学习OpenCV2——访问Mat图像的像素值

最新推荐文章于 2023-05-01 08:04:51 发布
最新推荐文章于 2023-05-01 08:04:51 发布
阅读量1.3k 收藏 3
点赞数
分类专栏： OpenCV2 文章标签： OpenCV2 图像处理

【转自】

http://blog.csdn.net/xiaowei_cqu/article/details/7771760

http://blog.csdn.net/xiaowei_cqu/article/details/19839019


图像容器Mat

      还是先看Mat的存储形式。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：

     注意通道的顺序反转了：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。可以用 isContinuous()函数来判断图像数组是否为连续的。

示例代码：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

由于进行量化的单元div通常是2的整次方，因此所有的乘法和除法都可以用位运算表示。

// 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。










OpenCV实战（4）——像素操作
盼小辉丶的博客
12-05 2万+
为了构建计算机视觉应用程序，需要能够访问图像内容，并修改或创建得到新图像。本节将介绍如何操作图片元素(即像素)，我们将介绍如何扫描图像并处理其每个像素，同时，为了高效的进行操作，还进一步介绍了如何使用指针 Ptr 和迭代器 iterator 进行扫描图像执行像素操作。
OpenCV实战（1）——OpenCV与图像处理基础
热门推荐
盼小辉丶的博客
10-24 6万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
访问Mat图像中每个像素的值
07-22
三种方法访问图像中像素的值。 参考博文：http://blog.csdn.net/xiaowei_cqu/article/details/7771760
【OpenCV】访问Mat中每个像素的值（新）
编程语言小筑
02-24 3897
在《OpenCV 2 Computer Vision Application Programming Cookbook》看到的例子，非常不错，算是对之前的文章&lt;访问Mat图像中每个像素的值&gt;的回顾和补充。 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 Colo...
IplImage结构
wanglp094的专栏
06-29 3554
IplImage是OpenCV中CxCore部分基础的数据结构，用来表示图像，其中Ipl是Intel Image Processing Library的简写。 typedef struct _IplImage       {           int  nSize;         /* IplImage大小 */           int  ID;            /*
关于OpenCV Mat读取像素值
Lee_gc的博客
11-13 7233
最近开始使用OPenCV读取图像像素值，并做处理，裁剪出ROI区域，并做保存。 对于Mat类生成的对象，包含诸多属性，Mat.rows, Mat.cols分别表示图像的heighten和width属性。 Mat的坐标系从左上角(0,0)开始，到右下角(Mat.rows, Mat.cols)。采集像素按照rows为X轴，cols为Y轴，提取像素的模式如： mat.at(mat.rows, ma
OpenCV-Mat方式的获取图片的像素（一）
u011559236的博客
11-12 1万+
作为OpenCV基础知识中的重中之重，像素值的读写需要我们很用心的掌握。 1、读取原图 const char filename[] = "/Users/linwang/Desktop/Lena.png"; Mat Im = imread(filename); cout<<"Im.dims = "<<Im.dims<<endl; cout<<"Im.rows =
OpenCV2——计算图像最亮值
yuwenyuanxi的博客
10-31 1755
收获： 1 cv2自带的克隆函数没有问题，cv1的克隆函数会出错 cv2: img2=new Mat(); img1.cloneto(*img2); 2 cv2的均值滤波函数使用方式为blur(*src,des,Size(2,2))，该方法是有缩放的，缩放比例为1：（22） 然后是代码： MaxBright.h #include&amp;amp;amp;lt;opencv2/core/core.hpp&amp;amp;amp;gt; using...
学习OpenCV2——Mat之通道的理解
Markala的博客
03-18 3万+
本文详细介绍了opencv中涉及通道的知识，包括图像类型转换，通道合成分解，图像的显示。
opencv之Mat的访问像素点
maggiesir的博客
12-10 3433
1、Mat的访问 2、调整图像亮度与对比度
【OpenCV】访问Mat图像中每个像素的值
tempsitegoogle
07-22 1200
今天百度搜资料还搜到了自己的。。。《访问图像中每个像素的值》，这是之前写的了，用的也是2.0的风格IplImage*格式，不太适用后来Mat的格式，特此重写一篇。 以下例子源自《The OpenCV Tutorials --Release 2.4.2》2.2 How to scan images, lookup tables and time measurement with OpenCV 图...
opencv--读取Mat像素点值
CSDN博客
09-11 2747
Mat src = imread("1.jpg"); int rows = src.rows; int cols = src.cols; for (int i = 0; i < rows; i++) { uchar* d = src.ptr<uchar>(i); //获取第i行的首地址 for (int j =...
OpenCV对图像获取像素值方法总结
松子茶的专栏
12-11 3833
常规方法获取像素值： cv::Mat cvImg = imread("E:\\Test,jpg"); for(int i = 0;i < cvImg.rows; i++){ for(int j = 0;j < img.cols;j++){ s = cvGet2D(img,i,j); // get the (i,j) pixel value s
【OpenCV3图像处理】Mat类详解 之 元素的获取与赋值 （ 对比.at<>()函数 和 .ptr<>()函数）
把岁月化成歌 留在博客
04-12 3万+
Mat中像素的获取与赋值   计算机视觉中，图像的读取是图像处理的基础，图像就是一系列像素值，OpenCV使用数据结构cv::Mat来存储图像。cv::Mat是一个矩阵类，矩阵中每一个元素都代表一个像素，对于灰度图像，像素用8位无符号数，0表示黑色，255表示白色。对于彩色像素而言，每个像素需要三位这样的8位无符号数来表示，即三个通道（R,G,B），矩阵则依次存储一个像素的三个通道的值，然后再...
遍历Opencv中Mat中每个像素的值
u011555996的博客
11-12 1613
c++
OpenCV中Mat类模板的一些基本操作（实例）
最新发布
Keep_Trying_Go的博客
05-01 795
OpenCV中Mat类模板的一些基本操作（实例）
Mat 对象的使用
言午日月
03-02 316
Mat 对象的使用 部分复制: 一般情况下只会复制 Mat 对象的头和指针部分,不会复制数据部分 Mat A = imread(src_imagse) Mat B(A) // 只复制 完全复制: 如果把 Mat 对象的头部和数据部分一起复制,可以通过以下两个 API 实现. Mat F = A.cone() Mat G;A.copyTo(G) Mat 对象使用四个要素 输出图像的...
opencv Mat 求元素 中值 均值 总和
billbliss的专栏
01-31 1万+
float Median_Mat_32f(Mat img) { float *buf; buf = new float[img.rows*img.cols]; for (int i =0; i < img.rows; i++) { for (int j = 0; j < img.cols; j++) {
C++ opencv之图像像素的算术操作
weixin_46196863的博客
11-25 1794
这节课我们来学习图像像素的读写操作。 下面来放一下这个demo： 一、像素的加减乘除操作 1、加法操作： void QuickDemo::operators_Demo(Mat &image) { Mat dst; dst = image + Scalar(50, 50, 50); imshow("加法操作", dst); } 输出结果为： 可以明显的感受到右边这幅图，亮度增强了。 opencv也有现成的api函数像素加法的函数可以使用： //第一个参数为第一张图片，第二个参数为第二张图片
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值