opencv图像处理学习（五十八）——遍历处理

1.at下标

略

2.指针遍历Mat::Ptr<type>

Mat类提供了一个函数模板Mat::Ptr方法，它可用于表示遍历图像的每一个字节，参数可设置为以0为起始行号，默认返回值为uchar*或者const unchar*.Opencv中也提供了相应的模板template<typename_Tp>_Tp* Mat::ptr(int i0 = 0),i0代表的是以零行为基础的索引，函数返回指向特定矩阵行的uchar*或指针。

cv::Mat inverseColor3(cv::Mat srcImage)
{
    cv::Mat tempImage = srcImage.clone();
    int rows = tempImage.rows;
    //将3通道转换为单通道
    int nStep = tempImage.cols * tempImage.channels();
    for(int i =0;i<rows;i++)
    {
        const uchar* pSrcData = srcImage.ptr<uchar>(i);
        uchar* pResultData = srcImage.ptr<uchar>(i);
        for(int j =0;j<nStep;j++)
        {
            pResultData[j]=cv::saturate_cast<uchar>(255-pSrcData[j]);
        }
    }

    return tempImage;
}

cv::saturate_cast<typename>是一个typename类型转换函数，函数功能是确保运算结果在相应的typename类型范围内，其可以解释为强制类型转换，保证像素值变化在[0,255],如果是浮点数，则用round取整。

3.使用迭代器Matlterator_

Matlterator_是Mat数据操作的迭代器。template<typename_Tp>Matlterator_<_Tp>Mat::begin()表示指向Mat数据的起始迭代器，template<typename_Tp>Matlterator_<_Tp>Mat::end()表示指向Mat数据的终止迭代器。迭代器方法是一种更安全的用来来遍历图像像素方式，首先获取到数据图像的矩阵起始，再通过递增迭代实现移动数据指针。

cv::Mat inverseColor4(cv::Mat srcImage)
{
    cv::Mat tempImage = srcImage.clone();
    cv::MatConstIterator_<cv::Vec3b>  srcIterStart = srcImage.begin<cv::Vec3b>;
    cv::MatConstIterator_<cv::Vec3b>  srcIterEnd = srcImage.begin<cv::Vec3b>;
    cv::MatIterator_<cv::Vec3b> resIterStart = tempImage.begin<cv::Vec3b>();
    cv::MatIterator_<cv::Vec3b> resIterEnd = tempImage.end<cv::Vec3b>();

    //遍历图像反色处理
    while(srcIterStart!=srcIterEnd)
    {
        (*resIterStart)[0] = 255 - (*srcIterStart)[0];
        (*resIterStart)[1] = 255 - (*srcIterStart)[1];
        (*resIterStart)[2] = 255 - (*srcIterStart)[2];

        // 迭代器递增
        srcIterStart++;
        resIterStart++;
    }
    return tempImage;
}

4.改进方法isContinous

图像数据存储行与行之间可能是空白单元，即图像行与行之间存储可能是不连续的，因此我们在使用上述方法进行图像像素遍历时，很大程度上会造成数据指针移动的浪费，Mat类提供了一个检测图像是否连续的函数isContinuous()，该函数返回值为true时表示ux元素存储是连续的，每一行直径无间隙，显然1x1和1xN的图像矩阵总是连续的，Mat::creat()方法创建的矩阵也是连续的。当图像元素连续时，我们可以将图像看成一行，按行展开，利用行指针获取起始行位置，进行遍历。

cv::Mat inverseColor5(cv::Mat srcImage)
{
    int rows = srcImage.rows;
    int cols = srcImage.cols;
    cv::Mat tempImage = srcImage.clone();
    
    //    判断是否是连续图像，即是否有像素填充
    if(srcImage.isContinuous() && tempImage.isContinuous())
    {
        rows = 1;
        cols = cols * srcImage.rows * srcImage.channel();//按照行展开

    }

    for(int i = 0;i<rows;i++)
    {
       const uchar* pSrcData = srcImage.ptr<uchar>(i);
       uchar* pResultData = tempImage.ptr<uchar>(i);
       for(int j =0;j<cols;j++)
       {
        *pResultData++ = 255 - *pResultData++；
       } 
    }

    return tempImage;
}

Mat类中提供了Mat.step()方法，用于获取图像一行像素元素的个数。

5.LUT查表法

为了减少图像映射的时间复杂度，Opnecv提供了查找表LUT，LUT是一张像素灰度值的映射表，可用于将采样到的灰度值经过图像处理（替换、反转、赋值、阈值、二值化、灰度变换等），利用映射关系变换成相对应的灰度值。Opencv中LUT查找表包含256个元素，应用于单通道或相同类型的多通道数据操作。

cv::Mat inverseColor6(cv::Mat srcImage)
{
    int rows = srcImage.rows;
    int cols = srcImage.cols
    cv::Mat tempImage= srcImage.clone();
    uchar LUTTable[256];
    for(int i=0;i<256;++i)
    {
        LUTTable[i] = 255 - i;
    }
    cv::Mat LookUpTable(1,256,cv_8U);
    uchar* pData = lookUpTable.data;
    for(int i=0;i<256;++i)
    {
      pData[i] = LUTTable[i];   
    }
    cv::LUT(srcImage,lookUpTable,tempImage);
    return tempImage;
}

LUT方法通过映射关系表大大减少了相关操作的时间复杂度，可广泛应用于图像元素的相关操作。

OpenCV中提供了专门的计时函数getTickCount与getTickFrequency，针对测试代码的时间统计，利用多次测量来取平均值。