用完整代码举例，使用C++语言，构建一个简易的图像处理系统，实现图像文件读写、图像显示

好的，以下是一个完整的图像处理系统的C++代码实现。由于篇幅限制，只展示核心代码。

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    string imagePath = "lena.jpg";

    // 读取图像文件
    Mat img = imread(imagePath, IMREAD_GRAYSCALE);
    if (img.empty()) {
        cout << "Could not read the image: " << imagePath << endl;
        return 1;
    }

    // 显示图像
    namedWindow("Image", WINDOW_NORMAL);
    imshow("Image", img);
    waitKey(0);

    return 0;
}

以上代码使用了OpenCV库进行图像处理。其中，`imread`函数实现了图像文件的读取，`namedWindow`函数创建了一个窗口，`imshow`函数将图像显示在窗口中，`waitKey`函数等待用户按下按键。在`main`函数中，我们可以看到如何调用这些函数实现图像处理的功能。此代码仅实现了图像文件读取和显示两个功能，更多的图像处理功能可以通过类似的方式实现。

相关问题

用代码举例，使用C++语言，构建一个简易的图像处理系统，实现图像文件读写、图像显示、统计量计算、直方图绘制、图像缩放、图像旋转、滤波等基础的图像处理功能。

好的，下面是一个使用OpenCV库实现的简易图像处理系统的示例代码，其中包括图像文件读写、图像显示、统计量计算、直方图绘制、图像缩放、图像旋转、滤波等基础的图像处理功能。

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 读取图像文件
    Mat image = imread("test.jpg", IMREAD_COLOR);

    // 显示图像
    namedWindow("Image", WINDOW_NORMAL);
    imshow("Image", image);
    waitKey(0);

    // 统计量计算
    Scalar meanValue = mean(image);
    Scalar stdValue = meanStdDev(image);
    cout << "Mean value: " << meanValue << endl;
    cout << "Std value: " << stdValue << endl;

    // 直方图绘制
    Mat grayImage;
    cvtColor(image, grayImage, COLOR_BGR2GRAY);
    int histSize = 256;
    float range[] = {0, 256};
    const float* histRange = {range};
    bool uniform = true, accumulate = false;
    Mat hist;
    calcHist(&grayImage, 1, 0, Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);
    int histHeight = 400;
    int histWidth = 512;
    int binWidth = cvRound((double)histWidth/histSize);
    Mat histImage(histHeight, histWidth, CV_8UC3, Scalar(0,0,0));
    normalize(hist, hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
    for(int i = 1; i < histSize; i++)
    {
        line(histImage, Point(binWidth*(i-1), histHeight-cvRound(hist.at<float>(i-1))),
             Point(binWidth*(i), histHeight-cvRound(hist.at<float>(i))),
             Scalar(255, 0, 0), 2, LINE_AA);
    }
    namedWindow("Histogram", WINDOW_NORMAL);
    imshow("Histogram", histImage);
    waitKey(0);

    // 图像缩放
    Mat resizedImage;
    resize(image, resizedImage, Size(), 0.5, 0.5);
    namedWindow("Resized Image", WINDOW_NORMAL);
    imshow("Resized Image", resizedImage);
    waitKey(0);

    // 图像旋转
    Mat rotatedImage;
    Point2f center(image.cols/2.0, image.rows/2.0);
    double angle = 45;
    Mat rotMat = getRotationMatrix2D(center, angle, 1.0);
    warpAffine(image, rotatedImage, rotMat, image.size());
    namedWindow("Rotated Image", WINDOW_NORMAL);
    imshow("Rotated Image", rotatedImage);
    waitKey(0);

    // 滤波
    Mat blurredImage;
    blur(image, blurredImage, Size(5,5));
    namedWindow("Blurred Image", WINDOW_NORMAL);
    imshow("Blurred Image", blurredImage);
    waitKey(0);

    return 0;
}

这段示例代码中，我们首先读取了一张名为“test.jpg”的图像文件，然后显示了该图像。接着，我们计算了该图像的平均值和标准差，并输出了结果。然后，我们将该图像转换为灰度图像，并计算了其直方图，并使用柱状图来展示。接下来，我们对该图像进行了缩放、旋转和滤波，并分别显示了处理后的图像。