OpenCV图像像素操作及效率分析

        学习OpenCV也几个月了，虽然对OpenCV有些了解，但是感觉基础还是没打实，在这在介绍一下OpenCV的像素操作，以及OpenCV读取图像的格式和读取图像的效率分析。当然文章也有很多没有介绍到的地方，希望大家多多指教，相互交流。

        在计算机视觉应用中，对于图像内容的读取分析是第一步，所以学习高效的处理图像是很有用的。一个图像有可能包含数以万计的像素，从根本上说图像就是一系列像素值，所以OpenCV使用数据结构cv::Mat来表示图像。矩阵中每一个元素都代表一个像素，对于灰度图像，像素用8位无符号数，0表示黑色，255表示白色。对于彩色像素而言，每个像素需要三位这样的8位无符号数来表示，即三个通道（R,G,B），矩阵则依次存储一个像素的三个通道的值，然后再存储下一个像素点。

       cv::Mat中，成员变量cols代表图像的宽度（图像的列数），成员变量rows代表图像的高度（图像的行数），step代表以字节为单位的图像的有效宽度，elemSize返回像素的大小，像素的大小 = 颜色大小（字节）*通道数，比如三通道short型矩阵（CV_16SC3）的大小为2*3 = 6，像素的channels方法返回图像的通道数，total函数返回图像的像素数。

       闲话少说直接介绍几种读取方式：

       RGB图像的颜色数目是256*256*256，本文对图像进行量化，缩减颜色数目到256的1/8（即32*32*32）为目标，分别利用一下几种方法实现，比较几种方法的安全和效率。

       1.ptr遍历图像

       cv::Mat中提供ptr函数访问任意一行像素的首地址，特别方便图像的一行一行的横向访问，如果需要一列一列的纵向访问图像，就稍微麻烦一点。但是ptr访问效率比较高，程序也比较安全，有越界判断。

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); // 每行的元素个数，每行的像素数*颜色通道数（RGB = 3）
              
      for (int j=0; j<nl; j++) {
          uchar* data= image.ptr<uchar>(j);
          for (int i=0; i<nc; i++) { 
            // process each pixel ---------------------              
               data[i]= data[i]/div*div + div/2;
            // end of pixel processing ----------------
          } // end of line                   
      }

     也可以使用：