OpenCV深入学习(4)--Mat元素的获取方法

        以前也写过一篇关于获取cv::Mat矩阵元素的方法的文章，没有仔细研究，最近仔细总结了一下，废话少说直接上代码：

#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/contrib/contrib.hpp>#include <iostream>#include <fstream>using namespace cv;using namespace std;#pragma comment(lib,"opencv_core231d.lib")#pragma comment(lib,"opencv_highgui231d.lib")#pragma comment(lib,"opencv_contrib231d.lib")/*为了输出看是否每种方法取得是相同的像素，不要对大图像进行此操作，会很慢的哦！下面的例子，在输出时使用的是30*40的图像。测试时间时要注释掉，否则I/O操作将极大影响处理时间。*///#define PIXEL_OUTint main(int argc,char *argv[]){ofstream fout("pixels.txt");#ifdef PIXEL_OUTMat img=imread("d:/picture/mat.jpg");#elseMat img=imread("d:/picture/lena.bmp");#endifif(!img.data){cout<<"load image failed!"<<endl;return -1;}Mat temp;img.convertTo(temp, CV_32FC3);namedWindow("show");int i,j;TickMeter tm;double process_time[7]={0.0};int loop_times =1;for(int n=0; n<loop_times; ++n){////////////////////////======section1======///////////////////////////*多通道图像，先将通道split分开，然后针对特定的通道进行处理，每个元素的获取采用的是首先获得行指针，然后逐个获得单通道元素。既可以进行元素为单位的处理，也可以进行跨行的局部块为单位的处理。*/fout<<"-------1-------"<<endl;tm.reset();tm.start();vector<Mat> spl;split(temp, spl);for (i=0; i<temp.rows; ++i){float *pt = spl[1].ptr<float>(i);for (j=0; j<temp.cols; ++j){float mm = pt[j];mm /= 20.6f;#ifdef PIXEL_OUTfout<<mm<<" ";#endif}}merge(spl, temp);tm.stop();process_time[0] += tm.getTimeMicro();cout<<"method=1,process time="<<tm.getTimeMicro()<<endl;//////////////////////////=========section2=========/////////////////////////////////*没有将多通道分开，而是直接对原始Mat操作，也是首先获得单行的指针，然后获得每个元素的；每个元素是多通道的，可以通过[]来获得单个通道的单个元素。可以以元素为单位处理，也可以进行跨行的局部块处理。*/fout<<"-------2-------"<<endl;tm.reset();tm.start();for (i=0; i<temp.rows; ++i){float *pts = temp.ptr<float>(i);for (j=0; j<temp.cols; ++j){float mm = pts[3*j+1];mm /=20.6f;#ifdef PIXEL_OUTfout<<mm<<" ";#endif}}tm.stop();process_time[1] += tm.getTimeMicro();cout<<"method=2,process time="<<tm.getTimeMicro()<<endl;//////////////////////////============section3==========///////////////////////////////*对连续存储的Mat每个元素的获取，将整个Mat矩阵看做是一个m*n列，1行的数组，在手册提倡的方法中是最快的。但是缺点是丢失了行列信息，只能进行以元素为单位的处理，或者说本行局部的处理，不能进行跨行的局部块处理。*/fout<<"-------3-------"<<endl;tm.reset();tm.start();int col=temp.cols, row = temp.rows;if (temp.isContinuous()){col*=row;row =1;}for (i=0; i<row; ++i){const float *pt = temp.ptr<float>(i);for (j=0; j<col;++j){float mm=pt[3*j+1];mm /= 20.6f;#ifdef PIXEL_OUTfout<<mm<<" ";#endif}}tm.stop();process_time[2] += tm.getTimeMicro();cout<<"method=3,process time="<<tm.getTimeMicro()<<endl;///////////////////////////===========section4===============//////////////////////////////////*直接对原始存储指针的处理，需要对指针比较熟悉，特别是对Mat的数据类型必须清楚，所有类型的Mat的存储都是uchar的即字节为单位的，但是不同的存储类型决定了对指针的解释不同。这样获得的是原始的多通道的第一个通道的指针，访问其他通道时需要进行合适的偏移，ex：下面的是对通道2的访问。该方法可以说最灵活，但是因为直接操作指针所以也最容易出错；既可以处理像素为单位，也可以处理跨行的局部块为单位。类似于C接口时的元素获取方法。*/fout<<"-------4-------"<<endl;tm.reset();tm.start();int step0=temp.step[0],step1=temp.step[1];for (i=0; i<temp.rows; ++i){for (j=0; j<temp.cols; ++j){float *pix = (float *)(temp.data+i*step0+j*step1);float tt= *(pix+1)/20.6f;#ifdef PIXEL_OUTfout<<tt<<" ";#endif}}tm.stop();process_time[3] += tm.getTimeMicro();cout<<"method=4,process time="<<tm.getTimeMicro()<<endl;//////////////////////////============section5==========///////////////////////////////*与上面的获取方法本质一样，只是首先进行了矩阵的连续性判断，其他的一样；但是丢失了行列信息，只能进行元素的局部性处理。*/fout<<"-------5-------"<<endl;tm.reset();tm.start();int step00=temp.step[0],step01=temp.step[1];int col2=temp.cols, row2 = temp.rows;if (temp.isContinuous()){col2*=row2;row2 =1;}for (i=0; i<row2; ++i){for (j=0; j<col2;++j){float *mm= (float *)(temp.data+i*step00+j*step01);float tt = *(mm+1)/20.6f;#ifdef PIXEL_OUTfout<<tt<<" ";#endif}}tm.stop();process_time[4] += tm.getTimeMicro();cout<<"method=5,process time="<<tm.getTimeMicro()<<endl;//////////////////////////=========section6=========/////////////////////////////////*采用迭代器的获取方法，速度最慢，可能好处就是可以使用STL标准库的算法，同样也没有了行列信息。*/fout<<"-------6-------"<<endl;tm.reset();tm.start();MatConstIterator_<Vec3f> iters = temp.begin<Vec3f>(),end=temp.end<Vec3f>();for(; iters!=end; ++iters){Vec3f vec3f = *iters;vec3f.val[1] /= 20.6f;#ifdef PIXEL_OUTfout<<vec3f.val[1]<<" ";#endif}tm.stop();process_time[5] += tm.getTimeMicro();cout<<"method=6,process time="<<tm.getTimeMicro()<<endl;//////////////////////////=========section7=========/////////////////////////////////*没有将多通道分开，而是直接对原始Mat操作 直接获得每个元素；每个元素是多通道的，将其视为了向量，所以可以通过[]来获得单个通道的单个元素。可以以元素为单位处理，也可以进行跨行的局部块处理。速度也很慢！*/fout<<"-------7-------"<<endl;tm.reset();tm.start();for (i=0; i<temp.rows; ++i){for (j=0; j<temp.cols; ++j){float mm = temp.at<Vec3f>(i,j)[1];mm /=20.6f;#ifdef PIXEL_OUTfout<<mm<<" ";#endif}}tm.stop();process_time[6] += tm.getTimeMicro();cout<<"method=7,process time="<<tm.getTimeMicro()<<endl;}cout<<"---------------------------------"<<endl;for (int m=0; m<7; ++m){cout<<m+1<<"="<<process_time[m]/loop_times<<endl;}//////////////=====================end====================///////////imshow("show", img);waitKey(0);return 0;}/*进行多次重复相同操作进行平均，统计每种方法所使用的时间;图像为lena.bmp; 512*512;后面为循环次数;运行时间为us;测试环境:intel core i5, 4G RAM 笔记本, Win7-x64, VS2008, OpenCV2.3.1--------------------------------------------------------lena--1000 times1=6193.92=2207.223=2178.624=2192.225=2190.636=48178.17=37282.5lena--100 times1=6280.162=2203.453=2170.574=2189.025=2211.846=48197.67=37557.3lena--10 times1=6161.172=2265.633=2184.554=2177.925=2371.336=49008.57=37524.9lena--1 time1=7694.22=2144.13=2113.734=2140.255=2525.966=49292.47=37110.7可以看出，2.3.4.5这几种方法总体上是差不多的。可以根据处理需要以及习惯选用；第1种速度适中，使用迭代器的方法最慢，第7种次之。*/