【OpenCV】访问Mat中每个像素的值

来源：互联网发布：网络回拨系统编辑：程序博客网时间：2024/05/23 00:08

注：本文转载自小魏的修行路。博客地址：http://blog.csdn.net/xiaowei_cqu/article/details/19839019

Color Reduce

还是使用经典的Reduce Color的例子，即对图像中的像素表达进行量化。如常见的RGB24图像有256×256×256中颜色，通过Reduce Color将每个通道的像素减少8倍至256/8=32种，则图像只有32×32×32种颜色。假设量化减少的倍数是N，则代码实现时就是简单的value/N*N，通常我们会再加上N/2以得到相邻的N的倍数的中间值，最后图像被量化为(256/N)×(256/N)×(256/N)种颜色。

方法零：.ptr和[]操作符

Mat最直接的访问方法是通过.ptr<>函数得到一行的指针，并用[]操作符访问某一列的像素值。

// using .ptr and []  void colorReduce0(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols * image.channels(); // total number of elements per line        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {                    data[i]= data[i]/div*div + div/2;              }                          }  }

方法一：.ptr和指针操作

除了[]操作符，我们可以移动指针*++的组合方法访问某一行中所有像素的值。

 / using .ptr and * ++   void colorReduce1(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols * image.channels(); // total number of elements per line        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {                   *data++= *data/div*div + div/2;              } // end of row                         }  }

方法二：.ptr、指针操作和取模运算

方法二和方法一的访问方式相同，不同的是color reduce用模运算代替整数除法

// using .ptr and * ++ and modulo  void colorReduce2(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols * image.channels(); // total number of elements per line        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {                    int v= *data;                    *data++= v - v%div + div/2;              } // end of row                         }  }

方法三：.ptr、指针运算和位运算

// using .ptr and * ++ and bitwise  void colorReduce3(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols * image.channels(); // total number of elements per line        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {              *data++= *data&mask + div/2;              } // end of row                         }  }

方法四：指针运算

方法四和方法三量化处理的方法相同，不同的是用指针运算代替*++操作。

// direct pointer arithmetic  void colorReduce4(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols * image.channels(); // total number of elements per line        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        int step= image.step; // effective width        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        // get the pointer to the image buffer        uchar *data= image.data;        for (int j=0; j<nr; j++) {            for (int i=0; i<nc; i++) {              *(data+i)= *data&mask + div/2;              } // end of row                               data+= step;  // next line        }  }

方法五：.ptr、++、位运算以及image.cols image.channels()

这种方法就是没有计算nc，基本是个充数的方法。

// using .ptr and * ++ and bitwise with image.cols * image.channels()  void colorReduce5(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<image.cols * image.channels(); i++) {              *data++= *data&mask + div/2;              } // end of row                         }  }

方法六：连续图像

Mat提供了isContinuous()函数用来查看Mat在内存中是不是连续存储，如果是则图片被存储在一行中。

// using .ptr and * ++ and bitwise (continuous)  void colorReduce6(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols * image.channels(); // total number of elements per line        if (image.isContinuous())  {            // then no padded pixels            nc= nc*nr;             nr= 1;  // it is now a 1D array         }        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {              *data++= *data&mask + div/2;              } // end of row                         }  }

方法七：continuous+channels

与方法六基本相同，也是充数的。

// using .ptr and * ++ and bitwise (continuous+channels)  void colorReduce7(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols ; // number of columns        if (image.isContinuous())  {            // then no padded pixels            nc= nc*nr;             nr= 1;  // it is now a 1D array         }        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        for (int j=0; j<nr; j++) {            uchar* data= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {              *data++= *data&mask + div/2;              *data++= *data&mask + div/2;              *data++= *data&mask + div/2;              } // end of row                         }  }

方法八：Mat _iterator

真正有区别的方法来啦，用Mat提供的迭代器代替前面的[]操作符或指针，血统纯正的官方方法~

// using Mat_ iterator   void colorReduce8(cv::Mat &image, int div=64) {        // get iterators        cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();        cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();        for ( ; it!= itend; ++it) {          (*it)[0]= (*it)[0]/div*div + div/2;          (*it)[1]= (*it)[1]/div*div + div/2;          (*it)[2]= (*it)[2]/div*div + div/2;        }  }

方法九：Mat_ iterator 和位运算

把方法八中的乘除法换成位运算。

// using Mat_ iterator and bitwise  void colorReduce9(cv::Mat &image, int div=64) {        // div must be a power of 2        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        // get iterators        cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();        cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();        for ( ; it!= itend; ++it) {          (*it)[0]= (*it)[0]&mask + div/2;          (*it)[1]= (*it)[1]&mask + div/2;          (*it)[2]= (*it)[2]&mask + div/2;        }  }

方法十：MatIterator_

和方法八基本相同。

// using MatIterator_   void colorReduce10(cv::Mat &image, int div=64) {        cv::Mat_<cv::Vec3b> cimage= image;        cv::Mat_<cv::Vec3b>::iterator it=cimage.begin();        cv::Mat_<cv::Vec3b>::iterator itend=cimage.end();        for ( ; it!= itend; it++) {           (*it)[0]= (*it)[0]/div*div + div/2;          (*it)[1]= (*it)[1]/div*div + div/2;          (*it)[2]= (*it)[2]/div*div + div/2;        }  }

方法十一：图像坐标

// using (j,i)  void colorReduce11(cv::Mat &image, int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols; // number of columns        for (int j=0; j<nr; j++) {            for (int i=0; i<nc; i++) {                    image.at<cv::Vec3b>(j,i)[0]=     image.at<cv::Vec3b>(j,i)[0]/div*div + div/2;                    image.at<cv::Vec3b>(j,i)[1]=     image.at<cv::Vec3b>(j,i)[1]/div*div + div/2;                    image.at<cv::Vec3b>(j,i)[2]=     image.at<cv::Vec3b>(j,i)[2]/div*div + div/2;              } // end of row                         }  }

方法十二：创建输出图像

之前的方法都是直接修改原图，方法十二新建了输出图像，主要用于后面的时间对比。

// with input/ouput images  void colorReduce12(const cv::Mat &image, // input image                    cv::Mat &result,      // output image                   int div=64) {        int nr= image.rows; // number of rows        int nc= image.cols ; // number of columns        // allocate output image if necessary        result.create(image.rows,image.cols,image.type());        // created images have no padded pixels        nc= nc*nr;         nr= 1;  // it is now a 1D array        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        for (int j=0; j<nr; j++) {            uchar* data= result.ptr<uchar>(j);            const uchar* idata= image.ptr<uchar>(j);            for (int i=0; i<nc; i++) {              *data++= (*idata++)&mask + div/2;              *data++= (*idata++)&mask + div/2;              *data++= (*idata++)&mask + div/2;            } // end of row                         }  }

方法十三：重载操作符

Mat重载了+&等操作符，可以直接将两个Scalar(B,G,R)数据进行位运算和数学运算。

// using overloaded operators  void colorReduce13(cv::Mat &image, int div=64) {        int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));        // mask used to round the pixel value        uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0        // perform color reduction        image=(image&cv::Scalar(mask,mask,mask))+cv::Scalar(div/2,div/2,div/2);  }

时间对比

通过迭代二十次取平均时间，得到每种方法是运算时间如下。

可以看到，指针*++访问和位运算是最快的方法；而不断的计算image.cols*image.channles()花费了大量重复的时间；另外迭代器访问虽然安全，但性能远低于指针运算；通过图像坐标(j,i)访问时最慢的，使用重载操作符直接运算效率最高。

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）

注：哎呀，复制粘贴好累，再次申明，本文来自于小魏的修行路，再次感谢如此详细的整理，我转载是为了以后方便的找到。小魏的原文博客地址：http://blog.csdn.net/xiaowei_cqu/article/details/19839019

0 0