1. OpenCV使用指针遍历图像

存取像素值

获取像素值：
灰度图片:

pixel = img.at<uchar>(100, 200);

彩色图片:

pixel = img.at<Vec3b>(100, 200);//对于彩色图像，Mat会返回一个有三个8位数组成的unsigned char类型向量

修改像素值：
灰度图片:

 img.at<uchar>(100, 200) = 255;

彩色图片:

for(int i=0; i<3; i++){
	img.at<Vec3b>(100, 200)[i] = 255
}  

下述代码为一张图片随机加入噪声

void salt(Mat& image, int n) {
	for (int k = 0; k < n; k++) {
		int i = rand() % image.cols;
		int j = rand() % image.rows;
		if (image.channels() == 1)
			image.at<uchar>(j, i) = 255;
		else if (image.channels() == 3){
			image.at<Vec3b>(j, i)[0] = 255;
			image.at<Vec3b>(j, i)[1] = 255;
			image.at<Vec3b>(j, i)[2] = 255;
		}
	}
}

使用指针遍历图像

遍历方式

void colorReduce(Mat& image, int div = 64) {
	//注意opencv默认BGR通道数。缓冲区前三个字节是第一行第一列像素BGR值，之后是第一行第二列三个元素BGR值，以此类推。
	int rows = image.rows;
	int num = image.cols * image.channels();
	for (int i = 0; i < rows; i++) {
		uchar* data = image.ptr<uchar>(i);//ptr函数返回图像任意一行的首地址
		for (int j = 0; j < num; j++) {
			data[j] = data[j] / div * div + div / 2;
		}
	}
}

缩减图像颜色数量

void colorReduce(Mat& image, int div = 64) {
	int rows = image.rows;
	int num = image.cols * image.channels();
	for (int i = 0; i < rows; i++) {
		uchar* data = image.ptr<uchar>(i);//ptr函数返回图像任意一行的首地址
		for (int j = 0; j < num; j++) {
			data[j] = data[j] / div * div + div / 2;
		}
	}
}

上述颜色缩减函数在传入图片和缩减比例后，将直接在原图上对图片进行更改，如果我们想保留原图，可以拷贝一份图片进行更改。我们可以根据用户需要决定是否在原图上更改图片，代码如下：

void colorReduce(Mat& image_in, Mat& image_out, int div = 64) {
	int rows = image_in.rows;
	int num = image_in.cols * image_in.channels();
	for (int i = 0; i < rows; i++) {
		uchar* data_in = image_in.ptr<uchar>(i);
		uchar* data_out = image_out.ptr<uchar>(i);
		for (int j = 0; j < num; j++) {
			data_out[j] = data_in[j] / div * div + data_in[j] / div;
		}
	}
}

int main() {
	Mat img = imread("picture.png");   
	Mat result;
	result.create(img.rows, img.cols, img.type());
	colorReduce(img, img, 32);//在原图修改
	colorReduce(img, result, 32);、、将修改后图片拷贝到result
	imshow("hello", img);
	waitKey(0);  
	imshow("hello", result);

	waitKey(0);  
	destroyAllWindows();   
	return 0;
}

OpenCV中的图像填补

理论上来说，对于一张W×H的彩色图片，应该需要W×H×3个uchar构成的内存块来存储。但实际上由于一些媒体处理芯片(intel或者MMX)在行的长度为4或者8时可以更高效的处理图片，opencv往往会在行之后进行扩充，在行后加上几个元素，这些元素不会被处理和现实，填补的值会被忽略。图片是否被填充可以通过isContinuous()函数确定。

更加高效的遍历方式

在一些图像算法中如果图片没有被填充，利用图像存储的连续性，我们可以更高效的遍历图像。

void colorReduce(Mat& image, int div = 64) {
	//注意opencv默认BGR通道数。缓冲区前三个字节是第一行第一列像素BGR值，之后是第一行第二列三个元素BGR值，以此类推。
	int rows = image.rows;
	int num = image.cols * image.channels();
	if (image.isContinuous()) {
		num = rows * num;
		rows = 1;
	}
	for (int i = 0; i < rows; i++) {
		uchar* data = image.ptr<uchar>(i);//ptr函数返回图像任意一行的首地址
		for (int j = 0; j < num; j++) {
			data[j] = data[j] / div * div + div / 2;
		}
	}
}

图片的指针运算

void pointerOperation(Mat& image) {
	uchar *data = image.data;//获取图像首地址
	data += image.step;//获取下一行地址
	//获取第 i=10 行第 j=24 列的像素值
	data = image.data + 100 * image.step + 225 * image.elemSize();
	cout <<"像素值为"<< * data << endl;
}