cv::cvtColor 必须用 CV_BGR2GRAY 而非 CV_RGB2GRAY，因 cv::imread 默认以 BGR 顺序存储图像，误用 CV_RGB2GRAY 会导致通道错位、灰度值异常；cv::threshold 五种类型需按场景选用，其中 THRESH_OTSU 需单通道 8 位图，否则静默失败；二值化前通常需高斯模糊降噪，且输入必须为 CV_8UC1 类型，否则输出全黑。
cv::cvtColor 为什么必须用 CV_BGR2GRAY 而不是 CV_RGB2GRAY
OpenCV 默认读入的 cv::Mat 是 BGR 通道顺序，哪怕原始图像是 RGB 格式（比如从文件加载的 PNG/JPEG），cv::imread 也按 BGR 存。直接用 CV_RGB2GRAY 会导致灰度值错乱——绿色通道被当红，红色被当蓝，结果偏暗或发绿。
实操建议：
- 始终用
cv::cvtColor(src, dst, cv::COLOR_BGR2GRAY)，这是最安全的选择 - 如果输入 Mat 确实是 RGB（比如来自 Qt 或 OpenGL 的纹理），先确认通道顺序，再选
cv::COLOR_RGB2GRAY - 别依赖图像文件后缀判断颜色空间，
cv::imread的行为是固定的
cv::threshold 的五种二值化类型怎么选
cv::threshold 第五个参数决定算法逻辑，不同场景下效果差异明显。固定阈值（THRESH_BINARY）最常用，但光照不均时会漏细节；自适应方法（如 THRESH_OTSU）能自动算出最优阈值，但只适用于双峰直方图图像。
常见组合与适用场景：
-
cv::THRESH_BINARY：已知稳定阈值（如 127），适合工业检测中背景恒定的场景 -
cv::THRESH_BINARY | cv::THRESH_OTSU：一次性调用就计算全局最优阈值，省去手动试值，但要求前景/背景灰度分离明显 -
cv::THRESH_TRUNC：保留低于阈值的像素原值，高于的全设为阈值，可用于预处理降噪 -
cv::THRESH_TOZERO：低于阈值变黑，高于保留，适合提取高亮区域（如反光文字）
注意：cv::THRESH_OTSU 只对单通道 8 位图像有效，传入 float 型或 16 位图会静默失败，返回 0 作为阈值。
二值化前要不要先高斯模糊
噪声会让 Otsu 或固定阈值产生大量噪点。尤其摄像头采集的图像，椒盐或高斯噪声会把边缘撕碎。模糊不是“可选步骤”，而是多数实际场景的必要前置。
实操建议：
- 用
cv::GaussianBlur(gray, blurred, cv::Size(5,5), 0)，核大小取奇数，Size(5,5)覆盖大多数情况 - 避免用过大的核（如
Size(15,15)），会丢失细线、文字笔画等关键结构 - 如果图像本身很干净（如扫描文档），可跳过模糊，直接二值化提升响应速度
- 不要用
cv::blur替代高斯模糊——均值滤波对椒盐噪声抑制效果差
cv::Mat 类型不匹配导致 threshold 返回全黑或崩溃
cv::threshold 要求输入是单通道 8 位无符号整型（CV_8UC1）。如果传入 float 型灰度图（比如从某些归一化操作得到的 CV_32FC1），函数不会报错，但输出全是 0（全黑），因为阈值比较在 float 和 uint8 间发生隐式截断。
检查和修复方法：
- 打印类型：
std::cout ，确认是CV_8UC1 - 若为浮点型，先用
gray.convertScaleAbs(dst, 1.0, 0)转回 8 位 - 若灰度值范围不是 0–255（比如归一化到 0–1），必须先缩放：
gray.convertScaleAbs(dst, 255.0, 0) - 别依赖
cv::cvtColor输出类型——它默认输出CV_8UC1，但上游如果改过 Mat 类型，就得自己兜底
这类问题往往没有运行时报错，只有结果异常，调试时容易卡很久。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
