在Opencv中,提供了三种访问每个像素的方法
这三种方法在速度上略有差异,debug模式下,差异非常明显,release模式下,这种差异就不明显了.
通过一种程序来说明:
题:原来的图像是256种颜色,现在想将它变成64种颜色,那就只需要将原来的颜色整除4,再乘4就可以了
程序的主函数
int main() {
Mat srcImage = imread("./demo.jpg");
imshow("secImage", srcImage);
Mat dstImage;
dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());
double timeStart = static_cast<double>(getTickCount());
colorReduce(srcImage, dstImage, 32);
double timeEnd = static_cast<double>(getTickCount());
std::cout << 1.0*(timeEnd - timeStart)/getTickFrequency();
imshow("dsrImage", dstImage);
waitKey(0);
return 0;
}
来看看 colorReduce 的三种方法
方法一:指针访问:C操作符[]
void colorReduce(Mat &inputImage, Mat &outputImage, int div)
{
outputImage = inputImage.clone();
int rownNums = outputImage.rows; // 行数
int colNums = outputImage.cols * outputImage.channels(); //列数 * 通道数 = 每一行元素的个数
//双重循环遍历图像中的所有值
std::cout << rownNums << " " << colNums << std::endl;
for(int i = 0; i < rownNums; ++i)
{
uchar *data = outputImage.ptr<uchar>(i); // 获取第i行的首地址
for(int j = 0; j < colNums; ++j)
{
data[j] = uchar(data[j]/div * div + div/2);
}
}
}
方法二:用迭代器操作像素
void colorReduce(Mat &inputImage, Mat &outputImage, int div)
{
outputImage = inputImage.clone();
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //起始位置
Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>(); //结束位置
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;
}
}
方法三:利用动态地址计算
下面是使用动态地址运算配合 at方法来访问图像中的元素,这种方法简洁明了,符合大家对像素的直观认识,但是耗时也是相对最多的.
void colorReduce(Mat &inputImage, Mat &outputImage, int div)
{
outputImage = inputImage.clone();
int row = outputImage.rows;
int col = outputImage.cols;
for(int i = 0; i < row; ++i)
{
for(int j = 0; j < col; ++j)
{
outputImage.at<Vec3b>(i,j)[0] = outputImage.at<Vec3b>(i,j)[0]/div * div + div/2;
outputImage.at<Vec3b>(i,j)[1] = outputImage.at<Vec3b>(i,j)[1]/div * div + div/2;
outputImage.at<Vec3b>(i,j)[2] = outputImage.at<Vec3b>(i,j)[2]/div * div + div/2;
}
}
}