c++ opencv数字图像处理：访问图像像素，遍历图像像素

---

前言

数字图像处理c++ opencv（VS2019 opencv4.53）持续更新

---

一、访问图像像素

1.访问（j,i）处像素

以8位（0~255）灰度图像和BGR彩色图像为例，用at可以访问图像像素：

//灰度图像：
image.at<uchar>(j, i) //j为行数，i为列数
//BGR彩色图像
image.at<Vec3b>(j, i)[0] //B分量
image.at<Vec3b>(j, i)[1] //G分量
image.at<Vec3b>(j, i)[2] //R分量

---

2.例子：在图像中加入白色椒盐噪声

1.创建Salt头文件

#pragma once
#include<iostream>
#include<opencv2/opencv.hpp>
#include <random>  //随机数头文件


using namespace cv;
using namespace std;

void Salt(Mat image, int n); //n：加入噪声点数

2.创建Salt源文件

#include "Salt.h"

void Salt(Mat image, int n)
{
	//随机数生成器
	default_random_engine generater;
	uniform_int_distribution<int>randomRow(0, image.rows - 1);
	uniform_int_distribution<int>randomCol(0, image.cols - 1);

	int i, j;
	for (int k = 0; k < n; k++)
	{
		i = randomCol(generater);
		j = randomRow(generater);
		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;
		}
	}
}

3.示例

#include<iostream>
#include<opencv2/opencv.hpp>
#include "Salt.h"

using namespace cv;
using namespace std;

int main()
{ 

	Mat image1 = imread("lena.png");  //读取图像；
	if (image1.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	imshow("image1", image1);  //显示原图像；

	Salt(image1, 5000); //加入5000个噪声点
	imshow("image2", image1);  //显示噪声图像；

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}

---

二、遍历图像像素

1.指针扫描

以下面模板对图像进行扫描运算为例：

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

using namespace cv;
using namespace std;

int main()
{ 
	Mat image1, output_image;   //定义输入图像和输出图像
	image1 = imread("lena.png");  //读取图像；
	if (image1.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	output_image = Mat(image1.size(), image1.type());  //定义输出图像大小
	output_image = image1.clone();   //克隆原图像素值

	int rows = image1.rows;    //原图行数
	int stepx = image1.channels();   //原图通道数
	int cols = (image1.cols) * image1.channels();  //矩阵总列数，在BGR彩色图像中，每个像素的BGR通道按顺序排列，因此总列数=像素宽度*通道数

	for (int row =1 ; row < (rows - 1); row++)   //对行遍历
	{
		const uchar* previous = image1.ptr<uchar>(row - 1);  //原图上一行指针
		const uchar* current = image1.ptr<uchar>(row);       //原图当前行指针
		const uchar* next = image1.ptr<uchar>(row + 1);      //原图下一行指针
		uchar* output = output_image.ptr<uchar>(row);        //输出图像当前行指针

		for (int col = stepx; col < (cols- stepx); col++)  //对列遍历
		{
			output[col] = saturate_cast<uchar>(5*current[col] - (previous[col]+ current[col- stepx]+ current[col + stepx]+ next[col]));
			//saturate_cast<uchar>(a)，当a在0—255时输出a，当a小于0输出0，当a大于255输出255，保证a的值在0~255之间
		}
	}

	imshow("image1", image1);
	imshow("output_image", output_image);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}

结果：

---

2.opencv自带的卷积运算：filter2D

上面的方法可以简化为：

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

using namespace cv;
using namespace std;

int main()
{ 
	Mat image1, output_image;   //定义输入图像和输出图像
	image1 = imread("lena.png");  //读取图像；
	if (image1.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}

	Mat kernel = (Mat_<char>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);  //创建滤波器
	filter2D(image1, output_image, image1.depth(), kernel);  //卷积

	imshow("image1", image1);
	imshow("output_image", output_image);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}