OpenCV成长之路(2):图像的遍历

转自:http://blog.csdn.net/cv_ronny/article/details/17416033

我们在实际应用中对图像进行的操作,往往并不是将图像作为一个整体进行操作,而是对图像中的所有点或特殊点进行运算,所以遍历图像就显得很重要,如何高效的遍历图像是一个很值得探讨的问题。

一、遍历图像的4种方式:at<typename>(i,j)

Mat类提供了一个at的方法用于取得图像上的点,它是一个模板函数,可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。

在实际应用中,我们很多时候需要对图像降色彩,因为256*256*256实在太多了,在图像颜色聚类或彩色直方图时,我们需要用一些代表性的颜色代替丰富的色彩空间,我们的思路是将每个通道的256种颜色用64种代替,即将原来256种颜色划分64个颜色段,每个颜色段取中间的颜色值作为代表色。

  1. void colorReduce(Mat& image,int div)  
  2. {  
  3.     for(int i=0;i<image.rows;i++)  
  4.     {  
  5.         for(int j=0;j<image.cols;j++)  
  6.         {  
  7.             image.at<Vec3b>(i,j)[0]=image.at<Vec3b>(i,j)[0]/div*div+div/2;  
  8.             image.at<Vec3b>(i,j)[1]=image.at<Vec3b>(i,j)[1]/div*div+div/2;  
  9.             image.at<Vec3b>(i,j)[2]=image.at<Vec3b>(i,j)[2]/div*div+div/2;  
  10.         }  
  11.     }  
  12. }  


通过上面的例子我们可以看出,at方法取图像中的点的用法:

image.at<uchar>(i,j):取出灰度图像中i行j列的点。

image.at<Vec3b>(i,j)[k]:取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型,不要对Vec3b这种类型感觉害怕,其实在core里它是通过typedef Vec<T,N>来定义的,N代表元素的个数,T代表类型。

更简单一些的方法:OpenCV定义了一个Mat的模板子类为Mat_,它重载了operator()让我们可以更方便的取图像上的点。

Mat_<uchar> im=image;

im(i,j)=im(i,j)/div*div+div/2;

二、高效一点:用指针来遍历图像

上面的例程中可以看到,我们实际喜欢把原图传进函数内,但是在函数内我们对原图像进行了修改,而将原图作为一个结果输出,很多时候我们需要保留原图,这样我们需要一个原图的副本。

  1. void colorReduce(const Mat& image,Mat& outImage,int div)  
  2. {  
  3.     // 创建与原图像等尺寸的图像  
  4.     outImage.create(image.size(),image.type());  
  5.     int nr=image.rows;  
  6.     // 将3通道转换为1通道  
  7.     int nl=image.cols*image.channels();  
  8.     for(int k=0;k<nr;k++)  
  9.     {  
  10.         // 每一行图像的指针  
  11.         const uchar* inData=image.ptr<uchar>(k);  
  12.         uchar* outData=outImage.ptr<uchar>(k);  
  13.         for(int i=0;i<nl;i++)  
  14.         {  
  15.             outData[i]=inData[i]/div*div+div/2;  
  16.         }  
  17.     }  
  18. }  

从上面的例子中可以看出,取出图像中第i行数据的指针:image.ptr<uchar>(i)。

值得说明的是:程序中将三通道的数据转换为1通道,在建立在每一行数据元素之间在内存里是连续存储的,每个像素三通道像素按顺序存储。也就是一幅图像数据最开始的三个值,是最左上角的那像素的三个通道的值。

但是这种用法不能用在行与行之间,因为图像在OpenCV里的存储机制问题,行与行之间可能有空白单元。这些空白单元对图像来说是没有意思的,只是为了在某些架构上能够更有效率,比如intel MMX可以更有效的处理那种个数是4或8倍数的行。但是我们可以申明一个连续的空间来存储图像,这个话题引入下面最为高效的遍历图像的机制。

三、更高效的方法

上面已经提到过了,一般来说图像行与行之间往往存储是不连续的,但是有些图像可以是连续的,Mat提供了一个检测图像是否连续的函数isContinuous()。当图像连通时,我们就可以把图像完全展开,看成是一行。

  1. void colorReduce(const Mat& image,Mat& outImage,int div)  
  2. {  
  3.     int nr=image.rows;  
  4.     int nc=image.cols;  
  5.     outImage.create(image.size(),image.type());  
  6.     if(image.isContinuous()&&outImage.isContinuous())  
  7.     {  
  8.         nr=1;  
  9.         nc=nc*image.rows*image.channels();  
  10.     }  
  11.     for(int i=0;i<nr;i++)  
  12.     {  
  13.         const uchar* inData=image.ptr<uchar>(i);  
  14.         uchar* outData=outImage.ptr<uchar>(i);  
  15.         for(int j=0;j<nc;j++)  
  16.         {  
  17.             *outData++=*inData++/div*div+div/2;  
  18.         }  
  19.     }  
  20. }  

用指针除了用上面的方法外,还可以用指针来索引固定位置的像素:

image.step返回图像一行像素元素的个数(包括空白元素),image.elemSize()返回一个图像像素的大小。

image.at<uchar>(i,j)=image.data+i*image.step+j*image.elemSize();

四、还有吗?用迭代器来遍历。

下面的方法可以让我们来为图像中的像素声明一个迭代器:

MatIterator_<Vec3b> it;

Mat_<Vec3b>::iterator it;

如果迭代器指向一个const图像,则可以用下面的声明:

MatConstIterator<Vec3b> it; 或者

Mat_<Vec3b>::const_iterator it;

下面我们用迭代器来简化上面的colorReduce程序:

  1. void colorReduce(const Mat& image,Mat& outImage,int div)  
  2. {  
  3.     outImage.create(image.size(),image.type());  
  4.     MatConstIterator_<Vec3b> it_in=image.begin<Vec3b>();  
  5.     MatConstIterator_<Vec3b> itend_in=image.end<Vec3b>();  
  6.     MatIterator_<Vec3b> it_out=outImage.begin<Vec3b>();  
  7.     MatIterator_<Vec3b> itend_out=outImage.end<Vec3b>();  
  8.     while(it_in!=itend_in)  
  9.     {  
  10.         (*it_out)[0]=(*it_in)[0]/div*div+div/2;  
  11.         (*it_out)[1]=(*it_in)[1]/div*div+div/2;  
  12.         (*it_out)[2]=(*it_in)[2]/div*div+div/2;  
  13.         it_in++;  
  14.         it_out++;  
  15.     }  
  16. }  

如果你想从第二行开始,则可以从image.begin<Vec3b>()+image.rows开始。

上面4种方法中,第3种方法的效率最高!

五、图像的邻域操作

很多时候,我们对图像处理时,要考虑它的邻域,比如3*3是我们常用的,这在图像滤波、去噪中最为常见,下面我们介绍如果在一次图像遍历过程中进行邻域的运算。

下面我们进行一个简单的滤波操作,滤波算子为[0 –1 0;-1 5 –1;0 –1 0]。

它可以让图像变得尖锐,而边缘更加突出。核心公式即:sharp(i.j)=5*image(i,j)-image(i-1,j)-image(i+1,j

)-image(i,j-1)-image(i,j+1)。

  1. void ImgFilter2d(const Mat &image,Mat& result)  
  2. {  
  3.     result.create(image.size(),image.type());  
  4.     int nr=image.rows;  
  5.     int nc=image.cols*image.channels();  
  6.     for(int i=1;i<nr-1;i++)  
  7.     {  
  8.         const uchar* up_line=image.ptr<uchar>(i-1);//指向上一行  
  9.         const uchar* mid_line=image.ptr<uchar>(i);//当前行  
  10.         const uchar* down_line=image.ptr<uchar>(i+1);//下一行  
  11.         uchar* cur_line=result.ptr<uchar>(i);  
  12.         for(int j=1;j<nc-1;j++)  
  13.         {  
  14.             cur_line[j]=saturate_cast<uchar>(5*mid_line[j]-mid_line[j-1]-mid_line[j+1]-  
  15.                 up_line[j]-down_line[j]);  
  16.         }  
  17.     }  
  18.     // 把图像边缘像素设置为0  
  19.     result.row(0).setTo(Scalar(0));  
  20.     result.row(result.rows-1).setTo(Scalar(0));  
  21.     result.col(0).setTo(Scalar(0));  
  22.     result.col(result.cols-1).setTo(Scalar(0));  
  23. }  


上面的程序有以下几点需要说明:

1,staturate_cast<typename>是一个类型转换函数,程序里是为了确保运算结果还在uchar范围内。

2,row和col方法返回图像中的某些行或列,返回值是一个Mat。

3,setTo方法将Mat对像中的点设置为一个值,Scalar(n)为一个灰度值,Scalar(a,b,c)为一个彩色值。

六、图像的算术运算

Mat类把很多算数操作符都进行了重载,让它们来符合矩阵的一些运算,如果+、-、点乘等。

下面我们来看看用位操作和基本算术运算来完成本文中的colorReduce程序,它更简单,更高效。

将256种灰度阶降到64位其实是抛弃了二进制最后面的4位,所以我们可以用位操作来做这一步处理。

首先我们计算2^8降到2^n中的n:int n=static_cast<int>(log(static_cast<double>(div))/log(2.0));

然后可以得到mask,mask=0xFF<<n;

用下面简直的语句就可以得到我们想要的结果:

result=(image&Scalar(mask,mask,mask))+Scalar(div/2,div/2,div/2);

很多时候我们需要对图像的一个通信单独进行操作,比如在HSV色彩模式下,我们就经常把3个通道分开考虑。

<span style="color: rgb(43, 145, 175);">vector</span><span style="color: black;"><</span><span style="color: rgb(43, 145, 175);">Mat</span><span style="color: black;">> planes;
</span><span style="color: green;">// 将image分为三个通道图像存储在planes中
</span><span style="color: black;">split(image,planes);
planes[0]+=image2;
</span><span style="color: green;">// 将planes中三幅图像合为一个三通道图像
</span><span style="color: black;">merge(planes,result);</span>

以下是自己的程序做的实验:

// learn_opencv2.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "iostream"
using namespace std;


void colorReduce(cv::Mat& image, int div)
{
	for (int i = 0; i < image.rows; i++)
		for (int j = 0; j < image.cols; j++)
		{
			image.at<cv::Vec3b>(i, j)[0] = image.at<cv::Vec3b>(i, j)[0] / div*div + div / 2;
			image.at<cv::Vec3b>(i, j)[1] = image.at<cv::Vec3b>(i, j)[1] / div*div + div / 2;
			image.at<cv::Vec3b>(i, j)[2] = image.at<cv::Vec3b>(i, j)[2] / div*div + div / 2;
			//image.at<uchar>(i, j) = image.at<uchar>(i, j) / div*div + div / 2;
		}
}

int main()
{
	cv::Mat image(240, 320, CV_8UC3);
	image = cv::imread("1.png");
	colorReduce(image,64);
	cv::namedWindow("hog");
	cv::imshow("hog",image);
	cv::waitKey(5000);
	return 0;
}


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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