opencv5-读取像素

题外话：像素大战，感兴趣的可以去看这个电影，就能更好的理解像素是个什么东东。

像素（pixel）：由Picture图像和Element元素组成，是图片视频的基本单元。也就是我们通常说的分辨率。当图片尺寸以像素为单位时，每一厘米等于28像素，比如15*15厘米的图片，等于420*420像素的长度。

在opencv中经常出现通道，所以在单通道、多通道下的图像的像素是这样表示的

图画的不好看，明天补上！

1、存取像素at(int x,int y);

要指定元素所在的行和列。若图像是单通道，返回值是单个数值，若图像是多通道，返回值是一组向量（vector）。

cv::Mat的公有成员变量cols和rows给出了图像的宽和高

at()函数的使用，有一点很重要，在编译时要知道图像的数据类型。

单通道：

image.at<uchar>(j,i)=value;

多通道：

image.at<Vec3b>(j,i)[0] =value;

image.at<Vec3b>( j,i)[1] =value;

image.at<Vec3b>( j,i)[2] =value;

 

at中(i,j)的顺序表示的是第i行第j列，跟Point(i,j)和Rect(i,j)中表示第j行第i列是相反的，所以上面都写为at(j,i).这一点不注意非常容易出现内存异常的错误。

图像遍历是图像处理中少不了的，一般有指针和迭代器两种方式。

2、指针遍历

其只能针对没有经过填充的连续图像。判断方法调用isContinuous,返回值为TRUE或false

3迭代器

在面向对象编程中，遍历数据集合通常都是通过迭代器完成的。迭代器是一种特殊的类，专门用来遍历集合中的各个元素，同时隐藏在给定的集合上元素迭代的具体实现方式。

/**本程序是学会使用：1、用下标访问像素，2、使用迭代器访问像素 ， 3、使用指针访问像素*4、把图像写入磁盘***/#include <opencv2/highgui/highgui.hpp>//访问元素用下标/*这个函数每次循环都将一个随机选取的像素的值设置为255，随机选取的像素的行号i和列j 是通过随机函数得到的。通过检查图像的通道数来区分灰度和彩色图，对于灰度图直接将像素值设置为255，对于彩色图，需要将每一个通道值都设置为255才能得到一个白色像素。*/void salt(cv::Mat &img , int n){for(int k = 0 ; k < n ; ++ k){int i = rand() % img.cols ;int j = rand() % img.rows ;//灰度图if(1 == img.channels()){img.at<uchar>(j , i) = 255 ;}//彩色图else if(3 == img.channels()){img.at<cv::Vec3b>(j , i)[0] = 255 ;img.at<cv::Vec3b>(j , i)[1] = 255 ;img.at<cv::Vec3b>(j , i)[2] = 255 ;}}//扩展：//cv::Mat_<uchar> im1 = img ;//im1(50 , 100) = 0 ;//对于已经知道返回类型时 可以这样访问元素}//减少图像颜色数void colorReduce(cv::Mat &img , int div = 64){//行数int rowsNum = img.rows ;//每行的元素个数int closPiexlNum = img.cols * img.channels() ;for(int i = 0 ; i < rowsNum ; ++ i){//得到j行首地址uchar *data = img.ptr<uchar>(i) ;for(int j = 0 ; j < closPiexlNum ; ++ j){//处理每个像素data[j] = data[j] / div * div + div / 2 ;}}}void colorReduce3(cv::Mat img , cv::Mat &result , int div = 64){result.create(img.rows , img.cols , img.type()) ;int rowsNum = img.rows ;int closPiexlNum = img.cols * img.channels() ;for(int i = 0 ; i < rowsNum ; ++ i){uchar *data_in = img.ptr<uchar>(i) ;uchar *data_out = result.ptr<uchar>(i) ;for(int j = 0 ; j < closPiexlNum ; ++ j){data_out[j] = data_in[j] / div * div + div / 2 ;}}}void colorReduce4(cv::Mat img , cv::Mat &result , int div = 64){//result.create(img.rows , img.cols , img.type()) ;result = img.clone() ;//注意两种迭代器的定义方法cv::MatIterator_<cv::Vec3b>   itStart = result.begin<cv::Vec3b>() ;cv::Mat_<cv::Vec3b>::iterator itEnd = result.end<cv::Vec3b>() ;while(itStart != itEnd){(*itStart)[0] = (*itStart)[0] / div * div + div / 2 ;(*itStart)[1] = (*itStart)[1] / div * div + div / 2 ;(*itStart)[2] = (*itStart)[2] / div * div + div / 2 ;itStart ++ ;}//Const迭代器两种定义方法//cv::MatConstIterator_<cv::Vec3b> it ;//cv::Mat_<cv::Vec3b>::const_iterator it ;}void colorReduce5(cv::Mat img , cv::Mat &result , int div = 64){result = img.clone() ;int rNum = result.rows ;int cNum = result.cols ;if(result.isContinuous()){cNum *= rNum ;rNum = 1 ;}int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)) ;uchar mask = 0xFF << n ;for(int i = 0 ; i < rNum ; ++ i){uchar *data = result.ptr<uchar>(i) ;for(int j = 0 ; j < cNum ; ++ j){*data++ = *data & mask + div / 2 ;*data++ = *data & mask + div / 2 ;*data++ = *data & mask + div / 2 ;}}}void colorReduce6(cv::Mat img , cv::Mat &result , int div = 64){int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)) ;uchar mask = 0xFF << n ;result = (img & cv::Scalar(mask , mask , mask)       + cv::Scalar(div / 2 , div / 2 , div / 2)) ;}int main(){cv::Mat img ;img = cv::imread("E://Baboon.jpg") ; cv::namedWindow("Original") ;cv::imshow("Original" , img) ;//salt(img , 3000) ;//colorReduce(img , 64) ;//cv::Mat imgClone = img.clone() ;cv::Mat result ;//colorReduce3(img , result) ;//使用指针//colorReduce4(img , result) ;//使用迭代器//colorReduce5(img , result) ;//使用位运算colorReduce6(img , result) ;//简洁的写法cv::namedWindow("Result") ;cv::imshow("Result" , result) ;//cv::imwrite("result.jpg" , img) ;//把图像写在磁盘上cv::waitKey() ;return 0 ;}