OpenCV之像素访问（2）

通过指针访问图像数据

(1)通过uchar *data=src.ptr<uchar>(line_number);获取所要处理的像素点所在行数

(2)data[i]就可以获得图像中某一行中第j行、第i/3个像素的第i%3通道的灰度值,其中：

0=<i<image.cols*image.channels()

例程 ：Color Reduce算法

#include"opencv2/highgui/highgui.hpp"

#include"opencv2/core/core.hpp"

#include<iostream>

usingnamespacecv;

usingnamespacestd;

voidcolorReduce1(Mat&image,intdiv=64) {

intnl=image.rows;

intnc=image.cols*image.channels();

for(intj=0;j<nl;j++) {

uchar*data=image.ptr<uchar>(j);

for(inti=0;i<nc;i++) {

data[i]=data[i]/div*div+div/2;

}

}

}

int_tmain(intargc,_TCHAR*argv[])

{

Matsrc=imread("D:\\1.jpg");

Matoutput;

src.copyTo(output);

if(!src.data)

{

cout<<"Image loading failed"<<endl;

}

colorReduce1(output,32);

namedWindow("src",WINDOW_AUTOSIZE);

namedWindow("output",WINDOW_AUTOSIZE);

imshow("output",output);

imshow("src",src);

waitKey(0);

return0;

}

程序运行结果：

如果div的数目为2的整数幂，则还可以通过移位预算，增加程序的执行效率，修改后代码如下：

voidcolorReduce2(Mat&image,intn=6) {

intnl=image.rows;

intnc=image.cols*image.channels();

intdiv= (int)pow(2.0f,n);

ucharmask= 0xFF<<n;//与mask进行与运算，相当于对低n位进行清零

for(intj=0;j<nl;j++) {

uchar*data=image.ptr<uchar>(j);

for(inti=0;i<nc;i++) {

data[i]= (data[i]&mask) + div/2;

}

}

}

为了进一步提高执行效率， 可以通过isContinuous方法来判断图像是否为连续图像，如果返回值是TRUE，则代表其是连续图像， 对于连续图像而言，在图像像素扫描时的双层循环改为单层循环，进一步提高执行效率

voidcolorReduce3(Mat&image, intn=6) {

intnl= image.rows;

intnc= image.cols* image.channels();

intdiv = (int)pow(2.0f,n);

ucharmask = 0xFF<<n;

if(image.isContinuous())

{

nc=nl*nc;

nl=1;

}

for(int j=0;j<nl;j++)

{

uchar*data= image.ptr<uchar>(j);

for(int i=0;i<nc;i++) {

data[i]= (data[i]&mask) + div/2;

}

}

}