【OpenCV】OpenCV实战从入门到精通之 -- 访问图像中的像素

目录

1、图像在内存之中的存储方式

2、颜色空间缩减

3、LUT函数：Look up table操作

4、计时函数

5、访问图像中像素的三类方法

5.1、指针访问像素

5.2、迭代器操作像素

5.3、动态地址计算

1、图像在内存之中的存储方式

图像矩阵的大小取决于所用的颜色模型，确切说，取决于所用通道数。如果是灰度图像，矩阵就会如图5.1所示。

对于多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相同，如图5.2所示RGB颜色模型的矩阵。

可以看到，OpenCV中子列的通道顺序是反过来的——BGR而不是RGB。 有时候，由于内存足够大，可实现连续存储，图像中的各行是一行一行连接起来的，形成一个长行。可以使用isContinuous()来判断矩阵是否是连续存储的。

2、颜色空间缩减

颜色空间缩减的做法是：将现有颜色空间值除以某个输入值，以获得较少的颜色数。即做减法，比如颜色值0到9可取为新值0,10到19可取为10，以此类推。

有一个简单的公式来实现颜色空间缩减：

在处理像素时，每个像素需要进行一遍上述公式计算，也需要一定的时间花销。我们可以把256中计算好的结果提前存在列表table中，这样每种情况不需计算，直接从table中取取结果即可。

int divideWith = 10;unchar table[256];for( int i =0; i<256; ++i)table[i] = divideWith*(i/divideWith);

于是table[i]存放的是值为 i的像素减小颜色空间的结果，这样就可以理解上述方法中的操作：p [j] = table[ p [j] ]

简单的颜色空间缩减算法就由以下两步组成：

遍历图像矩阵的每一个像素对像素应用上述公式

3、LUT函数：Look up table操作

Look up table操作使用operationsOnArrays：LUT()<lut>函数，用于批量进行图像元素查找、扫描与操作图像。使用方法如下：

//首先建立一个mat型用于查表Mat lookUpTable(1, 256, CV_8U);uchar* p = lookUpTable.data;for(int i = 0; i < 256; ++i)p[i] = table[i];//调用函数（I是输入，J是输出）for (int i = 0; i < times; ++i)LUT(I, lookUpTable, J);

4、计时函数

简便的计时函数：getTickCount()和get TickFrequency()

getTickCount()函数：返回CPU自某个事件以来走过的时钟周期数

getTickFrequency()函数：返回CPU一秒钟所走的时钟周期数。这样，就能以秒为单位对某运算计时。

两个函数组合起来使用的实例如下：

double time0 = static_cast<double>(getTickCount()); //记录起始事件//进行图像处理操作……time0 = ((double) getTickCount()-time0)/getTickFrequency();cout << "此方法运行时间为： " << time0 << "秒" << endl; //输出运行时间

5、访问图像中像素的三类方法

OpenCV中，有三种方式访问图像像素：

指针访问：C操作符[]；迭代器iterator动态地址计算

上述方法在访问速度上略有差异。debug模式下，差异非常明显，在release模式下，差异就不太明显。

下边通过一组例子来说明这三种方法的使用，程序的作用是减少颜色的数量，比如原来的图像是256种颜色，我们希望将它变成64中颜色，只需要将原来的颜色除以4（整除）以后再乘以4即可。

主程序代码如下：

//---------------------------------【头文件、命名空间包含部分】--------------------------//描述：包含程序所使用的头文件和命名空间//---------------------------------------------------------------------------------------#include <opencv2/opencv.hpp> #include <iostream> using namespace std;using namespace cv;//-----------------------------------【全局函数声明部分】-----------------------------------//描述：全局函数声明//------------------------------------------------------------------------------------------//减少颜色void colorReduce(Mat& inputImage, Mat& outputImage, int div);//--------------------------------------【main( )函数】---------------------------------------//描述：控制台应用程序的入口函数，我们的程序从这里开始执行//-----------------------------------------------------------------------------------------------int main(){//【1】创建原始图并显示Mat srcImage = imread("1.jpg");imshow("原始图像", srcImage);//【2】按原始图的参数规格来创建创建效果图Mat dstImage;dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图的大小、类型与原图片相同 //【3】记录起始时间double time0 = static_cast<double>(getTickCount());//【4】调用颜色空间缩减函数colorReduce(srcImage, dstImage, 32);//【5】计算运行时间并输出time0 = ((double)getTickCount() - time0) / getTickFrequency();cout << "\t此方法运行时间为： " << time0 << "秒" << endl; //输出运行时间//【6】显示效果图imshow("效果图", dstImage);waitKey(0);}

5.1、指针访问像素

指针访问像素利用的是C语言中的操作符[]。这种方法最快，但是略有点抽象。实验条件下单词运行时间为0.00370487秒，代码如下：

//---------------------------------【colorReduce( )函数】---------------------------------//描述：使用【指针访问：C操作符[ ]】方法版的颜色空间缩减函数//----------------------------------------------------------------------------------------------void colorReduce(Mat& inputImage, Mat& outputImage, int div){//参数准备outputImage = inputImage.clone(); //拷贝实参到临时变量int rowNumber = outputImage.rows; //行数int colNumber = outputImage.cols*outputImage.channels(); //列数 x 通道数=每一行元素的个数//双重循环，遍历所有的像素值for (int i = 0; i < rowNumber; i++) //行循环{uchar* data = outputImage.ptr<uchar>(i); //获取第i行的首地址for (int j = 0; j < colNumber; j++) //列循环{// ---------【开始处理每个像素】-------------data[j] = data[j] / div*div;// ----------【处理结束】---------------------} //行处理结束}}

分析讲解上述代码：

Mat类属性：

公有变量cols和rows给出图像的宽和高channels()：返回图像的通道数。灰度图通道数为1，彩色通道数为3ptr()函数：得到任意行的首地址。ptr是一个模板函数，它返回第i行的首地址：uchar* data = outputImage.ptr<uchar>(i); //获取第i行的首地址

每行的像素值个数以下语句得到：

int colNumber = outputImage.cols*outputImage.channels(); //列数 x 通道数=每一行元素的个数

运行结果：

5.2、迭代器操作像素

迭代器需要做的仅仅是获得图像矩阵的begin和end，然后增加迭代直至从begin到end。将* 操作符添加在迭代指针前，即可访问当前指向的内容。

相比使用指针可能越界问题，迭代器绝对是非常安全的方法。

//-------------------------------------【colorReduce( )函数】-----------------------------//描述：使用【迭代器】方法版的颜色空间缩减函数//----------------------------------------------------------------------------------------------void colorReduce(Mat& inputImage, Mat& outputImage, int div){//参数准备outputImage = inputImage.clone(); //拷贝实参到临时变量//获取迭代器Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //初始位置的迭代器Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>(); //终止位置的迭代器//存取彩色图像像素for (; it != itend; ++it){// ------------------------【开始处理每个像素】--------------------(*it)[0] = (*it)[0] / div*div; //蓝色通道(*it)[1] = (*it)[1] / div*div; //绿色通道(*it)[2] = (*it)[2] / div*div; //红色通道// ------------------------【处理结束】----------------------------}}

运行结果：

5.3、动态地址计算

动态地址运算配合at方法。这种方法简单明了，符合我们对像素的认识。

//----------------------------------【colorReduce( )函数】-------------------------------//描述：使用【动态地址运算配合at】方法版本的颜色空间缩减函数//----------------------------------------------------------------------------------------------void colorReduce(Mat& inputImage, Mat& outputImage, int div){//参数准备outputImage = inputImage.clone(); //拷贝实参到临时变量int rowNumber = outputImage.rows; //行数int colNumber = outputImage.cols; //列数//存取彩色图像像素for (int i = 0; i < rowNumber; i++){for (int j = 0; j < colNumber; j++){// ------------------------【开始处理每个像素】--------------------outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div*div; //蓝色通道outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div*div; //绿色通道outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div*div; //红是通道// -------------------------【处理结束】----------------------------} // 行处理结束}}

分析讲解代码：

Mat：

成员函数at（int y， int x）：用来存储图像元素，但是必须在编译期知道图像的数据类型。需要注意的是，一定要确保指定的数据类型和矩阵中的数据类型符合，因为at方法本身不会对任何数据类型进行转换。

Vec3b：

一个图像的Mat会返回一个由三个8位数组成的向量，，将其定义为Vec3b，即由三个unsigned char组成的向量，所以存取彩色图像像素的代码可以写出如下形式：

image.at<Vec3b>(i, j)[chanel] = value; //索引值channel标明了颜色通道号

运行结果：