本文共 4871 字，大约阅读时间需要 16 分钟。

***好记性不如烂笔头**** 转自：

我们在实际应用中对图像进行的操作，往往并不是将图像作为一个整体进行操作，而是对图像中的所有点或特殊点进行运算，所以遍历图像就显得很重要，如何高效的遍历图像是一个很值得探讨的问题。

一、遍历图像的4种方式：at<typename>(i,j)

注意：image.at<Vec3b>(ROW,COL)，如果对应某个点Point A,   则是image.at<Vec3b>(A.y,A.x)[0]，顺序是反的。

void colorReduce(Mat& image,int div){    for(int i=0;i
   
    (i,j)[0]=image.at
    
     (i,j)[0]/div*div+div/2;            image.at
     
      (i,j)[1]=image.at
      
       (i,j)[1]/div*div+div/2;            image.at
       
        (i,j)[2]=image.at
        
         (i,j)[2]/div*div+div/2; } }}
        
       
      
     
    
   

通过上面的例子我们可以看出，at方法取图像中的点的用法：                                                                                              image.at<uchar>(i,j)：取出灰度图像中i行j列的点。                                                                                                            image.at<Vec3b>(i,j)[k]：取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型，不要对Vec3b这种类型感觉害怕，其实在core里它是通过typedef Vec<T,N>来定义的，N代表元素的个数，T代表类型。

更简单一些的方法：OpenCV定义了一个Mat的模板子类为Mat_，它重载了operator()让我们可以更方便的取图像上的点。Mat_<uchar> im=image;                                                                                                                                          im(i,j)=im(i,j)/div*div+div/2;                                                                                                                                                   

 二、高效一点：用指针来遍历图像                                                                                                                                                            上面的例程中可以看到，我们实际喜欢把原图传进函数内，但是在函数内我们对原图像进行了修改，而将原图作为一个结果输出，很多时候我们需要保留原图，这样我们需要一个原图的副本。                                                                                               

void colorReduce(const Mat& image,Mat& outImage,int div){    // 创建与原图像等尺寸的图像    outImage.create(image.size(),image.type());    int nr=image.rows;    // 将3通道转换为1通道    int nl=image.cols*image.channels();    for(int k=0;k
   
    (k);        uchar* outData=outImage.ptr
    
     (k);        for(int i=0;i
    
   

从上面的例子中可以看出，取出图像中第i行数据的指针：image.ptr<uchar>(i)。 

值得说明的是：程序中将三通道的数据转换为1通道，在建立在每一行数据元素之间在内存里是连续存储的，每个像素三通道像素按顺序存储。也就是一幅图像数据最开始的三个值，是最左上角的那像素的三个通道的值。但是这种用法不能用在行与行之间，因为图像在 OpenCV 里的存储机制问题，行与行之间可能有空白单元。这些空白单元对图像来说是没有意思的，只是为了在某些架构上能够更有效率，比如 intel MMX 可以更有效的处理那种个数是4或8倍数的行。但是我们可以申明一个连续的空间来存储图像，这个话题引入下面最为高效的遍历图像的机制。

三、更高效的方法                                                                                                                                                                                     上面已经提到过了，一般来说图像行与行之间往往存储是不连续的，但是有些图像可以是连续的，Mat提供了一个检测图像是否连续的函数isContinuous()。当图像连通时，我们就可以把图像完全展开，看成是一行。                                                         

void colorReduce(const Mat& image,Mat& outImage,int div){    int nr=image.rows;    int nc=image.cols;    outImage.create(image.size(),image.type());    if(image.isContinuous()&&outImage.isContinuous())    {        nr=1;        nc=nc*image.rows*image.channels();    }    for(int i=0;i
   
    (i);        uchar* outData=outImage.ptr
    
     (i);        for(int j=0;j
    
   

用指针除了用上面的方法外，还可以用指针来索引固定位置的像素：image.step返回图像一行像素元素的个数（包括空白元素），image.elemSize()返回一个图像像素的大小。                                                                                                                          &image.at<uchar>(i,j)=image.data+i*image.step+j*image.elemSize();

四、用迭代器来遍历                                                                                                                                                                        下面的方法可以让我们来为图像中的像素声明一个迭代器：                                                                                      MatIterator_<Vec3b> it;                                                                                                                                                  Mat_<Vec3b>::iterator it;                                                                                                                                                                 如果迭代器指向一个const图像，则可以用下面的声明：                                                                                             MatConstIterator<Vec3b> it;                                                                                                                                                             或者Mat_<Vec3b>::const_iterator it;                                                                                                                                              下面我们用迭代器来简化上面的colorReduce程序：                                                                                                                         

void colorReduce(const Mat& image,Mat& outImage,int div){    outImage.create(image.size(),image.type());    MatConstIterator_
   
     it_in=image.begin
    
     ();    MatConstIterator_
     
       itend_in=image.end
      
       ();    MatIterator_
       
         it_out=outImage.begin
        
         (); MatIterator_
         
           itend_out=outImage.end
          
           (); while(it_in!=itend_in) { (*it_out)[0]=(*it_in)[0]/div*div+div/2; (*it_out)[1]=(*it_in)[1]/div*div+div/2; (*it_out)[2]=(*it_in)[2]/div*div+div/2; it_in++; it_out++; }}
          
         
        
       
      
     
    
   

如果你想从第二行开始，则可以从image.begin<Vec3b>()+image.rows开始。                                                                                上面4种方法中，第3种方法的效率最高！                                                                                                                                         

五、图像的邻域操作                                                                                                                                                                                  很多时候，我们对图像处理时，要考虑它的邻域，比如3*3是我们常用的，这在图像滤波、去噪中最为常见，下面我们介绍如果在一次图像遍历过程中进行邻域的运算。                                                     

     下面我们进行一个简单的滤波操作，滤波算子为[0 –1 0;-1 5 –1;0 –1 0]。它可以让图像变得尖锐，而边缘更加突出。核心公式即：sharp(i.j)=5*image(i,j)-image(i-1,j)-image(i+1,j)-image(i,j-1)-image(i,j+1)。

void ImgFilter2d(const Mat &image,Mat& result){    result.create(image.size(),image.type());    int nr=image.rows;    int nc=image.cols*image.channels();    for(int i=1;i
   
    (i-1);//指向上一行        const uchar* mid_line=image.ptr
    
     (i);//当前行        const uchar* down_line=image.ptr
     
      (i+1);//下一行        uchar* cur_line=result.ptr
      
       (i);        for(int j=1;j
       
        (5*mid_line[j]-mid_line[j-1]-mid_line[j+1]-                up_line[j]-down_line[j]);        }    }    // 把图像边缘像素设置为0    result.row(0).setTo(Scalar(0));    result.row(result.rows-1).setTo(Scalar(0));    result.col(0).setTo(Scalar(0));    result.col(result.cols-1).setTo(Scalar(0));}
       
      
     
    
   

上面的程序有以下几点需要说明：

1，staturate_cast<typename>是一个类型转换函数，程序里是为了确保运算结果还在uchar范围内。

2，row和col方法返回图像中的某些行或列，返回值是一个Mat。

3，setTo方法将Mat对像中的点设置为一个值，Scalar(n)为一个灰度值，Scalar(a,b,c)为一个彩色值。

六、图像的算术运算                                                                                                                                                                                 Mat类把很多算数操作符都进行了重载，让它们来符合矩阵的一些运算，如果+、-、点乘等。下面我们来看看用位操作和基本算术运算来完成本文中的colorReduce程序，它更简单，更高效。将256种灰度阶降到64位其实是抛弃了二进制最后面的4位，所以我们可以用位操作来做这一步处理。                                                                                                                                   

       首先我们计算2^8降到2^n中的n：int n=static_cast<int>(log(static_cast<double>(div))/log(2.0)); 

       然后可以得到mask，mask=0xFF<<n;

       用下面简直的语句就可以得到我们想要的结果：result=(image&Scalar(mask,mask,mask))+Scalar(div/2,div/2,div/2);

      很多时候我们需要对图像的一个通信单独进行操作，比如在HSV色彩模式下，我们就经常把3个通道分开考虑。         

vector
   
     planes;// 将image分为三个通道图像存储在planes中split(image,planes);planes[0]+=image2;// 将planes中三幅图像合为一个三通道图像merge(planes,result);
   

转载地址：https://blog.csdn.net/u010368556/article/details/86355317 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！