OpenCV学习笔记九——访问图像中的像素

本文介绍了OpenCV中访问图像像素的方法,包括连续存储的概念和检查方法。讨论了颜色空间缩减的重要性,通过除以特定数值来减少颜色数量,并利用查找表(LUT)优化处理速度。此外,还提供了计时函数来衡量算法运行时间。最后,概述了三种访问图像像素的常见方法:指针访问、迭代器和动态地址计算。
摘要由CSDN通过智能技术生成

1、图像在内存之中的存储方式

图像矩阵的大小取决于所用的颜色模型

如果是灰度图像:

如果是多通道图像,则矩阵的每一列都包含多个子列。如:RGB图像:

很多情况下,因为内存足够大,可以实现连续存储,因此,图像中的各行就能一行一行的连接起来,形成一个长行。连续存储有助于提升图像扫描速度,我们可以使用isContinuous()来判断矩阵是否是连续存储的。

2、颜色空间缩减

若矩阵元素存储的是单通道像素,使用c或C++的无符号字符类型,那么像素可有256个不同值,但若是三通道图像,这种存储格式的颜色数就有一千六百多万种。使用如此多的颜色来进行处理,可能会对我们的算法性能造成严重的影响。

颜色空间缩减可以大大降低运算复杂度,做法是:将现有颜色空间值除以某个输入值,以获得较少的颜色数。如:颜色0

首次接触图像处理,通过次来记录自己的学习记录,以方便回忆。 //指针访问 void colorReduce(Mat& temImage, int div) { //行数 int rowNumber = temImage.rows; cout << "图像通道数:" << temImage.channels() << endl; //列数*通道数=每一行的元个数 int colNumber = temImage.cols * temImage.channels(); for (int row = 0; row < rowNumber;row++) { uchar* data = temImage.ptr<uchar>(row); for (int col = 0; col < colNumber;col++) { data[col] = data[col] / div*div + div / 2; } } } //迭代器iterator操作像 void iterColorReduce(Mat& temImage,int div) { Mat_<Vec3b>::iterator it = temImage.begin<Vec3b>(); Mat_<Vec3b>::iterator itend = temImage.end<Vec3b>(); //存取彩色图像的像 while (it != itend) { //开始处理每个像 (*it)[0] = (*it)[0] / div*div + div / 2; (*it)[1] = (*it)[1] / div*div + div / 2; (*it)[2] = (*it)[2] / div*div + div / 2; ++it; } } //动态地址计算像 void atColorReduce(Mat& temImage, int div) { int rowNumber = temImage.rows; int colNumber = temImage.cols; //存取彩色图像 for (int row = 0; row < rowNumber; row++) { for (int col = 0; col < colNumber; col++) { //开始处理每个图像 //蓝色通道 temImage.at<Vec3b>(row, col)[0] = temImage.at<Vec3b>(row, col)[0] / div*div + div / 2; //绿色通道 temImage.at<Vec3b>(row, col)[1] = temImage.at<Vec3b>(row, col)[1] / div*div + div / 2; //红色通道 temImage.at<Vec3b>(row, col)[2] = temImage.at<Vec3b>(row, col)[2] / div*div + div / 2; } } }
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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