上述公式可以把0-9的值映射到 0,10-19的值映射到10,以此类推,0-255的值可以用(0,10,20...250)来表示。因此只需将图像矩阵中的每个像素进行上述的运算即可。但是除法和乘法相对来说比较耗系统资源。注意到0-255只有256个值,我们可以建立一个映射表,把256个值映射到26个值上,然后对图像矩阵中的每个像素进行赋值即可。
uchar table[256];
for (int i = 0; i < 256; ++i)
table[i] = (uchar)(divideWith * (i/divideWith));
opencv里遍历图像矩阵中的每个像素有三种方式,首先我们介绍opencv里面Mat是如何存储图像的。对于灰度图,其存储方式如下图:
对于多通道的图,每一列包含若干子列(数目和通道数相同),比如RGB图像的存储方式如下图,注意OPENCV中的存储顺序是BGR而不是RGB。
大多数情况下,内存足够大,可以以一行接着一行的连续方式进行存储,也就是一个所有的行连在一起,构成一个很长的行,我们可以用isContinus()函数来判断矩阵是否按照这种方式存储。
int channels = I.channels();
int nRows = I.rows;
int nCols = I.cols * channels;
if (I.isContinuous())
{
nCols *= nRows;
nRows = 1;
}
int i,j;
uchar* p;
for( i = 0; i < nRows; ++i)
{
p = I.ptr<uchar>(i);
for ( j = 0; j < nCols; ++j)
{
p[j] = table[p[j]];
}
}
The efficient way
提到高效效率就不能不提c-style的指针操作[],我们可以得到指向每一行开始元素的指针,然后遍历每一行。如果矩阵是以连续的方式进行存储,我们只需得到指向第一行第一列的指针(Mat的成员变量data),然后遍历到最后即可。需要注意对于彩色图像,我们有三个通道进行遍历。
//The efficient way
Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
// accept only char type matrices
CV_Assert(I.depth() != sizeof(uchar));
int channels = I.channels();
int nRows = I.rows;
int nCols = I.cols * channels;
if (I.isContinuous())
{
nCols *= nRows;
nRows = 1;
}
int i,j;
uchar* p;
for( i = 0; i < nRows; ++i)
{
p = I.ptr<uchar>(i);
for ( j = 0; j < nCols; ++j)
{
p[j] = table[p[j]];
}
}
return I;
}
The Iterator(Safe) Method
对于efficient的方式,我们需要自己检查行之间是否连续等安全问题。对于迭代器的方式,我们只需要得到图像矩阵的开始和结束,然后递增进行遍历即可。对于彩色图,每一列有3个uchar元素,可以看作是一个包含3个uchar类型的vector,在OPENCV中有一种这样的类型:Vec3b。用[]操作符来得到第n个子列的元素值。opencv中的迭代器是对每一行的列进行遍历,然后自动跳到下一行。对于彩色图,如果我们定义的迭代器是uchar类型的,那么我们得到只是B通道的值(BGR)。
//The Iterator(Safe) way
Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
// accept only char type matrices
CV_Assert(I.depth() != sizeof(uchar));
const int channels = I.channels();
switch(channels)
{
case 1:
{
MatIterator_<uchar> it, end;
for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
*it = table[*it];
break;
}
case 3:
{
MatIterator_<Vec3b> it, end;
for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
{
(*it)[0] = table[(*it)[0]];
(*it)[1] = table[(*it)[1]];
(*it)[2] = table[(*it)[2]];
}
}
}
return I;
}
On-the-fly address calculation with reference returning
这种方法不推荐用来遍历图像矩阵。它是通过opencv中的 Mat类型的成员函数at()来获取或者改变图像中任意位置的值。当然你可以为了方便使用另一种类型Mat_,这样可以直接使用()来获取元素值(比如Mat_<Vec3b>)。
//On-the-fly address calculation with reference returning
Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* const table)
{
// accept only char type matrices
CV_Assert(I.depth() != sizeof(uchar));
const int channels = I.channels();
switch(channels)
{
case 1:
{
for( int i = 0; i < I.rows; ++i)
for( int j = 0; j < I.cols; ++j )
I.at<uchar>(i,j) = table[I.at<uchar>(i,j)];
break;
}
case 3:
{
Mat_<Vec3b> _I = I;
for( int i = 0; i < I.rows; ++i)
for( int j = 0; j < I.cols; ++j )
{
_I(i,j)[0] = table[_I(i,j)[0]];
_I(i,j)[1] = table[_I(i,j)[1]];
_I(i,j)[2] = table[_I(i,j)[2]];
}
I = _I;
break;
}
}
return I;
}
The Core Function
opencv提供了LUT()函数来实现映射。首先创建一个Mat类型的映射表LookUpTable。调用LUT函数,LUT(I,LookUpTable,J),I是我们的输入图像,J是我们的输出图像。
Mat lookUpTable(1, 256, CV_8U);
uchar* p = lookUpTable.data;
for( int i = 0; i < 256; ++i)
p[i] = table[i];
LUT(I, lookUpTable, J);