数字图像处理中，其数据类型一般为无符号类型，实际计算过程中会经常出现数据溢出现象，在无符号数据中如果其值出现小于0 则称之为向下溢出underflow，当计算结果大于其该数据类型能表示的最大值时称之为overflow时，比如 当为符号8位一个字节时，如果计算结果出现小于0 则称为underfow，计算结果大于0，称为overflow.

在实际的C/C++语言中，对于无符号类型，其出现反转时，将会按照循环处理反转重新计数。

比如一个 uchar类型 设Vxy 为10 则表达式((10 - 128) * 2 + 128) 中(10 - 128)会被重新认为是有符号，最终结果为-108，如果将其结果重新赋值给uchar将会发生反转，从0开始反转重新计算其结果为（-108+256）=148.

如果Vxy+255重新反转计算结果还是10.

uchar Vxy = 10;
 
uchar result = ((10 - 128) * 2 + 128);
char result3 = (Vxy + 256);
 
printf("result: %d
", result);
printf("result2: %d
", result2);
printf("result3: %d
", result3);

结果为：

result: 148
result3: 10

上述场景在opencv中称之为saturation casting，在图像算法结果中数值的结果溢出造成反转会对实际结果造成影响，比如会造成图像过亮影响实际计算结果。

opencv支持cv::saturate_cast<>()，来解决数据溢出问题，当数据出现underflow时，其结果不反转直接取该数据类型支持的最小值，当数据出现overflow时，结果直接去该数据类型最大值，比如：

uchar Vxy = 10;
 
uchar result2 = cv::saturate_cast((Vxy - 128) * 2 + 128);
uchar result4 = cv::saturate_cast((Vxy + 256));
 
printf("result2: %d
", result2);
printf("result4: %d
", result4);

结果：

result2: 0
result4: 255

saturate_cast在算法中都非常有用，比如改变图像的亮度和对比度，其公式如下：

 当a和b过大时很容易造成其计算结果溢出，造成图像过亮：

用例，使用lena图像，通过调整对比度和亮度：

#include 
#include "opencv2/opencv.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
 
using namespace cv;
using namespace std;
 
int  g_nContrastValue;
int g_nBrightValue;
Mat g_srcImage, g_dstImage;
 
static void on_ContrastAndBright(int, void*) {
	namedWindow("【原始图像窗口】", 1);
	for (int y = 0; y < g_srcImage.rows; y++)
	{
		for (int x = 0; x < g_srcImage.cols; x++)
		{
			for (int c = 0; c < 3; c++)
			{
				g_dstImage.at(y, x)[c] = saturate_cast((g_nContrastValue*0.01)*(g_srcImage.at(y, x)[c]) + g_nBrightValue);
			}
		}
	}
	imshow("【原始图像窗口】", g_srcImage);
	imshow("【效果图窗口】", g_dstImage);
}
 
void main()
{
	g_srcImage = imread("len_top.jpg");
	int alpha = 10;
	int gama = 10;
 
	//imshow("Src", g_srcImage);
	//waitKey(0);
	g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());
 
	g_nContrastValue = 80;
	g_nBrightValue = 80;
	namedWindow("【效果图窗口】", 1);
	createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, on_ContrastAndBright);
	createTrackbar("亮  度：", "【效果图窗口】", &g_nBrightValue, 200, on_ContrastAndBright);
 
	on_ContrastAndBright(g_nContrastValue, 0);
	on_ContrastAndBright(g_nBrightValue, 0);
 
	while (char(waitKey(1)) != 'q') {}
}

原图为：

默认对比度和亮度都是80，其效果图：

 对比度为163和亮度为138时，可以看到很多部分都已经变白，其实很多数据有已经溢出，其值变为了255，达到了最亮

不使用 saturate_cast功能对数据溢出进行截取时，其用例为：

#include 
#include "opencv2/opencv.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
 
using namespace cv;
using namespace std;
 
int  g_nContrastValue;
int g_nBrightValue;
Mat g_srcImage, g_dstImage;
 
static void on_ContrastAndBright(int, void*) {
	namedWindow("【原始图像窗口】", 1);
	for (int y = 0; y < g_srcImage.rows; y++)
	{
		for (int x = 0; x < g_srcImage.cols; x++)
		{
			for (int c = 0; c < 3; c++)
			{
				g_dstImage.at(y, x)[c] = ((g_nContrastValue*0.01)*(g_srcImage.at(y, x)[c]) + g_nBrightValue);
			}
		}
	}
	imshow("【原始图像窗口】", g_srcImage);
	imshow("【效果图窗口】", g_dstImage);
}
 
void main()
{
	g_srcImage = imread("len_top.jpg");
	int alpha = 10;
	int gama = 10;
 
	//imshow("Src", g_srcImage);
	//waitKey(0);
	g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());
 
	g_nContrastValue = 80;
	g_nBrightValue = 80;
	namedWindow("【效果图窗口】", 1);
	createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, on_ContrastAndBright);
	createTrackbar("亮  度：", "【效果图窗口】", &g_nBrightValue, 200, on_ContrastAndBright);
 
	on_ContrastAndBright(g_nContrastValue, 0);
	on_ContrastAndBright(g_nBrightValue, 0);
 
	while (char(waitKey(1)) != 'q') {}
}

 对比度为123和亮度为80时,其数据已经出现溢出，此时图形已经不对：

可以看到使用cv::saturate_cast<>()对数据进行截取，可以有效防止数据溢出造成图像显示失真问题