在C++中，读入一幅图像使用语句如下，读入的图像像素为0-255之间的某一整数：

Mat disp_image = imread(path,1);

 

其中图像每个像素的RGB值是用3元素向量来存储（B,G,R）的，某一像素点的RGB值读取方式如下：

Vec3b& mp = disp_image.at
     
      (j, i);           //C++用向量存储像素值double B = mp.val[0];        double G = mp.val[1];double R = mp.val[2];
     

在matlab中，读入一幅图像并转换为double型使用语句如下，读入的图像像素在0-1之间：

input_im=im2double(imread(path));

 matlab中用三维矩阵存储像素值，即R，G，B三个平面。注意此处与C++的BGR顺序不同。

 明白了图像的存储原理，就可以进行矩阵转换了。

在C++与matlab混合编程时，要使用数据接口类mwArray，可以简单理解为一个矩阵，即便是一个数值也转化为这种矩阵进行传递。

将C++形式的图像矩阵转为mwArray矩阵，传入matlab函数的方式如下：

//调用matlab程序进行图像增强    mwSize  mdim[3] ={disp_image.rows,disp_image.cols,3};    mwArray mdisp_image(3,mdim,mxDOUBLE_CLASS,mxREAL);//C++输入转matlab  接口矩阵转化及像素归一化    for(int j = 0; j < disp_image.rows; ++j){        for(int i = 0; i 
     
      (j, i);        //C++用向量存储像素值                double B = mp.val[0]*1.0/255;                //像素归一化到0-1之间                double G = mp.val[1]*1.0/255;                double R = mp.val[2]*1.0/255;                mdisp_image(j+1,i+1,1)=R;            //matlab中用三个面R，G，B存储像素值                mdisp_image(j+1,i+1,2)=G;            //C++图像矩阵像素值赋给matlab矩阵                mdisp_image(j+1,i+1,3)=B;        }            }
     

将matlab处理后的图像mwArray矩阵转为C++的Mat，方式如下：

//matlab结果转C++mwArray moutput_im2(3,mdim,mxDOUBLE_CLASS,mxREAL);         Mat output_image=disp_image.clone();        for(int j = 0; j < disp_image.rows; ++j){            for(int i = 0; i < disp_image.cols; ++i){                    double Bd = moutput_im2.Get(3,j+1,i+1,3);                double Gd = moutput_im2.Get(3,j+1,i+1,2);                double Rd = moutput_im2.Get(3,j+1,i+1,1);                int B=int(Bd*255);                        //像素范围扩展到0-255                int G=int(Gd*255);                int R=int(Rd*255);                output_image.at
     
      (j, i)[0] = B;    //matlab图像矩阵像素值赋给C++                output_image.at
      
       (j, i)[1] = G;                output_image.at
       
        (j, i)[2] = R;            }                }
       
      
     

好不容易琢磨出来，分享给大家吧。