OpenCV计算机视觉编程之三种图像像素的遍历方法

为了构建计算机视觉应用程序，需要学会访问图像内容，有时也要修改或创建图像，如何操作图像的像素，就需要遍历一幅图像并处理每一个像素。现在我们就来介绍OpenCV三种图像像素的遍历方法：

一、 用cv::Mat类的at方法扫描图像
利用cv::Mat的at(int x,int y)方法可以访问元素，其中x是行号，y是列号。在编译时必须明确方法返回值的类型，因为cv::Mat可以接受任何类型的元素，所以程序员需要指定返回值的预期类型。正因为如此，at方法被实现成一个模板方法。在调用at方法时，你必须指定图像元素的类型，例如：

// 单通道图像
image.at<uchar>(i,j)= 255;
// 三通道图像
image.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255);

用cv::Mat类的at方法扫描图像代码如下：

void visit_mat_by_at(cv::Mat &img)
{
    for (int i = 0; i < img.rows; i++)
    {
        for (int j = 0; j < img.cols; j++)
        {
            // 单通道图像
            if (img.channels() == 1)
            {
                img.at<uchar>(i, j) += 50;
            }
            // 三通道图像
            else
            {
                img.at<cv::Vec3b>(i, j)[0] += 50;
                img.at<cv::Vec3b>(i, j)[1] += 50;
                img.at<cv::Vec3b>(i, j)[2] += 50;
            }
        }
    }
}

二、 用指针扫描图像
一般来说，用指针扫描图像比较高效。在大多数图像处理任务中，执行计算时你都需要对图像的所有像素进行扫描。需要访问的像素数量非常庞大，因此你必须采用高效的方式来执行这个任务。

用指针扫描图像代码如下：

void visit_mat_by_pointer(cv::Mat &img)
{
    for (int i = 0; i < img.rows; i++)
    {
        uchar *data = img.ptr<uchar>(i);
        for (int j = 0; j < img.cols * img.channels(); j++)
        {
            data[j] += 50;
        }
    }
}

三、 用迭代器扫描图像
在面向对象编程时，我们通常用迭代器对数据集合进行循环遍历。迭代器是一种类，专门用于遍历集合的每个元素，并能隐藏遍历过程的具体细节。标准模板库（Standard Template Library，STL）对每个集合类都定义了对应的迭代器类，OpenCV也提供了cv::Mat的迭代器类，并且与C++ STL中的标准迭代器兼容。

用迭代器扫描图像代码如下：

void visit_mat_by_iterator(cv::Mat &img)
{
    // 单通道图像
    if (img.channels() == 1)
    {
        cv::Mat_<uchar>::iterator begin = img.begin<uchar>();
        cv::Mat_<uchar>::iterator end = img.end<uchar>();
 
        for (auto it = begin; it != end; it++)
        {
            *it += 50;
        }
    }
    // 三通道图像
    else
    {
        cv::Mat_<cv::Vec3b>::iterator begin = img.begin<cv::Vec3b>();
        cv::Mat_<cv::Vec3b>::iterator end = img.end<cv::Vec3b>();
 
        for (auto it = begin; it != end; it++)
        {
            (*it)[0] += 50;
            (*it)[1] += 50;
            (*it)[2] += 50;
        }
    }
}

测试代码：

#include <iostream>
#include <opencv2/opencv.hpp>
 
int main()
{
    // 单通道图像
    cv::Mat img1(3, 4, CV_8UC1, 100);
    std::cout << "单通道图像像素修改前：" << std::endl;
    std::cout << img1 << std::endl;
 
    visit_mat_by_at(img1);
    //visit_mat_by_pointer(img1);
    //visit_mat_by_iterator(img1);
    std::cout << "单通道图像像素修改后：" << std::endl;
    std::cout << img1 << std::endl;
 
    // 三通道图像
    cv::Mat img2(3, 4, CV_8UC3, cv::Scalar(100, 150, 200));
    std::cout << "三通道图像像素修改前：" << std::endl;
    std::cout << img2 << std::endl;
 
    visit_mat_by_at(img2);
    //visit_mat_by_pointer(img2);
    //visit_mat_by_iterator(img2);
    std::cout << "三通道图像像素修改后：" << std::endl;
    std::cout << img2 << std::endl;
 
    cv::waitKey();
 
    return 0;
}

运行结果：

单通道图像像素修改前：
[100, 100, 100, 100;
 100, 100, 100, 100;
 100, 100, 100, 100]
单通道图像像素修改后：
[150, 150, 150, 150;
 150, 150, 150, 150;
 150, 150, 150, 150]
三通道图像像素修改前：
[100, 150, 200, 100, 150, 200, 100, 150, 200, 100, 150, 200;
 100, 150, 200, 100, 150, 200, 100, 150, 200, 100, 150, 200;
 100, 150, 200, 100, 150, 200, 100, 150, 200, 100, 150, 200]
三通道图像像素修改后：
[150, 200, 250, 150, 200, 250, 150, 200, 250, 150, 200, 250;
 150, 200, 250, 150, 200, 250, 150, 200, 250, 150, 200, 250;
 150, 200, 250, 150, 200, 250, 150, 200, 250, 150, 200, 250]

说明我们完成遍历图像，并成功修改图像像素，至此大功告成~