简洁版：
假设有四幅图像：A8u、A32f、B8u和B32f
那么A8u转换到A32f的方法为：A8u.comvertTo(A32f,CV_32F,1.0/255);
那么A32f转换到A8u的方法为：A32f.comvertTo(A8u,CV_8U,255);
——————————————————————————————————————————————————————————————————————
在vs下进行opencv的开发时，从来没有或者很少关注过图像的类型
这种不负责任的做法导致自己在往arm移植的时候遇到了一些困难
读取BMP格式的图像时，Mat矩阵默认为CV_8U的类型
但是当我们要进行傅里叶变换或者极坐标变换的时候，就需要转化为CV_32FC1类型的矩阵来提高精度或者避免舍入误差
CV_8UC1类型的图像的代码为 0
CV_8UC3类型的图像的代码为 16
CV_32FC1类型的图像的代码为 5
我们知道，CV_8UC1类型的图像的取值范围是0~255
CV_32FC1图像的取值范围则比较大
当我们把CV_8UC1转换为CV_32FC1后，取值范围依旧是0~255，但是此时用imshow函数是无法正常显示图像的，如果希望看到图像结果，我们需要nomalize这个函数来帮助我们把取值进行归一化，一旦归一化以后的图像再次进行类型转换到8UC1型，图像的所有值都会变为0......
opencv中，几种常见的图像类型有：
IplImage，Mat，CvMat，CvArr
CvArr ：
老版本的结构了。是一个抽象基类，在函数原型中，常见到CvArr（CvArr*），这就允许吧CvMar* 或者IplImage* 传递到程序或函数参数中了。
CvMat ：
矩阵结构，
IplImage ：
是较老版本的一种类型了，对图像进行”编码“的基本结构。这些图像可能是灰度，彩色，4通道的（RGB+ alpha），其中，每个通道可以包含任意的整数或浮点数。
Mat：
基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。
2 opencv中存储图像类型转换
（1）将IplImage类型转换到Mat类型
Mat::Mat(const IplImage* img, bool copyData=false);
默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建一个Mat矩阵头。当将参数copyData设为true后，就会复制整个图像数据。
例：
IplImage*iplImg = cvLoadImage("greatwave.jpg", 1);
Matmtx(iplImg); // IplImage* ->Mat 共享数据
// or : Mat mtx = iplImg;（2）将Mat类型转换到IplImage类型
同样只是创建图像头，而没有复制数据。
例：
IplImage ipl_img = img; // Mat -> IplImage（3）将CvMat类型转换为Mat类型
与IplImage的转换类似，可以选择是否复制数据。
Mat::Mat(const CvMat* m, bool copyData=false);（4）将Mat类型转换为CvMat类型
与IplImage的转换类似，不复制数据，只创建矩阵头。
例：
// 假设Mat类型的imgMat图像数据存在
CvMat cvMat = imgMat; // Mat -> CvMat
几个例子：
img
img = Scalar(0);
选择感兴趣区域：
Rect r(10, 10, 100, 100);
Mat smallImg = img(r);
Mat
Mat img = imread("image.jpg");
IplImage img1 = img;
CvMat m = img;
注意此处无数据复制操作。
将彩色图像转为灰度图像：
Mat img = imread("image.jpg"); // loading a 8UC3 image
Mat grey;
cvtColor(img, grey, CV_BGR2GRAY);
将图像的类型从8UC1转为32FC1：
src.convertTo(dst, CV_32F);
