【从零学习openCV】opecv操作像素

1. 存取像素值

在opencv中能够直接对cv::Mat类型的图像调用at函数读取或赋值某个像素，我们用个简单的案例来说明：

//在一张图像上增加椒盐噪声，image为输入图像。n为噪点个数
void salt(Mat &image, int n)
{
    for(int k = 0;k < n;k++)
    {
        //随机产生白色噪点
        int i = qrand()%image.cols;
        int j = qrand()%image.rows;
        //假设是灰度图每一个像素的存取类型为uchar，即8bit整型数
        if(image.channels() == 1){
            image.at<uchar>(j,i) = 255;
        }
        //彩色图像有三个通道，像素存取类型为cv::Vec3b，即由三个uchar组成的向量。这里用下标[i]訪问每一个通道
        else{
            image.at<Vec3b>(j,i)[0] = 255;
            image.at<Vec3b>(j,i)[1] = 255;
            image.at<Vec3b>(j,i)[2] = 255;
        }
    }
}

效果例如以下：

能够看到有非常多白色的噪声点，像雪花一样^_^

2. 指针遍历图像

我们用颜色缩减函数来说明用行首地址的方式遍历整个图像的像素。颜色缩减就是将每一个通道的颜色数减少，假设每一个通道的强度都是有unsigned char表示。那么就有256*256*256个颜色数目，假设将每一个通道的颜色数减少为原先的1/8，那个总颜色数就是32*32*32。大概就是这个意思。

//颜色缩减函数，image为输入图像。div为缩减的倍数
void colorReduce(Mat&image, int div = 64)
{
    int nl = image.rows; //图像的行数
    //图像每行的像素数
    int nc = image.cols * image.channels();
    for(int j =0;j<nl;j++)
    {
        //得到第j行的首地址
        uchar* data = image.ptr<uchar>(j);
        //遍历每行的像素
        for(int i =0;i<nc;i++)
        {
           data[i] = data[i]/div*div;    //将每一个像素值都变为div的倍数，即将颜色数缩减了div倍
        }
    }
}

效果例如以下:

当输入图像为连续的时候，即没有对图像行尾填补元素，这时就能够将整个图像看成是一个长为W*H的一维数组。即用第一行的行首指针就能遍历到整个图像的像素：

//颜色缩减函数。image为输入图像，div为缩减的倍数
void colorReduce(Mat&image, int div = 64)
{
    int nl = image.rows; //图像的行数
    //图像每行的像素数
    int nc = image.cols * image.channels();

    //假设图像连续
    if(image.isContinuous())
    {
        //reshape函数用于改变矩阵维度
        //图像行数为1，列数为原先的行数乘上列数
        image.reshape(1,image.cols*image.rows);
    }

    for(int j =0;j<nl;j++)
    {
        //得到第j行的首地址
        uchar* data = image.ptr<uchar>(j);
        //遍历每行的像素
        for(int i =0;i<nc;i++)
        {
           data[i] = data[i]/div*div;    //将每一个像素值都变为div的倍数，即将颜色数缩减了div倍
        }
    }
}

当然opencv还有更为底层的指针。在cv::Mat中。图像数据以unsigned char形式保存在一块内存中。

这块内存的首地址能够通过data成员变量得到。data是一个unsigned char型的指针，所以循环能够用下面方式：

    //获得图像指针
    uchar *data  = image.data;
    //获得第j行，第i列个像素值，step代表图像的行宽（包含填补像素）
    data = image.data + j*image.step + i*image.elemSize();

3. 迭代器遍历图像

事实上说到遍历。非常多人都会想到用迭代器来实现，迭代器是一种特殊的类。专门用来遍历集合中的各个元素，openCV相同为cv::Mat提供了与STL迭代器兼容的迭代器，以下我们还是用颜色缩减为例说明迭代器的使用：

//颜色缩减函数。image为输入图像。div为缩减的倍数
void colorReduce(Mat&image, int div = 64)
{
    //得到初始位置的迭代器
    Mat_<Vec3b>::iterator it = image.begin<Vec3b>();
    //得到终止位置的迭代器
    Mat_<Vec3b>::iterator itend = image.end<Vec3b>();
    //遍历全部像素
    for(; it != itend; ++it){
        (*it)[0] = (*it)[0]/div*div;
        (*it)[1] = (*it)[1]/div*div;
        (*it)[2] = (*it)[2]/div*div;
    }
}

效果与用指针遍历的一样。

4. 以上四种存取像素方式效率对照

opencv中能够用getTickCount()来測量一段代码的执行时间，此函数返回从上次开机算起的时钟周期数，getTickFrequency()能够得到每秒内的时钟周期数，有这两个函数就能得到随意一段代码的执行时间了。

我们还是以颜色衰减函数为例，分别用以上四种方法遍历实现。看看执行时间有何不同：

//at方法
void colorReduce1(Mat&image, int div = 64)
{
    int nl = image.rows; //图像的行数
    //图像每行的像素数
    int nc = image.cols * image.channels();
    for(int j =0;j<nl-2;j++)
    {
        for(int i =0;i<nc-2;i++)
        {
            image.at<Vec3b>(j,i)[0] = image.at<Vec3b>(j,i)[0]/div*div;
            image.at<Vec3b>(j,i)[1] = image.at<Vec3b>(j,i)[1]/div*div;
            image.at<Vec3b>(j,i)[2] = image.at<Vec3b>(j,i)[2]/div*div;
        }
    }
}

//行首指针方法
void colorReduce2(Mat&image, int div = 64)
{
    int nl = image.rows; //图像的行数
    //图像每行的像素数
    int nc = image.cols * image.channels();
    for(int j =0;j<nl;j++)
    {
        //得到第j行的首地址
        uchar* data = image.ptr<uchar>(j);
        //遍历每行的像素
        for(int i =0;i<nc;i++)
        {
            data[i] = data[i]/div*div;    //将每一个像素值都变为div的倍数，即将颜色数缩减了div倍
        }
    }
}

//一维数组
void colorReduce3(Mat&image, int div = 64)
{
    int nl = image.rows; //图像的行数
    //图像每行的像素数
    int nc = image.cols * image.channels();

    //假设图像连续
    if(image.isContinuous())
    {
        //reshape函数用于改变矩阵维度
        //图像行数为1，列数为原先的行数乘上列数
        image.reshape(1,image.cols*image.rows);
    }

    for(int j =0;j<nl;j++)
    {
        //得到第j行的首地址
        uchar* data = image.ptr<uchar>(j);
        //遍历每行的像素
        for(int i =0;i<nc;i++)
        {
            data[i] = data[i]/div*div;    //将每一个像素值都变为div的倍数，即将颜色数缩减了div倍
        }
    }
}

//迭代器方法
void colorReduce4(Mat&image, int div = 64)
{
    //得到初始位置的迭代器
    Mat_<Vec3b>::iterator it = image.begin<Vec3b>();
    //得到终止位置的迭代器
    Mat_<Vec3b>::iterator itend = image.end<Vec3b>();
    //遍历全部像素
    for(; it != itend; ++it){
        (*it)[0] = (*it)[0]/div*div;
        (*it)[1] = (*it)[1]/div*div;
        (*it)[2] = (*it)[2]/div*div;
    }
}

//測试4种像素遍历方式执行时间
void calrunTime(int v,Mat&image)
{
    double duration;
    duration = static_cast<double>(getTickCount());
    for(int i = 0;i<10;i++)   //执行十次取平均值
    {
        switch(v)
        {
        case 1:
            colorReduce1(image);
            break;
        case 2:
            colorReduce2(image);
            break;
        case 3:
            colorReduce3(image);
            break;
        case 4:
            colorReduce4(image);
            break;
        default:
            break;
        }
    }
    duration = static_cast<double>(getTickCount()) - duration;
    duration /= getTickFrequency()/100;        //执行时间，以ms为单位
    qDebug()<<"duration"<<v<<"："<<duration<<"ms";
}

可见用at的方式读取像素效率最低，用迭代器速度也比較慢。效率最高的方式还是使用指针读取。

好了，本篇就到此结束吧。过两天继续更^_^

參考书籍

《openCV2计算机视觉编程手冊》

（转载请注明作者和出处：Shawn-HT  http://blog.csdn.net/shawn_ht 未经同意请勿用于商业用途）