大小，通过人为设置判断标准，可以将人脸可靠的检测出来。
Mat faceimage=img.clone();//深层拷贝
Mat image_gray;
cvtColor(faceimage, image_gray, CV_BGR2GRAY); //转为灰度图
equalizeHist(image_gray, image_gray); //直发图均化，增强对比度方便处理
CascadeClassifier eye_Classifier; //载入分类器
CascadeClassifier face_cascade; //载入分类器
//加载分类训练器，OpenCV官方文档的xml文档，可以直接调用
QString aFile = QDir::currentPath() + "/haarcascade_eye.xml";
QString path = QDir::toNativeSeparators(aFile);
string eyefile = path.toStdString();
if (!eye_Classifier.load(eyefile)) //把xml文档复制到了当前项目的路径下
{
qDebug() << "导入haarcascade_eye.xml时出错 !" << endl;
return;
}
QString aFile2 = QDir::currentPath() + "/haarcascade_frontalface_alt.xml";
QString path2 = QDir::toNativeSeparators(aFile2);
string facefile = path2.toStdString();
if (!face_cascade.load(facefile)) //把xml文档复制到了当前项目的路径下
{
qDebug() << "导入haarcascade_frontalface_alt.xml时出错 !" << endl;
return;
}
vector<Rect> faces, eyes;
face_cascade.detectMultiScale(image_gray, faces, 1.2, 5, 0, Size(30, 30));
if (faces.size()>0) {
for (size_t i = 0; i<faces.size(); i++) {
rectangle(faceimage, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height), Scalar(0, 0, 255), 10, 8);
}
}
processedimg=faceimage.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(faceimage.data), faceimage.cols, faceimage.rows,faceimage.cols*faceimage.channels(), QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();
3.图像的直方图分析
一张彩色图像的直方图分析包括：R分量，G分量，B分量和灰色分量的直方图分析
第一：各个分量的直方图分析
将一副图像的各个分量通道进行分离，然后进行直方图分析
Mat histimg;
vector<Mat> rgb_channel;
split(img, rgb_channel);//将一幅多通道的图像的各个通道分离。
Mat R=rgb_channel[2];
histimg=getHistograph(R);
processedimg=histimg;
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(histimg.data), histimg.cols, histimg.rows, histimg.cols*histimg.channels(),QImage::Format_Grayscale8);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();第二：灰度直方图分析
灰度直方图分析就是将图片转换为灰度图，然后进行直方图分析
Mat hsv;
//定义灰度图像，转成灰度图
cvtColor(img,hsv,COLOR_BGR2GRAY);
//直方图图像
Mat hist=getHistograph(hsv);
processedimg=hist;
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(hist.data), hist.cols, hist.rows, hist.cols*hist.channels(),QImage::Format_Grayscale8);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();第三：直方图分析的普遍算法
//直方图提取算法
Mat getHistograph(const Mat grayImage)
{
//定义求直方图的通道数目，从0开始索引
int channels[]={0};
//定义直方图的在每一维上的大小，例如灰度图直方图的横坐标是图像的灰度值，就一维，bin的个数
//如果直方图图像横坐标bin个数为x，纵坐标bin个数为y，则channels[]={1,2}其直方图应该为三维的，Z轴是每个bin上统计的数目
const int histSize[]={256};
//每一维bin的变化范围
float range[]={0,256};
//所有bin的变化范围，个数跟channels应该跟channels一致
const float* ranges[]={range};
//定义直方图，这里求的是直方图数据
Mat hist;
//opencv中计算直方图的函数，hist大小为256*1，每行存储的统计的该行对应的灰度值的个数
calcHist(&grayImage,1,channels,Mat(),hist,1,histSize,ranges,true,false);//cv中是cvCalcHist
//找出直方图统计的个数的最大值，用来作为直方图纵坐标的高
double maxValue=0;
//找矩阵中最大最小值及对应索引的函数
minMaxLoc(hist,0,&maxValue,0,0);
//最大值取整
int rows=cvRound(maxValue);
//定义直方图图像，直方图纵坐标的高作为行数，列数为256(灰度值的个数)
//因为是直方图的图像，所以以黑白两色为区分，白色为直方图的图像
Mat histImage=Mat::zeros(rows,256,CV_8UC1);
//直方图图像表示
for(int i=0;i<256;i++)
{
//取每个bin的数目
int temp=(int)(hist.at<float>(i,0));
//如果bin数目为0，则说明图像上没有该灰度值，则整列为黑色
//如果图像上有该灰度值，则将该列对应个数的像素设为白色
if(temp)
{
//由于图像坐标是以左上角为原点，所以要进行变换，使直方图图像以左下角为坐标原点
histImage.col(i).rowRange(Range(rows-temp,rows))=255;
}
}
//由于直方图图像列高可能很高，因此进行图像对列要进行对应的缩减，使直方图图像更直观
Mat resizeImage;
resize(histImage,resizeImage,Size(256,256));
return resizeImage;
}4.图像的形态学处理--腐蚀和膨胀操作
腐蚀和膨胀操作关键点是：内核参数的选取，这个是人为确定的。
腐蚀操作如下：
//获取内核形状和尺寸
int m_KernelValue=1;
Mat element = getStructuringElement(MORPH_RECT, Size(m_KernelValue * 2 + 1, m_KernelValue * 2 + 1), Point(m_KernelValue, m_KernelValue));
//腐蚀操作
Mat m_dstImage;
erode(img, m_dstImage, element);
processedimg=m_dstImage.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(m_dstImage.data), m_dstImage.cols, m_dstImage.rows, m_dstImage.cols*m_dstImage.channels(),QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();膨胀操作如下:
//获取内核形状和尺寸
int m_KernelValue=1;
Mat element = getStructuringElement(MORPH_RECT, Size(m_KernelValue * 2 + 1, m_KernelValue * 2 + 1), Point(m_KernelValue, m_KernelValue));
//膨胀操作
Mat m_dstImage;
dilate(img, m_dstImage, element);
processedimg=m_dstImage.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(m_dstImage.data), m_dstImage.cols, m_dstImage.rows,m_dstImage.cols*m_dstImage.channels(), QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();5.图像的线性滤波和非线性滤波
这里介绍图像的线性滤波：方框滤波，均值滤波和高斯滤波。以及图像的非线性滤波：中值滤波和双边滤波
方框滤波：滤波操作非常简单，重要的是滤波函数内的参数人为选取
//进行滤波操作
Mat out;
boxFilter(img, out, -1, Size(3, 3));
//显示
processedimg=out.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(out.data), out.cols, out.rows,out.cols*out.channels(), QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();均值滤波：
//进行滤波操作
Mat out;
blur(img,out,Size(7,7));
processedimg=out.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(out.data), out.cols, out.rows, out.cols*out.channels(),QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();高斯滤波：
//进行滤波操作
Mat out;
GaussianBlur(img,out,Size(3,3),0,0);
processedimg=out.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(out.data), out.cols, out.rows, out.cols*out.channels(),QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();中值滤波：
//进行中值滤波操作
Mat out;
medianBlur (img, out, 7);//输入，输出，7通道。其中参数3：孔径的线性尺寸，必须大于1.、必须为奇数，越大，滤布越强。
processedimg=out.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(out.data), out.cols, out.rows,out.cols*out.channels(), QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();双边滤波：
//进行中值滤波操作
Mat out;
//双边滤波操作
bilateralFilter(img, out, 25, 25 * 2, 25 / 2);
processedimg=out.clone();
cvtColor(processedimg,processedimg,CV_RGB2BGR);//Mat的图片是BGR格式，需要先转换为RGB格式
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(out.data), out.cols, out.rows,out.cols*out.channels(), QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();6.图像的二值化，边缘提取以及轮廓分析
图像的二值化需要先将彩色图转换为灰度图，由于灰度范围是0-256，因此二值化处理时的值不能越过这个范围。
图像边缘提取算法有：sobel算子，Laplacian算子，Canny算子。
轮廓分析使用findContours函数，找到的轮廓是有面积值的，可以据此进行轮廓筛选。
图像的二值化：
Mat biImage;
cvtColor(img, biImage, CV_BGR2GRAY);//彩色图转换为灰度图
cv::threshold(biImage,biImage,threshold,255, CV_THRESH_BINARY);//二值化处理
processedimg=biImage;//方便放大显示二值化处理后的图片
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(biImage.data), biImage.cols, biImage.rows,biImage.cols*biImage.channels(),QImage::Format_Indexed8);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();sobel算子边缘提取：
Mat hsv,edgeImg;
//定义灰度图像，转成灰度图
cvtColor(img,hsv,COLOR_BGR2GRAY);
//Sobel边缘检测
Mat x_edgeImg, y_edgeImg;
Mat abs_x_edgeImg, abs_y_edgeImg;
/*****先对x方向进行边缘检测********/
//因为Sobel求出来的结果有正负，8位无符号表示不全，故用16位有符号表示
Sobel(hsv,x_edgeImg, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(x_edgeImg, abs_x_edgeImg);//将16位有符号转化为8位无符号
/*****再对y方向进行边缘检测********/
Sobel(hsv, y_edgeImg, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(y_edgeImg, abs_y_edgeImg);
addWeighted(abs_x_edgeImg, 0.5, abs_y_edgeImg, 0.5, 0, edgeImg);
processedimg=edgeImg;
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(edgeImg.data), edgeImg.cols, edgeImg.rows, edgeImg.cols*edgeImg.channels(),QImage::Format_Grayscale8);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();Laplacian算子边缘提取： Mat hsv,edgeImg;
//定义灰度图像，转成灰度图
cvtColor(img,hsv,COLOR_BGR2GRAY);
//Laplacian边缘检测
Mat lapImg;
Laplacian(hsv, lapImg, CV_16S, 5, 1, 0, BORDER_DEFAULT);
convertScaleAbs(lapImg, edgeImg);
processedimg=edgeImg;
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(edgeImg.data), edgeImg.cols, edgeImg.rows, edgeImg.cols*edgeImg.channels(),QImage::Format_Grayscale8);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();Canny算子边缘提取：Mat hsv,edgeImg;
//定义灰度图像，转成灰度图
cvtColor(img,hsv,COLOR_BGR2GRAY);
//Canny边缘检测
Canny(hsv, edgeImg, 30, 80);
processedimg=edgeImg;
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(edgeImg.data), edgeImg.cols, edgeImg.rows, edgeImg.cols*edgeImg.channels(),QImage::Format_Grayscale8);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();轮廓分析：
contoursize数组中contoursize[i]就是轮廓i的面积。Mat hsv;
//定义灰度图像，转成灰度图
cvtColor(img,hsv,COLOR_BGR2GRAY);
Mat contImg = Mat ::zeros(hsv.size(),CV_8UC3);//定义三通道轮廓提取图像
Mat binImg;
cv::threshold(hsv, binImg, 127, 255, THRESH_OTSU);//大津法进行图像二值化
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
//查找轮廓
findContours(binImg, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);
//绘制查找到的轮廓
drawContours(contImg, contours, -1, Scalar(0,255,0));
contoursize.clear();
contoursize.resize(1);//重置轮廓面积变量的大小
// qDebug()<<contours.size();
for(int i=0;i<contours.size();i++)
{
ui->contour->addItem(QString::number(i+1));
double temp=contourArea(contours[i]);
contoursize.push_back(temp);
}
ui->num->setText(QString::number(contours.size()));
ui->size->setText(QString::number(contourArea(contours[0])));
processedimg=contImg;
//在窗口控件中显示图片
QImage Qtemp2 = QImage((const unsigned char*)(contImg.data), contImg.cols, contImg.rows, contImg.cols*contImg.channels(),QImage::Format_RGB888);
QPixmap pixmap2 = QPixmap::fromImage(Qtemp2);
int with = ui->showimage->width();
int height = ui->showimage->height();
QPixmap fitpixmap2 = pixmap2.scaled(with, height, Qt::KeepAspectRatio, Qt::SmoothTransformation); // 按比例缩放
ui->showimage->setPixmap(fitpixmap2);
ui->showimage->show();7.使用多线程批量处理图片，加快图片处理速度
我们知道，将图片从硬盘中读取是一个费时的操作，远远高于图片处理的耗时。因此通过多线程的方式，我们就可以在处理图片的同时，导入后续图片到内存中。需要注意的是，需要采用线程锁的方式，避免多个线程处理同一张图片。
第一：获取图片所在文件夹中所有图片的名称以及总的图片数量值；
第二：对已经在处理中的图片编号进行计数，使用线程锁避免该计数值被多个线程同时改变。
第三，由于线程锁机制，每个线程都会顺序分配一张其可以处理的图片编号，只需对该图片进行处理。
第四，加入判断语句，当正在处理的图片编号达到或超过总的图片数量值时，结束当前线程。
void WorkThread::dataprocessing(void)
{
while(1)
{
//线程一进入先判断是否图像已经处理完毕，如果完毕记录从开始至该线程结束所用的时间
if(currentimagenum>=allImageNameList.count())
{
overtime=codetime.elapsed()/1000.0;
emit time_over();//发送批量处理图片花费的时间到主UI所在的线程进行显示
//结束当前线程
this->terminate();
this->wait();
break;
}
//给需要保护的变量currentimagenum加锁，防止多线程时对同一图片进行处理
QMutex mutex;
mutex.lock();
int num=currentimagenum;
currentimagenum++;
mutex.unlock();
//载入需要处理的图片
QString filename=imageprocessing_filename+"/"+(allImageNameList[num]);
Mat img;
std::string srcpath = filename.toLocal8Bit().toStdString(); //解决中文路径问题
img = cv::imread(srcpath);//加载并图片，延时2后自动关闭窗口
Mat biImage;
// 转换为灰度图
if (img.channels() == 4) {
cv::cvtColor(img, biImage, CV_BGRA2GRAY);
} else if (img.channels() == 3) {
cv::cvtColor(img, biImage, CV_BGR2GRAY);
} else if(img.channels() == 2) {
cv::cvtColor(img,biImage,CV_BGR5652GRAY);
} else if(img.channels() == 1) {// 单通道的图片直接就不需要处理
} else { // 负数,说明图有问题 直接返回
}
//保存处理后的图片
QImage Qtemp2 = QImage((const unsigned char*)(biImage.data), biImage.cols, biImage.rows,biImage.cols*biImage.channels(),QImage::Format_Grayscale8);
QString savefile=imageprocessing_filename;
savefile.append("/output/");
QDir *photo = new QDir;
if(!photo->exists(savefile))
{
//创建output文件夹
photo->mkdir(savefile);
}
savefile.append(QString::number(num)+".jpg");
QString path = QDir::toNativeSeparators(savefile);//将路径转换为当前系统所定义的路径
Qtemp2.save(path,"JPG", 100);
savefile.clear();
filename.clear();
}
}8.使用opencv库的注意事项
第一：图片格式转换
1.opencv库处理的图片格式是BGR格式的，当Qt窗口需要显示时要转换为RGB格式，否则会有运行问题。
2.彩色图片一般选用RGB888格式，灰色图片一般选用Indexed8格式
3.同理，当需要使用opencv库处理图片时，需要将原本是RGB格式的图片转换为BGR格式。
第二：图片的拷贝
图片的强制拷贝使用clone函数，避免对拷贝图片处理时影响原图片。
第三：在Qt窗口中显示处理后的图片
使用Qlabel控件作为图片显示的载体。
再将Mat格式的图片转换为QImage格式。
最后将QImage转换为QPixmap进行缩放显示。
注意：Mat格式的图片转换为QImage格式时，对于灰度图和彩色图是不同的。通过channels()函数进行区分。
第四：打包成exe文件时，对于程序调用的dll文件以及需要外部载入文件的打包
将dll文件直接放在打包目录里。
需要外部载入的文件，通过相对路径进行调用，打包时同样放在打包目录里。
这样这些文件都会包含在打包的exe文件中，不会造成缺少文件的情况。
第五：点击窗口上的图片，会弹出一个放大版的图片
只需要在Qlabel控件上覆盖一个按钮控件，按钮控件设为透明。则可以通过响应按钮点击事件弹出一个放大的图片。
