opencv图像像素操作方法

图像容器Mat

Mat和Matlab里的数组格式有点像，但一般是二维向量，如果是灰度图，一般存放<uchar>类型；如果是RGB彩色图，存放<Vec3b>类型。

单通道灰度图数据存放格式：

多通道的图像中，每列并列存放通道数量的子列，如RGB三通道彩色图：

有一点需要注意：图像的通道顺序是：BGR。通常情况内存足够大的话图像的每一行是连续存放的，也就是在内存上图像的所有数据存放成一行，这中情况在访问时可以提供很大方便。

好了，下面总结一下常见的访问图像像素的三种方法：使用at动态地址计算方式，使用iterator迭代器方式，使用ptr指针。先附代码：

#include <iostream>  #include<core/core.hpp>  #include<highgui/highgui.hpp>   using namespace cv;  using namespace std;    void colorReduceAt(Mat& srcImage, Mat& dstImageAt, int div);void colorReduceIterator(Mat& srcImage, Mat& dstImageIterator, int div);void colorReducePtr(Mat& srcImage, Mat& dstImagePtr, int div);int main()  {    Mat image=imread("e:\\kobe.jpg"); Mat mv[3];split(image,mv); if(!image.data)  {  cout<<"you idiot！where did you hide kobe！"<<endl;     system("pause");  return -1;  }    //声明处理后图像变量    Mat dstImageAt, dstImageIterator, dstImagePtr;    dstImageAt = image.clone();    dstImageIterator = image.clone();    dstImagePtr = image.clone();    int div = 4;//声明时间变量    double timeAt, timeIterator, timePtr;    timeAt = static_cast<double>(getTickCount());    colorReduceAt(image, dstImageAt, div);    timeAt = ((double)getTickCount() - timeAt) / getTickFrequency();    namedWindow("dstImageAt",CV_WINDOW_NORMAL);    imshow("dstImageAt",dstImageAt);    cout << "使用at()动态地址计算耗时：" << timeAt << endl << endl;    timeIterator = static_cast<double>(getTickCount());    colorReduceIterator(image, dstImageIterator, div);    timeIterator = ((double)getTickCount() - timeIterator) / getTickFrequency();    namedWindow("dstImageIterator",CV_WINDOW_NORMAL);    imshow("dstImageIterator",dstImageIterator);    cout << "使用iterator迭代器耗时：" << timeIterator << endl << endl;    timePtr = static_cast<double>(getTickCount());    colorReducePtr(image, dstImagePtr, div);    timePtr = ((double)getTickCount() - timePtr) / getTickFrequency();    namedWindow("dstImagePtr",CV_WINDOW_NORMAL);    imshow("dstImagePtr",dstImagePtr);    cout << "使用ptr指针耗时：" << timePtr << endl;//等待按键    waitKey();      return 0;    }  //使用at动态地址计算方式void colorReduceAt(Mat& srcImage, Mat& dstImageAt, int div){    int rowNumber = dstImageAt.rows;      //获取图像行数    int colNumber = dstImageAt.cols;      //获取图像列数    //对每个像素进行处理    for(int i = 0; i < rowNumber; i++)    {        for(int j = 0; j < colNumber; j++)        {            dstImageAt.at<Vec3b>(i,j)[0] = dstImageAt.at<Vec3b>(i,j)[0]/div*div;    //B通道            dstImageAt.at<Vec3b>(i,j)[1] = dstImageAt.at<Vec3b>(i,j)[1]/div*div;    //G通道            dstImageAt.at<Vec3b>(i,j)[2] = dstImageAt.at<Vec3b>(i,j)[2]/div*div;    //R通道        }    }}//使用iterator迭代器方式void colorReduceIterator(Mat& srcImage, Mat& dstImageIterator, int div){    MatIterator_<Vec3b> imageIt = dstImageIterator.begin<Vec3b>();      //获取迭代器初始位置    MatIterator_<Vec3b> imageEnd = dstImageIterator.end<Vec3b>();       //获取迭代器结束位置    //对每个像素进行处理    for(;imageIt != imageEnd; imageIt++)    {        (*imageIt)[0] = (*imageIt)[0]/div*div;      //B通道        (*imageIt)[1] = (*imageIt)[1]/div*div;      //G通道        (*imageIt)[2] = (*imageIt)[2]/div*div;      //R通道    }}//使用ptr指针void colorReducePtr(Mat& srcImage, Mat& dstImagePtr, int div){    int rowNumber = dstImagePtr.rows;                           //获取图像矩阵行数    int colNumber = dstImagePtr.cols*dstImagePtr.channels();    //三通道图像矩阵列树=图像列数x通道数    for(int i = 0; i < rowNumber; i++)    {        uchar* pixelPtr = dstImagePtr.ptr<uchar>(i);            //获取矩阵每行首地址指针        for(int j = 0; j < colNumber; j++)        pixelPtr[j] = pixelPtr[j] / div * div;    }}

运行结果如下：

并且发现，使用ptr方式访问像素用时最少。

参考：

https://yq.aliyun.com/articles/9300

http://www.cnblogs.com/zjgtan/archive/2013/04/06/3002962.html

http://blog.csdn.net/keith_bb/article/details/53071133

后来新发现一篇比较全的博文介绍：http://blog.csdn.net/xiaowei_cqu/article/details/19839019