c++和opencv小知识：遍历图像像素的常用方法（详细，很全）

最新推荐文章于 2023-06-16 18:00:12 发布
最新推荐文章于 2023-06-16 18:00:12 发布
阅读量9.6k 收藏 84
点赞数 19
分类专栏： c++和opencv工程项目小知识
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43702097/article/details/105491723
版权

c++遍历图像像素的常用方法（详细，很全）

本文基本上把常用的遍历方法都讲解了。在图像处理时经常会用到遍历图像像素点的方式，同样是遍历图像像素点，共有很多中方法可以做到；在这些方法中，有相对高效的，也有低效的；不同场景使用不同方法。
数据格式千万不要搞错:
uchar对应的是CV_8U，char对应的是CV_8S，int对应的是CV_32S，float对应的是CV_32F，double对应的是CV_64F。

1、遍历图像像素方法一:通过at(i,j)坐标指针
说明：就是把图像看成二维矩阵，at（i,j）索引坐标位置，单通道直接得到坐标位置对应的像素值，三通道就这个位置代表了像素值的一维数组；

//遍历图像像素方法一:通过at<type>(i,j)坐标指针
	for (int i = 0; i < src.rows; i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			if (src.channels() == 1)
			{
				dst.at<uchar>(i, j) = src.at<uchar>(i, j) + 100;
			}
			else if (src.channels() ==3)
			{
				dst1.at<Vec3b>(i, j)[0] = src.at<Vec3b>(i, j)[0] + 100;
				dst1.at<Vec3b>(i, j)[1] = src.at<Vec3b>(i, j)[1] + 100;
				dst1.at<Vec3b>(i, j)[2] = src.at<Vec3b>(i, j)[2] + 100;
			}
		}
	}

2、遍历图像像素方法二:data遍历索引法
说明：data方法就是对于单通道就是把灰度图像看成二维数组，数组的排列先行后列，一行索引后进入此行的列，每个位置就是一个像素值；三通道彩色图像，就是在灰度图像的基础，索引的位置不是单个值而是一个一维数组。切记data是数据真正存储位置的指针

//遍历图像像素方法二:data遍历索引法
	for (int i = 0; i < src.rows; i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			if (src.channels() == 1)
			{
				//图像数组是逐行逐列顺序排列的，也就是第一行，全列，第二行全列的走
				int indexs = i * src.cols + j;
				dst.data[indexs] = src.data[indexs] + 100;
			}
			else if (src.channels() == 3)
			{
				int indexs = i * src.cols + j;
				//在彩色图像中，每个indexs又是三个通过的数组
				dst1.data[3 * indexs + 0] = src.data[3 * indexs + 0] + 100;
				dst1.data[3 * indexs + 1] = src.data[3 * indexs + 1] + 100;
				dst1.data[3 * indexs + 2] = src.data[3 * indexs + 2] + 100;
				
			}
		}
	}

3、遍历图像像素方法三:采用ptr指针方法
说明：ptr指针尤其固定格式，就是先把图像看成（src.rows,1）的图像，ptr获取每个位置的地址，地址位置隐藏了列的数据，由于列表名就是列表的地址，所以ptr获取的地址就是此行中列这样一维数据的列表名称。这样通过下标就可以获取像素值

for (int i = 0; i < src.rows; i++)
	{
		//获取第i行首地址,ptr与at结果差不多
		uchar* src_rows_ptr = src.ptr<uchar>(i);
		uchar* dst_rows_ptr = dst.ptr<uchar>(i);
		for (int j = 0; j < src.cols; j++)
		{
			//每行指针的地址，又代表一行数组名称，因此下面就是遍历一行中的列数组数据

			dst_rows_ptr[j] = src_rows_ptr[j] + 100;
		}
	}

4、遍历彩色图像像素方法三:采用ptr指针方法
说明：彩色图像的ptr就是在灰度的基础上，把（src.rows，1）处的地址看成是（src.cols,3）的二维数组，也是通过数组名（ptr获取的地址）来索引下标获取像素值。

for (int i = 0; i < src.rows; i++)
	{
		//获取第i行首地址,首地址又是第一个数据，是三通道，所以是Vec3b
		// 可以理解为三维数组，i个（j,3）维数组
		Vec3b* src_rows_ptr = src.ptr<Vec3b>(i);
		Vec3b* dst1_rows_ptr = dst1.ptr<Vec3b>(i);
		for (int j = 0; j < src.cols; j++)
		{
			//每行指针的地址，又代表一行数组名称和第一个数据，因此下面就是遍历一行中的列数组数据
			//可以理解，每行是一个二维数组（j，3）维度
			dst1_rows_ptr[j][0]= src_rows_ptr[j][0]+100;
			dst1_rows_ptr[j][1] = src_rows_ptr[j][1]+100;
			dst1_rows_ptr[j][2] = src_rows_ptr[j][2]+100;
		}
	}

5、针对at和ptr有很多人容易理解at,却理解不了ptr,下面讲一个用at生成ptr模式的解析例子
说明:这是为了对比at和ptr而增加的，主要是获取at(i,0)位置处的地址，将其看成数值名称，通过下标索引像素值，和ptr原理一样，只是获取地址的方式不一样（数组名）

5.1 遍历灰度图像像素方法五:采用at方法，使用ptr模式

	for (int i = 0; i < src.rows; i++)
	{
		//将灰度图片看成（src.rows,1）维度的二维矩阵，获取(i,0)数据的地址
		uchar* src_rows_ptr = &(src.at<uchar>(i, 0));
	    uchar* dst_rows_ptr = &(dst.at<uchar>(i, 0));

		for (int j = 0; j < src.cols; j++)
		{
			//将(i,0)数据的地址下的内容看成是一维数组，(i,0)数据的地址是一维数组的名字
			dst_rows_ptr[j] = src_rows_ptr[j] + 100;
		}
	}

5.2 遍历灰度图像像素方法六:采用at方法，使用ptr模式

for (int i = 0; i < src.rows; i++)
	{
		//将彩色图片看成（src.rows,1）维度的二维矩阵，获取(i,0)数据的地址
		Vec3b* src_rows_ptr = &(src.at<Vec3b>(i, 0));
		Vec3b* dst1_rows_ptr = &(dst1.at<Vec3b>(i, 0));

		for (int j = 0; j < src.cols; j++)
		{
			//将(i,0)数据的地址下的内容看成是二维数组，(i,0)数据的地址是二维数组的名字
			dst1_rows_ptr[j][0] = src_rows_ptr[j](0) + 100;
			dst1_rows_ptr[j][1] = src_rows_ptr[j](1) + 100;
			dst1_rows_ptr[j][2] = src_rows_ptr[j](2) + 100;
		}
	}

综上所述：使用ptr指针效率非常高，大家普遍使用的是at和ptr方法；使用的时候，一定要规范格式；
其中：at<类型>（i，j）
ptr<类型>（i）

有不理解的，欢迎留言交流

附上整个流程main.cpp
使用方式：需要测试哪个方法，取消注释就行；

#include<iostream>
#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat src = imread("C:\\Users\\tudejiang\\Desktop\\1.jpg",1);
	if (src.empty())
	{
		cout << "没有加载成功图片" << endl;
		return -1;
	}
	imshow("src",src);
	Mat dst = Mat(src.size(), CV_8UC1);
	Mat dst1 = Mat(src.size(), CV_8UC3);

	//遍历图像像素方法一:通过at<type>(i,j)坐标指针
	/*for (int i = 0; i < src.rows; i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			if (src.channels() == 1)
			{
				dst.at<uchar>(i, j) = src.at<uchar>(i, j) + 100;
			}
			else if (src.channels() ==3)
			{
				dst1.at<Vec3b>(i, j)[0] = src.at<Vec3b>(i, j)[0] + 100;
				dst1.at<Vec3b>(i, j)[1] = src.at<Vec3b>(i, j)[1] + 100;
				dst1.at<Vec3b>(i, j)[2] = src.at<Vec3b>(i, j)[2] + 100;
			}
		}
	}*/

	//遍历图像像素方法二:data遍历索引法
	//for (int i = 0; i < src.rows; i++)
	//{
	//	for (int j = 0; j < src.cols; j++)
	//	{
	//		if (src.channels() == 1)
	//		{
	//			//图像数组是逐行逐列顺序排列的，也就是第一行，全列，第二行全列的走
	//			int indexs = i * src.cols + j;
	//			dst.data[indexs] = src.data[indexs] + 100;
	//		}
	//		else if (src.channels() == 3)
	//		{
	//			int indexs = i * src.cols + j;
	//			//在彩色图像中，每个indexs又是三个通过的数组
	//			dst1.data[3 * indexs + 0] = src.data[3 * indexs + 0] + 100;
	//			dst1.data[3 * indexs + 1] = src.data[3 * indexs + 1] + 100;
	//			dst1.data[3 * indexs + 2] = src.data[3 * indexs + 2] + 100;
	//			
	//		}
	//	}
	//}
	//遍历灰度图像像素方法三:采用ptr指针方法
	//for (int i = 0; i < src.rows; i++)
	//{
	//	//获取第i行首地址,ptr与at结果差不多
	//	uchar* src_rows_ptr = src.ptr<uchar>(i);
	//	uchar* dst_rows_ptr = dst.ptr<uchar>(i);
	//	for (int j = 0; j < src.cols; j++)
	//	{
	//		//每行指针的地址，又代表一行数组名称，因此下面就是遍历一行中的列数组数据

	//		dst_rows_ptr[j] = src_rows_ptr[j] + 100;
	//	}
	//}
	//遍历彩色图像像素方法四:采用ptr指针方法
	//for (int i = 0; i < src.rows; i++)
	//{
	//	//获取第i行首地址,首地址又是第一个数据，是三通道，所以是Vec3b
	//	// 可以理解为三维数组，i个（j,3）维数组
	//	Vec3b* src_rows_ptr = src.ptr<Vec3b>(i);
	//	Vec3b* dst1_rows_ptr = dst1.ptr<Vec3b>(i);
	//	for (int j = 0; j < src.cols; j++)
	//	{
	//		//每行指针的地址，又代表一行数组名称和第一个数据，因此下面就是遍历一行中的列数组数据
	//		//可以理解，每行是一个二维数组（j，3）维度
	//		dst1_rows_ptr[j][0]= src_rows_ptr[j][0]+100;
	//		dst1_rows_ptr[j][1] = src_rows_ptr[j][1]+100;
	//		dst1_rows_ptr[j][2] = src_rows_ptr[j][2]+100;
	//	}
	//}
	//遍历灰度图像像素方法五:采用at方法，使用ptr模式
	//for (int i = 0; i < src.rows; i++)
	//{
	//	//将灰度图片看成（src.rows,1）维度的二维矩阵，获取(i,0)数据的地址
	//	uchar* src_rows_ptr = &(src.at<uchar>(i, 0));
	//	uchar* dst_rows_ptr = &(dst.at<uchar>(i, 0));

	//	for (int j = 0; j < src.cols; j++)
	//	{
	//		//将(i,0)数据的地址下的内容看成是一维数组，(i,0)数据的地址是一维数组的名字
	//		dst_rows_ptr[j] = src_rows_ptr[j] + 100;
	//	}
	//}
	//imshow("dst1", dst);
	//遍历灰度图像像素方法六:采用at方法，使用ptr模式
	for (int i = 0; i < src.rows; i++)
	{
		//将彩色图片看成（src.rows,1）维度的二维矩阵，获取(i,0)数据的地址
		Vec3b* src_rows_ptr = &(src.at<Vec3b>(i, 0));
		Vec3b* dst1_rows_ptr = &(dst1.at<Vec3b>(i, 0));

		for (int j = 0; j < src.cols; j++)
		{
			//将(i,0)数据的地址下的内容看成是二维数组，(i,0)数据的地址是二维数组的名字
			dst1_rows_ptr[j][0] = src_rows_ptr[j](0) + 100;
			dst1_rows_ptr[j][1] = src_rows_ptr[j](1) + 100;
			dst1_rows_ptr[j][2] = src_rows_ptr[j](2) + 100;
		}
	}
	imshow("dst1", dst1);
	waitKey(0);
	return 0;
}
梦游城市
关注
  • 19
    点赞
  • 踩
  • 84
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
c++ opencv编程实现暗通道图像去雾算法_基于暗通道去雾算法
weixin_40007016的博客
12-29 976
基于暗通道去雾算法去雾算法简介在人工智能高速发展的今天，CNN涉足领域越来越广，在去雨去雾亦有所成绩。近些年关于去雨去雾，去模糊的算法论文都是基于神经网络实现，然而基于监督学习类的算法需要采集样本，但是由于实际样本不容易采集需要，通过图像处理叠加雾霾，导致实际效果与真实世界雾霾有较大区别，因此这类算法效果在实验室环境下表现非常棒但是实际应用却表现不够理想。因此作者对去雾去雨类算法还是乐忠...
C++ OpenCV 两张，优化多张图像拼接，图像融合源码
m0_59081087的博客
06-07 1624
C++ OpenCV 两张，优化多张图像拼接，图像融合。 两张图像拼接，可以显示拼接步骤的每一张图像，论文插图。surf特征点，然后计算变换矩阵，ransac剔除错误匹配点，图像融合。 多张图像拼接，现有的算法拼接较慢，优化后的算法保持原来效果的情况下，速度有了提升。提高了拼接的精度和效率。 多张图像拼接，依次两两拼接。 环境VS2015 OpenCV3.10的contribute模块技术交流 资源共享 博主QQ：68823886 ...
OpenCV-C++对图像像素的四种遍历操作
昊虹AI笔记
04-20 3313
OpenCV-C++对图像像素的四种遍历操作
OpenCV学习(C++)——像素点的读取
热门推荐
m0_54015435的博客
11-22 1万+
OpenCV学习(C++)——像素点的读取 C++中的像素遍历与访问 对彩色图片处理:(原像素-255)反色 基于数组下表改变每一个像素点 数组遍历 void QuickDemo::pixel_visit_demo(Mat &image) { int w = image.cols;//获取图像宽度 int h = image.rows;//获取图像高度 int dims = image.channels();//获取通道数 for (int row = 0; row < h; row
c++遍历图像三种方式以及耗时比较
ze1336365763的博客
01-19 977
指针方式 at方式 迭代器方式 #include <iostream> #include <opencv2/core.hpp> #include <opencv2/highgui.hpp> using namespace std; using namespace cv; void ptr_cost(Mat img) { for (int i = 0; i < img.rows; ++i) { Vec3b* p =img.ptr<Vec3b&
c++ opencv图像处理---好博客收藏
聿默的博客
06-11 654
1.OpenCV：seamlessClone泊松融合(C++/Python) 1.1 泊松融合理论部分参考1、参考2、泊松融合及其优化算法 2.C/C++测试程序运行效率代码（clock函数） 3.图像的仿射变换原理及python实现 4.OpenCv2 学习笔记(1) Mat创建、复制、释放 5.OpenCV Mat数据的按行（列）和多行（列）赋值 6.OpenCV学习C++接口 M...
使用openCV与C++求图片特征值及特征向量并进行图片处理
weixin_46537710的博客
05-25 1753
利用openCV求图片特征值及特征向量 1、运用openCV与c++所涉及的头文件 #include<iostream> #include<cstring> #include<highgui.h> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include <opencv2/imgproc.hpp> using namespace std;
opencv3/C++视频中叠加透明图片
萧海的博客
06-08 1077
大致思路：获取摄像头画面后，通过在图像上循环叠加一组背景透明的PNG图片，在图像上产生类似GIF的动图效果。 #include<opencv2/opencv.hpp> using namespace cv; //PNG透明图片叠加到视频 int main() { Mat frame; VideoCapture capture; capture.open(0); if(!capture.isOpened()) { printf("can n
C++OpenCV3源代码遍历图像像素
最新发布
04-28
C++OpenCV3编源代码遍历图像像素的十四种方法提取方式是百度网盘分享地址
OpenCV遍历图像像素的14种方法（C++实现）.zip
04-12
以上14种方法展示了OpenCV在C++中遍历图像像素的灵活性和多样性。理解并熟练掌握这些技巧，能够帮助开发者更高效地处理图像数据，实现各种复杂的计算机视觉应用。在实际项目中，可以根据需求选择最合适的遍历方式，...
opencv中获取图片的某一像素值
11-06
opencv 获取某图片的某像素的值， 改变像素的值，达到改变图片的效果。。。支持
opencv获取图像像素值
04-16
opencv获取图像像素值,学习opencv如何读图片并显示出来，获取像素值
4遍历图像像素的14种方法.rar_VS 图像处理_opencv vs_opencv像素点_图像处理
09-14
本篇将详细讲解如何在VS+OpenCV环境中利用不同的方法遍历图像像素点，并进行图像处理。 1. **基础遍历** 最基础的遍历方式是通过二维循环实现，如`for`循环。遍历图像的每个像素，可以获取到像素的RGB值或其他通道...
opencv3/C++图像像素操作详解
12-23
本文将深入讲解如何使用C++和OpenCV3进行图像像素操作，包括RGB图像转灰度图、图像线性增强以及掩膜操作来调整图像对比度。 首先，我们来看RGB图像转灰度图的过程。通常，我们可以使用OpenCV提供的`cvtColor()`函数...
C++结合OpenCV实现Kmeans聚类图像分割的案列
03-11
总结来说，C++结合OpenCV实现KMeans聚类图像分割涉及安装和配置OpenCV库，理解KMeans算法的原理，编写代码来加载、预处理图像，调用`cv::kmeans()`进行聚类，以及根据聚类结果生成分割图像。这个过程不仅有助于理解...
使用OpenCV实现Halcon算法（8）emphasize图像增强
$firecat利白的代码足迹$
01-13 3794
void emphasize(Mat &input,int MaskWidth,int MaskHeight,float Factor, Mat &output) {//公式res= round(input-mean)*factor))+input//等价于在MaskHeight、MaskWidth的空间内 中心化后增加方差Mat mean;//等价于求指定范围窗口内的均值blur(input, mean, Size(MaskWidth, MaskHeight));作为边缘处理，灰度值镜像在图像的边缘。
用C++（OpenCV）自己实现彩色直方图均衡化
-绿色小屋
05-28 4802
对于直方图均衡化，我的理解是一个图像原来的像素集中在一个灰度范围里，我们对这种图不敏感，因为其灰度值集中，变化不明显。如果我们把这些像素点的灰度范围扩大，图像就会显得比较清晰。直方图均衡化就是通过一个映射函数，把原图像素点的灰度值映射为一个新的值，使得图像的像素点灰度值在全部灰度范围内比较均匀分布。
如何知道当前像素的顶点坐标_如何利用Processing制作互动Virtual Ribbons （虚拟彩带）...
weixin_33768246的博客
12-29 239
首先，请自行安装好软件https://processing.org/reference/libraries/video/「Part1 : 颜色追踪原理分析」这里我们可以分为三点来分析：1.获取坐标计算颜色的相似度判断并记录符合条件的像素的x,y坐标我们选取某一帧进行图像分析。首先我们在这里调用一个用于存储图像的数据类型pixels[ ],它储存了一副画面的每个像素的颜色信息。然后我们需要将这一帧画...
Opencv-C++笔记 (10) : opencv-图像像素计算
jiyanghao19的博客
06-16 3393
该函数用来求取图像矩阵的每个通道的平均值，函数的第一个参数用来输入待求平均值的图像矩阵，其通道数目可以在1到4之间。该函数的第一个参数与前面mean()函数第一个参数相同，都可以是1-4通道的图像，不同之处在于该函数没有返回值，图像的均值和标准方差输出在函数的第二个和第三个参数中，区别于mean()函数，用于存放平均值和标准方差的是Mat类型变量，变量中的数据个数与第一个参数通道数相同，如果输入图像只有一个通道，该函数求取的平均值和标准方差变量中只有一个数据。maxVal：图像或者矩阵中的最大值。
c++opencv遍历图像像素，将大于阈值的点置为255
06-10
好的，可以使用以下代码来遍历图像像素，并将大于阈值的像素点置为255： ```c++ // 读入图像 cv::Mat image = cv::imread("your_image_path"); // 设定阈值 int threshold_value = 100; // 遍历图像像素 for (int i = 0; i < image.rows; i++) { for (int j = 0; j < image.cols; j++) { // 访问像素点 cv::Vec3b pixel = image.at<cv::Vec3b>(i, j); // 计算像素点的灰度值 int gray_value = (int)(0.299 * pixel[2] + 0.587 * pixel[1] + 0.114 * pixel[0]); // 判断像素点是否大于阈值 if (gray_value > threshold_value) { // 将像素点置为255 image.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255); } } } ``` 这里假设输入的是一张彩色图像，需要将其转换为灰度图像来计算像素点的灰度值。如果输入的是灰度图像，则不需要该步骤。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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