opencv构造Mat方法及其访问图像中的像素

已于 2022-01-28 17:33:00 修改
阅读量3.2k 收藏 1
点赞数
分类专栏： 图像处理 文章标签： opencv
于 2022-01-28 11:34:07 首次发布
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/weixin_43544406/article/details/122717900
版权

1.构造Mat:

#include <stdio.h>
#include<sstream>
#include <string>  
#include <iostream>  
#include <cstdlib>
#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
int main() {
    //1.使用Mat类的create成员函数创建Mat
    cv::Mat M0;
    M0.create(4, 4, CV_8UC3);//M矩阵的元素默认初始化为205；
    cout << "m0=" << M0 << endl;
    //2.使用Mat构造函数初始化，可以不指定初始值
    cv::Mat M1(cv::Size(5, 5), CV_8UC1); // 单通道 a矩阵的元素默认初始化为205；
    cv::Mat M2 = cv::Mat(cv::Size(5, 5), CV_8UC3); //3通道每个矩阵元素包含3个uchar值
    cout << "m1  = " << endl << M1 << endl << endl;
    cout << "m2  = " << endl << M2 << endl << endl;
    //3.使用Mat构造函数初始化M时指定初始值
    Mat M3 = cv::Mat(3, 3, CV_8UC3, Scalar(5, 100, 200));
    cout << "m3  = " << endl << M3 << endl << endl;
    //4.Matlab式初始化方式
    Mat M4 = cv::Mat::zeros(Size(5, 5), CV_8UC1);
    Mat M5= cv::Mat::ones(Size(5, 5), CV_8UC1);
    Mat M6= cv::Mat::eye(Size(5, 5), CV_64FC1);
    cout << "m3  = " << endl << M4 << endl << endl;
    cout << "m4  = " << endl << M5 << endl << endl;
    cout << "m5  = " << endl << M6 << endl << endl;
    //5.随意给M矩阵赋值
    Mat M7 = (Mat_<double>(3, 3) << 1, 2, 3, 7, 8, 9, 4, 5, 6);
    cout << "m7  = " << endl << M7 << endl << endl;
    Mat Rowclone = M7.row(1).clone();
    cout << "Rowclone  = " << endl << Rowclone << endl;
    //6.使用随机数构造任意矩阵
    Mat r = Mat(10, 3, CV_8UC3);
    randu(r, Scalar::all(0), Scalar::all(255));
    cout <<"r="<< r << endl << endl;

    system("pause");
    return 0;
}

2.访问图像中的元素案例-图像反色：

#include <stdio.h>
#include<sstream>
#include <string>  
#include <iostream>  
#include <cstdlib>
#include <opencv2/core/core.hpp>
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
//Vec的表示----Vec2b，Vec3b，Vec2s, Vec3s
//（1）Vec2b—表示每个Vec2b对象中, 存储2个char(字符型)数据
//typedef Vec<uchar, 2> Vec2b; 、
//（2）Vec3b—表示每一个Vec3b对象中, 存储3个char(字符型)数据, 比如用这样的对象, 去存储RGB图像中的一个像素点
//typedef Vec<uchar, 3> Vec3b;
//（3）Vec4b—表示每一个Vec4b对象中, 存储4个字符型数据, 用这样的类对象去存储—4通道RGB + Alpha的图像中的像素点
//typedef Vec<uchar, 4> Vec4b;
//（4）Vec2s—表示这个类的每一个类对象，存储2个short int(短整型)的数据
//typedef Vec<short, 2> Vec2s;
//typedef Vec<short, 3> Vec3s;
//typedef Vec<short, 4> Vec4s;
//
//Vec的表示—Vec3b Vec3f
//8U 类型的 RGB 彩色图像可以使用Vec3b
//3 通道 float 类型的矩阵可以使用Vec3f
//对于 Vec 对象，可以使用[] 符号如操作数组般读写其元素，
//
//Vec3b color; //用 color 变量描述一种 RGB 颜色
//color[0] = 255; //0通道的B 分量
//color[1] = 0; //1通道的G 分量
//color[2] = 0; //2通道的R 分量
//1.使用M.at(i,j)访问图像中的像素
void InverseColor1(Mat src, Mat dst) {
    int dims = src.channels();
    for (int row = 0; row < src.rows; row++) {
        for (int col = 0; col < src.cols; col++) {
            if (dims == 1)
            {
                /* saturate_cast<uchar>主要是为了防止颜色溢出操作
                原理大致如下
                    if (data < 0)
                        data = 0;
                elseif(data > 255)
                    data = 255;*/
                dst.at<uchar>(row, col) = saturate_cast<uchar>(255 - src.at<uchar>(row, col));
            }
            if (dims == 3) {
                dst.at<cv::Vec3b>(row, col)[0] = 255 - src.at<cv::Vec3b>(row, col)[0];//0、1、2分别表示B、G、R
                dst.at<cv::Vec3b>(row, col)[1] = 255 - src.at<cv::Vec3b>(row, col)[1];
                dst.at<cv::Vec3b>(row, col)[2] = 255 - src.at<cv::Vec3b>(row, col)[2];
            }
        }
    }
}
//2.0使用指针ptr<>(row)访问图像中的像素
void InverseColor2(Mat src) { 
    int rows = src.rows;
    int cols = src.cols;
    int nSteps = src.cols * src.channels();
    for (int i = 0; i < rows; i++) {
        uchar* pStarsrc = src.ptr<uchar>(i);     
        for (int j = 0; j < nSteps;j++) {
            pStarsrc[j] = saturate_cast<uchar>(255 - pStarsrc[j]);
        }
    }
}
//2.1 使用指针ptr<>(row)访问图像中的像素另一种写法
void InverseColor2_1(Mat src) {    
    int height = src.rows;
    int width = src.cols;
    int dims = src.channels();
    for (int row = 0; row < height; ++row)
    {
        if (dims == 1) {
            uchar* current_row = src.ptr<uchar>(row);
            for (int col = 0; col < width; ++col)
            {
                *current_row++ = 255 - *current_row;//current_row[]数组的首地址，每行第一个像素
            }
        }
            if (dims == 3)
            {
                Vec3b *current_row = src.ptr<Vec3b>(row);
                for (int col = 0; col < width; ++col)
                {
                    (*current_row)[0]= 255 - (*current_row)[0];
                    (*current_row)[1] = 255 - (*current_row)[1];
                    (*current_row)[2]= 255 - (*current_row)[2];
                    *current_row++;
                }
            }
        }
    }
//2.2使用指针ptr<>(row)反转图像中的像素
void InverseColor2_2(Mat src) {  
    
    int dims = src.channels();
    for (int row = 0; row < src.rows; row++)
    {
        for (int col = 0; col < src.cols; col++)
        {
            if (dims == 1) { 
                uchar* pData = src.ptr<uchar>(row, col);
                *pData = 255 - *pData;
            }
            if (dims == 3) {
                Vec3b* pData = src.ptr<Vec3b>(row, col);//彩图
                (*pData)[0] = 255 - (*pData)[0];
                (*pData)[1] = 255 - (*pData)[1];
                (*pData)[2] = 255 - (*pData)[2];
            }
          
        }
    }
}
//3.使用MatIterator迭代器
void InverseColor3(Mat src, Mat dst) {
    if (src.channels() == 1) {
        MatIterator_<uchar>srcbeg, srcend, dstbeg, dstend;
        srcbeg = src.begin<uchar>();
        srcend = src.end<uchar>();
        dstbeg = dst.begin<uchar>();
        dstend = dst.end<uchar>();
        while (srcbeg != srcend) {
            (*dstbeg) = 255 - (*srcbeg);           
            srcbeg++;
            dstbeg++;
        }
    }
    if(src.channels()==3){
     MatIterator_<Vec3b>srcbeg, srcend, dstbeg, dstend;
    srcbeg = src.begin<Vec3b>();
    srcend = src.end<Vec3b>();
    dstbeg = dst.begin<Vec3b>();
    dstend = dst.end<Vec3b>();
    while(srcbeg!=srcend) {
        (*dstbeg)[0] = 255-(*srcbeg)[0];
        (*dstbeg)[1] = 255 - (*srcbeg)[1];
        (*dstbeg)[2] = 255 - (*srcbeg)[2];
        srcbeg++;
        dstbeg++;
    }
    }
}
//4.利用LUT查表法，opencv中LUT函数如下：
//void LUT(InputArray src, InputArray lut, OutputArray dst);
//src表示的是输入图像(可以是单通道也可是3通道)
//lut表示查找表（查找表也可以是单通道，也可以是3通道，如果输入图像为单通道，那查找表必须为单通道，若输入图像为3通道，
// 查找表可以为单通道，也可以为3通道，若为单通道则表示对图像3个通道都应用这个表，若为3通道则分别应用 ）
//dst表示输出图像
void InverseColor4(Mat src, Mat dst) { 
    if (src.channels() == 1) {
        uchar LutTable[256];
        for (int i = 0; i < 256; ++i)
        {
            LutTable[i] = 255 - i;
        }
        Mat lookUpTable(1, 256, CV_8UC1, LutTable);
        //uchar* pData = lookUpTable.data;
         建立映射表
        //for (int i = 0; i < 256; ++i)
        //{
        //    pData[i] = LutTable[i];
        //}
        // 应用索引表进行查找
       cv:: LUT(src, lookUpTable, dst);
    }
    if (src.channels() == 3) {
        // 建立LUT 反色table
        uchar LutTable[256 * 3];
        for (int i = 0; i < 256; ++i)
        {
            LutTable[i * 3] = 255 - i;
            LutTable[i * 3 + 1] = 255 - i;
            LutTable[i * 3 + 2] = 255 - i;
        }
        Mat lookUpTable(1, 256, CV_8UC3, LutTable);
        // 应用索引表进行查找
       cv:: LUT(src, lookUpTable, dst);
    }
}

//5.使用data结合step访问图像像素,成员函数step是返回该Mat对象一行所占的数据字节数。
//成员函数data：uchar类型的指针，指向Mat数据矩阵的首地址
void InverseColor5(Mat src) {//该函数有问题
    uchar* pData = src.data;
    MatStep mst = src.step;
    for (int row = 0; row < src.rows; row++)
    {
        for (int col = 0; col < src.cols; col++)
        {
            *(pData + row * mst + col * src.channels() + 0) = 255 - *(pData + row * mst + col * src.channels() + 0);
            *(pData + row * mst + col * src.channels() + 1) = 255 - *(pData + row * mst + col * src.channels() + 1);
            *(pData + row * mst + col * src.channels() + 2) = 255 - *(pData + row * mst + col * src.channels() + 2);
        }
    }
}

int main() 
{
    Mat srcImage, srcImg,srcs;
    srcImage = imread("E:\\vs2019wenjian\\Cpptest\\data\\face.png");    //原图
    cvtColor(srcImage, srcImg, COLOR_BGR2GRAY);   //转化为灰度图
    cv::imwrite("E:\\vs2019wenjian\\Cpptest\\data\\test04.jpg", srcImg);
    if (srcImage.empty())
    {
        cout << "can not load image" << endl;
        return -1;
    }
  //  InverseColor2(srcImage);
 /*   InverseColor2_1(srcImage);
    InverseColor2_1(srcImg);*/
  InverseColor1(srcImage,srcImage);
  InverseColor1(srcImg,srcImg);
 /*   uchar lutData[256];
    for (int i = 0; i < 256; i++)
    {
        if (i <= 100)
            lutData[i] = 0;
        if (i > 100 && i <= 200)
            lutData[i] = 100;
        if (i > 200)
            lutData[i] = 255;
    }
    Mat lut(1, 256, CV_8UC1, lutData);
    LUT(srcImg, lut, b);*/
    cv::imwrite("E:\\vs2019wenjian\\Cpptest\\data\\test02.jpg",srcImage);
    cv::imwrite("E:\\vs2019wenjian\\Cpptest\\data\\test03.jpg", srcImg);   
    std:: system("pause");
    return 0;
}

图像反色的结果如图：
实验结果

flyer飞亚
关注
专栏目录
opencv学习01-Mat构造和简单使用
weixin_48894415的博客
04-09 3942
先说下opencv常用的一些头文件： #include <iostream> #include <string>
opencv Mat() 构造函数
热门推荐
脚踏实地
11-06 1万+
Mat 不但是一个很赞的图像容器类，它同时也是一个通用的矩阵类，所以可以用来创建和操作多维矩阵。创建一个Mat对象有多种方法                  Mat M(2,2, CV_8UC3, Scalar(0,0,255));     cout "M = " endl " " M endl endl;   对于二维多通道图像，首先要定义其尺寸，即
opencv-访问Mat中每个像素的值
dgc70876的博客
07-30 796
参考：【OpenCV】访问Mat中每个像素的值（新） 膜拜大佬 以下例子代码均针对8位单通道灰度图。 1 .ptr和[]操作符 Mat最直接的访问方法是通过.ptr<>函数得到一行的指针，并用[]操作符访问某一列的像素值。 Mat image(rows,cols,CV_8UC1); for (int j=0; j<image...
OpenCV Mat数据结构及访问Mat中像素
最新发布
m0_37302966的博客
09-04 1767
OpenCV Mat数据结构及访问Mat中像素
【OpenCV】Mat 构造函数
qq_30340349的博客
03-29 1076
默认构造函数，拷贝构造，赋值拷贝，移动拷贝，移动赋值拷贝,默认析构函数。移动拷贝函数和移动赋值拷贝是后面新加的，移动构造函数使右值对象拥有的资源无需赋值即可移动到左值中。目前的经验来看，这三者主要是应对深拷贝，浅拷贝的问题。这类场景通常是对象持有一个数据指针。，直接赋值数据指针，那就有两个指针指向同一份数据，这个就引入了很多风险，比如重复释放导致Crash 的问题。，为了解决两个不同的对象持有同一份数据，深拷贝直接把数据复制一份，这样两个对象的数据就没有关联了。
Opencv（三）Mat类的构造
weixin_70029632的博客
09-04 396
这种构造方式不需要输入任何的参数，在后续给变量赋值的时候会自动判断矩阵的类型与大小,存储方式比较灵活。其中，type处填写包括CV_8UC1（八位单通道数据）、CV_8UC3（八位三通道数据）2、利用矩阵尺寸和类型参数构造Mat类。1、利用默认构造函数。
c语言构造mat型数据类型,视觉SLAM——OpenCV之Mat结构详解 数据成员和构造函数 创建Mat方法 遍历Mat方法...
weixin_42389113的博客
05-21 986
前言OpenCV1时代采用基于C语言接口构建函数库，使用名为IplImage的结构体在内存中存储图像，其问题在于需要用户手动管理内存，如果不手动释放内存会造成内存泄漏。OpenCV2引入面向对象编程思想，加入了一个c 接口，使用Mat类数据结构作为主打，可以实现自动内存管理，且扩展性大大提高。Mat概述对于Mat类，首先要知道的是1)不必手动为其开辟空间；2)不必再在不需要时将空间释放。但手动做还...
C++下OpenCV学习笔记----访问图像中的像素
X_To_Y的博客
02-18 886
C++下OpenCV学习笔记 ----访问图像中的像素 文章目录C++下OpenCV学习笔记一.像素的储存方式 一.像素的储存方式 图像矩阵的大小取决于所用的颜色模型，进一步地说，取决于所用的通道数。 OpenCV中子列的通道顺序为BGR。 判断矩阵是否连续储存：isContinuous( )函数 ...
OpenCV中访问Mat图像像素的一个小技巧
我們的第一要著，是在改變他們的精神
04-30 2997
OpenCV中访问Mat图像像素的一个小技巧
c++ mat赋值_数字图像处理之opencv中Mat数据操作
weixin_26516551的博客
12-23 2300
突然发现有一篇opencv操作mat数据的基础操作搞忘了，现在发出来，原来有一篇是只有操作结果,而且是用emgu写的，这里用c++实现并给出详细的代码。数字图像处理其实就是处理二维矩阵数据。利用opencv来学习处理算法是一种比较好的方式。学习opencv，主要就是调用其中的图像处理函数来实现各种操作。如果要得到想要的处理结果，还需要对图像处理算法有一定的了解。同时，可能也有自己想写一些算法的冲动...
OpenCV：Mat访问像素
SSS_369
11-17 272
1. at方式 单通道： mat.at&lt;uchar&gt;(row,col); 三通道：每一个像素的位置都包含了三个uchar数据，三通道使用Vec3b； Vec3b v= mat.at&lt;Vec3b&gt;(row,col);//v[0]、v[1]、v[2] 【注】：Vec3b实质上是一个uchar的数组，最多装三个uchar数据； 参考文章： 1. https://...
OpenCV中Mat对象及其创建
weixin_45646929的博客
09-04 2343
在opencv4_002.cpp中编写完成程序后，要想运行，需将其设为启动项目（否则会继续运行opencv4_001.cpp）上图已有两个项目，现在此基础上继续新建。方法：选中解决方案->右键->添加->新建项目。名称和路径修改，确定。在opencv中，Mat用来存储图像的数据结构。然后，分别右键点击源文件–>添加–>新建项，添加cpp源文件。重新生成解决方案，然后运行程序，执行的才是002的结果。矩阵头：包含矩阵尺寸、存储方法和存储地址等信息。指针：一个指向存储所有像素值的矩阵的指针。
学习openCV之Mat类型访问每个像素
令狐一冲
12-04 1463
网上关于mat类型的讲解很多，还有人将不同方式访问mat类型的时间打印出来，进行比较访问的快慢。但是我发现很多文章都是基于openCV中文论坛上的例子来写的（具http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/how_to_scan_images/how_to_scan_images.html#howtoscanima
像素的存储方法、显式创建Mat对象的七种方法
baimaoxi1871的博客
04-16 213
一、像素的存储方法： 　　存储像素值需要指定颜色空间和数据类型。其中，颜色空间是指针对一个给定的颜色，如何组合颜色元素以对其编码。 最简单的颜色空间要属灰度级空间，只处理黑色和白色，对他们进行组合便可以产生不同程度的灰色。 　　对于彩色方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产 生所有的颜色。RGB颜色空间是最常见的一种颜色空...
【图像处理OpenCV(C++版)】——2.1 深入理解OpenCV之Mat类及相关成员函数
cqy阳的博客
12-07 1002
【图像处理OpenCV(C++版)】——2.1 深入理解OpenCV之Mat类及相关成员函数
openCV学习（一）——Mat类详解
lvyaer_1122的博客
04-27 1万+
之前用Python学习openCV 和Slam，由于要做特征点提取和对接约束、三角测距等，而C++对SLAM比较友好，所以转来使用C++调研openCV，不同于Python不考虑数据类型，所以开始学习openCV常见的数据类型。
002-OpenCV4(C++)认识图像对象-Mat并以六种方式创建Mat，以及获取图像宽 高 通道 深度 类型，运用数组和指针遍历与访问像素
AlexanderMiao的博客
03-26 6088
OpenCV4(C++)认识图像对象-Mat并以六种方式创建Mat，以及获取图像宽 高 通道 深度 类型，运用数组和指针遍历与访问像素
OPENCV 通过Mat访问每个像素
lisarer的博客
12-14 314
先上代码： #include #include #include using namespace std; using namespace cv; int main() { Mat diff=imread("/home/lisa/dataset/02m16001200/0.jpg"); for(int i=0;i<diff.rows;i++) {
OpenCV中Mat类的七种显式创建方法
m0_62252364的博客
09-14 2138
OpenCV中Mat的几种创建方法
OpenCV4 学习：几种访问图像像素的方法
m0_64428335的博客
08-20 1133
在 OpenCV 中，访问图像像素有好几种，如：.at、.ptr、ptr()、.data、MatIterator_ 等，不同的像素访问方式的处理时间都不相同。对于实时性要求比较高的应用场景来说，处理的时间极为重要。下面我就来带大家测试一下各种方法的处理时间，以便使大家可以选择性能较优的方法，从而更好地开展 OpenCV 相关的代码编写。
评论
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