opencv(16) 访问图像中的像素

1. 图像在内存之中的存储方式

我们己经了解到图像矩阵的大小取决于所用的颜色模型，确切地说，取决于所用通道数。如果是灰度图像，矩阵就会如图所示。

而对多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。例如，如图所示RGB颜色模型的矩阵。

可以看到，OpenCV中子列的通道顺序是反过来的
BGR而不是RGB。很多情况下，因为内存足够大，可实现连续存储，因此，图像中的各行就能一行一行地连接起来，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

我们知道，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太多了（确切地说，有一千六百多万种用如此之多的颜色来进行处理，可能会对我们的算法性能造成严重影响。

其实，仅用这些颜色中具有代表性的很小的部分，就足以达到同样的效果。

如此，颜色空间缩减（colorspacereduction）便可以派上用场了，它在很多应用中可以大大降低运算复杂度。颜色空间缩减的做法是：将现有颜色空间值除以某个输入值，以获得较少的颜色数。也就是“做减法”，比如颜色值0到9可取为新值0，10到19可取为10，以此类推。

如uchar类型的三通道图像，每个通道取值可以是0-255，于是就有256256256个不同的值，我们可以定义：
0～9范围的像素值为0；
10～19范围的像素值为10：
20～29范围的像素值为20。

这样的操作将颜色取值降低为26×26×26种情况。这个操作可以用一个简单的公式来实现。因为C++中int类型除法操作会自动截余。例如Iold=14；
lnew=(lold/10）*10=(14／10)10=110=10；

uchar（无符号字符，即0到255间取值的数）类型的值除以int 值，结果仍是char。因为结果是char类型的，所以求出来小数也要向下取整。利用这一点，刚才提到在uchar定义域中进行的颜色缩减运算就可以表达为下面的形式：
$I_{new}=(\frac{I_{old}}{10})\ast 10$

因为C++中int类型除法操作会自动截余。比如：
Iold=14；
Inew=(Iold/10) * 10=(14/10) * 10=1 * 10=10；

在处理图像像素时，每个像素需要进行一遍上述计算，也需要一定的时间花销。但我们注意到其实只有0～255种像素，即只有256种情况。进一步可以把256种计算好的结果提前存在表中table中，这样每种情况不需计算，直接从table中取结果即可。

int divdeWith = 10;
uchar table[256];
for (int i = 0; i < 256; i++)
{
   
	table[i] = divdeWith*(i / divdeWith)