OpenCV中高效的像素遍历方法，写出工程级像素遍历代码

转自：https://mp.weixin.qq.com/s/jfLdvLgAuCVclWkut9LH4g

初次接触OpenCV的开发者，必须过的第一道坎就是学会如何遍历访问Mat对象中每个像素，实现像素级别的图像操作，这个是最级别的编程技能，但是不同的像素遍历方法效率有云泥之别，相差特别大，甚至可能成为算法运行的瓶颈之一，因此找到一种速度快的遍历方法对大图像处理是很关键的。在开始寻找高效遍历方法之前，先来了解一下Mat对象的数据组织形式与像素块数据的存储方式，Mat对象由两个部分组成，元数据头部加像素数据块部分，图示如下：

 

在OpenCV C++中Mat对象的内存管理由OpenCV框架自动负责内存分配与回收，基于智能指针实现内存管理。

三种遍历方法

方法一

基于Mat对象的随机像素访问API实现，通过行列索引方式遍历每个像素值。代码实现如下

void method_1(Mat &image) {
    double t1 = getTickCount();
    int w = image.cols;
    int h = image.rows;
    for (int row = 0; row < h; row++) {
        for (int col = 0; col < w; col++) {
            Vec3b bgr = image.at<Vec3b>(row, col);
            bgr[0] = 255 - bgr[0];
            bgr[1] = 255 - bgr[1];
            bgr[2] = 255 - bgr[2];
            image.at<Vec3b>(row, col) = bgr;
        }
    }
    double t2 = getTickCount();
    double t = ((t2 - t1) / getTickFrequency()) * 1000;
    ostringstream ss;
    ss << "Execute time : " << std::fixed << std::setprecision(2) << t << " ms ";
    putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
    imshow("result", image);
}

 

方法二

基于Mat对象的行随机访问指针方式实现对每个像素的遍历，代码实现如下：

void method_2(Mat &image) {
    double t1 = getTickCount();
    int w = image.cols;
    int h = image.rows;
    for (int row = 0; row < h; row++) {
        Vec3b* curr = image.ptr<Vec3b>(row);
        for (int col = 0; col < w; col++) {
            Vec3b bgr = curr[col];
            bgr[0] = 255 - bgr[0];
            bgr[1] = 255 - bgr[1];
            bgr[2] = 255 - bgr[2];
        }
    }
    double t2 = getTickCount();
    double t = ((t2 - t1) / getTickFrequency()) * 1000;
    ostringstream ss;
    ss << "Execute time : " << std::fixed << std::setprecision(2) << t << " ms ";
    putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
    imshow("result", image);
}

 

除了上述的行指针遍历方式，常见的行指针还有如下：

CV_8UC1: 灰度图像
uchar* ptr = image.ptr<uchar>(row_index);

CV_8UC3: 彩色图像
Vec3b* ptr = image.ptr<cv::Vec3b>(row_index);

CV_32FC1: 单通道浮点数图像
float* ptr = image.ptr<float>(row_index);

CV_32FC3: 三通道浮点数图像
Vec3f* ptr = image.ptr<cv::Vec3f>(row_index);

 

 

 

 

方法三

直接获取Mat对象的像素块的数据指针，基于指针操作，实现快速像素方法，代码实现如下：

void method_3(Mat &image) {
    double t1 = getTickCount();
    int w = image.cols;
    int h = image.rows;
    for (int row = 0; row < h; row++) {
        uchar* uc_pixel = image.data + row*image.step;
        for (int col = 0; col < w; col++) {
            uc_pixel[0] = 255 - uc_pixel[0];
            uc_pixel[1] = 255 - uc_pixel[1];
            uc_pixel[2] = 255 - uc_pixel[2];
            uc_pixel += 3;
        }
    }
    double t2 = getTickCount();
    double t = ((t2 - t1) / getTickFrequency()) * 1000;
    ostringstream ss;
    ss << "Execute time : " << std::fixed << std::setprecision(2) << t << " ms ";
    putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
    imshow("result", image);
}

实验对比结果

系统信息与软件版本

输入图像大小为：1280x720， 彩色
操作系统：win10
OpenCV版本：OpenCV4.1
CPU：core i7 8th