Procesamiento de imágenes en C++: bibliotecas CImg, OpenCV y stb_image

Trabajo con imágenes en C++: revisión de bibliotecas y ejemplos prácticos

El procesamiento de imágenes es una de las tareas clave en la programación moderna, desde la visión por computadora hasta los editores gráficos. En C++ existen varias bibliotecas potentes que permiten cargar, procesar y guardar imágenes. En este artículo analizaremos tres herramientas populares: CImg, OpenCV y stb_image. Cada una tiene sus propias características, ventajas y áreas de aplicación.

1. Biblioteca CImg

CImg (C++ Image Processing Library) es una biblioteca ligera y multiplataforma para el procesamiento de imágenes. Se distribuye como un único archivo de cabecera (CImg.h), lo que la hace ideal para prototipado rápido y proyectos pequeños. CImg admite formatos BMP, JPEG, PNG, TIFF y otros, pero para trabajar con ellos requiere la instalación de bibliotecas adicionales (por ejemplo, libpng o libjpeg).

Características principales:

• Carga, visualización y guardado de imágenes.
• Filtros (desenfoque, nitidez, filtro mediano).
• Transformaciones geométricas (rotación, escalado, reflexión).
• Trabajo con espacios de color (RGB, HSV, Lab).
• Dibujo de primitivas (líneas, círculos, texto).

Ejemplo: cargar una imagen y aplicar desenfoque

#include "CImg.h"using namespace cimg_library;

int main() {    // Cargamos la imagen    CImg<unsigned char> image("input.jpg");

    // Aplicamos desenfoque gaussiano (radio 3)    CImg<unsigned char> blurred = image.get_blur(3);

    // Guardamos el resultado    blurred.save("output_blurred.jpg");

    return 0;}

Este código demuestra el enfoque minimalista de CImg: una línea para cargar, una para procesar y una para guardar. La biblioteca gestiona la memoria automáticamente.

2. Biblioteca OpenCV

OpenCV (Open Source Computer Vision Library) es el estándar de facto para tareas de visión por computadora y procesamiento de imágenes en C++. Incluye más de 2500 algoritmos optimizados, admite aceleración por GPU y se utiliza activamente en soluciones industriales, robótica e investigación científica. OpenCV trabaja con formatos JPEG, PNG, TIFF, WebP y muchos otros.

Características principales:

• Carga, visualización y grabación de video/imágenes.
• Filtrado, morfología, procesamiento por umbral.
• Detección de objetos (rostros, automóviles) mediante cascadas Haar o aprendizaje profundo.
• Calibración de cámara, visión estéreo.
• Aprendizaje automático (SVM, KNN, redes neuronales).

Ejemplo: cambiar tamaño y convertir a escala de grises

#include <opencv2/opencv.hpp>using namespace cv;

int main() {    // Cargamos la imagen a color    Mat image = imread("input.jpg", IMREAD_COLOR);    if (image.empty()) {        return -1;    }

    // Convertimos a escala de grises    Mat gray;    cvtColor(image, gray, COLOR_BGR2GRAY);

    // Reducimos el tamaño a la mitad    Mat resized;    resize(gray, resized, Size(), 0.5, 0.5, INTER_LINEAR);

    // Guardamos el resultado    imwrite("output_gray_resized.jpg", resized);

    return 0;}

OpenCV utiliza la clase Mat para representar imágenes. Todas las operaciones se realizan a través de funciones estáticas o métodos. La biblioteca requiere instalación previa, pero ofrece la máxima flexibilidad y rendimiento.

3. Biblioteca stb_image

stb_image es parte del conjunto de bibliotecas de un solo archivo de cabecera de Sean Barrett. Está diseñada exclusivamente para cargar y guardar imágenes, sin funciones de procesamiento. Admite los formatos JPEG, PNG, BMP, GIF, PS