我知道图像的cv::8UC1或cv::8UC3格式，分别是1通道0-255无符号字符或3通道，分别用于存储RGB 0-255无符号字符图像格式。
但是像cv::32F这样的浮点格式呢？关于这些家伙，我有两个问题。
1-为什么它们是32位的？我的意思是为什么我们需要存储0-4294967296范围内的像素强度？ （然后，我认为我们必须再次将其转换为0-255范围内的8位数字！）
2-据我所知，我们使用二维矩阵来存储具有整数坐标（x，y）的图像。但是我在一些代码中看到它们使用浮点数来查找像素的位置/坐标。就像O'reilly的书的这一部分一样：
亚像素角 如果出于提取几何图形的目的处理图像 测量，而不是提取特征以进行识别，那么您将 通常需要比由提供的简单像素值更高的分辨率 cv :: goodFeaturesToTrack（） 。换一种说法就是这样的像素
带有整数坐标，而我们有时需要实数值 坐标-例如，像素位置为（8.25，117.16）。
这是什么意思？
答案 0 :(得分：2)
我将尝试做一个简短的解释，但是我相信您会随着时间的推移更好地理解它。 当我们以数字方式捕获图像时，我们实际上使用了一个类似桌子的传感器，在其中我们测量照射到该单元的光量。光是物理量。您将测量值限制为0..255的事实并不意味着我们的眼睛无法看到更精细的分割。因此，许多应用程序的确提供0 ... 2 ^ 16-1的值，而不是0 ... 2 ^ 8-1（即255）的值。现在，我认为您已经足够回答您的问题了：
想象一下，我有一个从飞机上拍摄的农场的图像。我知道这张照片中某处有一个农夫。我想在每个像素中存储该像素是农民的概率（从飞机上射击时，人很小）。概率范围是0到1。因此，我需要浮点数。如果我进行高精度计算，则可能不仅需要32位浮点，还需要64位浮点来获得更高的精度。
如上所述，我们仅捕获“像素表”，但我们假设现实更为复杂。确实如此。因此，农民可能会“掉进”两个像素之间。因此，我们可以采取另一种方法：尝试找到农民要在其上行驶的拖拉机，并在其中途行驶。可以恰好落在两个像素之间。
继续阅读，通过练习，您可以掌握它了。