【OpenCV】访问Mat中每个像素的值（新）

桃扇骨 2022-08-25 08:42 159阅读 0赞

在《OpenCV 2 Computer Vision Application Programming Cookbook》看到的例子，非常不错，算是对之前的文章[<访问Mat图像中每个像素的值>][Mat]的回顾和补充。

## Color Reduce ##

还是使用经典的Reduce Color的例子，即对图像中的像素表达进行量化。如常见的RGB24图像有256×256×256中颜色，通过Reduce Color将每个通道的像素减少8倍至256/8=32种，则图像只有32×32×32种颜色。假设量化减少的倍数是N，则代码实现时就是简单的value/N\*N，通常我们会再加上N/2以得到相邻的N的倍数的中间值，最后图像被量化为(256/N)×(256/N)×(256/N)种颜色。

![Center][]

## 方法零：.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。

// using .ptr and []
    void colorReduce0(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols * image.channels(); // total number of elements per line
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
                      data[i]= data[i]/div*div + div/2;
                }                  
          }
    }

##    方法一：.ptr和指针操作 ##

除了\[\]操作符，我们可以移动指针\*++的组合方法访问某一行中所有像素的值。

// using .ptr and * ++ 
    void colorReduce1(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols * image.channels(); // total number of elements per line
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
    				 *data++= *data/div*div + div/2;
                } // end of row                 
          }
    }

##    方法二：.ptr、指针操作和取模运算 ##

方法二和方法一的访问方式相同，不同的是color reduce用模运算代替整数除法

// using .ptr and * ++ and modulo
    void colorReduce2(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols * image.channels(); // total number of elements per line
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
    			      int v= *data;
                      *data++= v - v%div + div/2;
                } // end of row                 
          }
    }

##    方法三：.ptr、指针运算和位运算 ##

由于进行量化的单元div通常是2的整次方，因此所有的乘法和除法都可以用位运算表示。

// using .ptr and * ++ and bitwise
    void colorReduce3(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols * image.channels(); // total number of elements per line
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
                *data++= *data&mask + div/2;
                } // end of row                 
          }
    }

##    方法四：指针运算 ##

方法四和方法三量化处理的方法相同，不同的是用指针运算代替\*++操作。

// direct pointer arithmetic
    void colorReduce4(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols * image.channels(); // total number of elements per line
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  int step= image.step; // effective width
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
          // get the pointer to the image buffer
    	  uchar *data= image.data;
          for (int j=0; j<nr; j++) {
              for (int i=0; i<nc; i++) {
                *(data+i)= *data&mask + div/2;
                } // end of row                 
                data+= step;  // next line
          }
    }

##    方法五：.ptr、\*++、位运算以及image.cols \* image.channels() ##

这种方法就是没有计算nc，基本是个充数的方法。

// using .ptr and * ++ and bitwise with image.cols * image.channels()
    void colorReduce5(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<image.cols * image.channels(); i++) {
                *data++= *data&mask + div/2;
                } // end of row                 
          }
    }

## 方法六：连续图像 ##

Mat提供了isContinuous()函数用来查看Mat在内存中是不是连续存储，如果是则图片被存储在一行中。

// using .ptr and * ++ and bitwise (continuous)
    void colorReduce6(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols * image.channels(); // total number of elements per line
    	  if (image.isContinuous())  {
    		  // then no padded pixels
    		  nc= nc*nr; 
    		  nr= 1;  // it is now a 1D array
    	   }
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
                *data++= *data&mask + div/2;
                } // end of row                 
          }
    }

##    方法七：continuous+channels ##

与方法六基本相同，也是充数的。

// using .ptr and * ++ and bitwise (continuous+channels)
    void colorReduce7(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols ; // number of columns
    	  if (image.isContinuous())  {
    		  // then no padded pixels
    		  nc= nc*nr; 
    		  nr= 1;  // it is now a 1D array
    	   }
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
          for (int j=0; j<nr; j++) {
    		  uchar* data= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
                *data++= *data&mask + div/2;
                *data++= *data&mask + div/2;
                *data++= *data&mask + div/2;
                } // end of row                 
          }
    }

##    方法八：Mat \_iterator ##

真正有区别的方法来啦，用Mat提供的迭代器代替前面的\[\]操作符或指针，血统纯正的官方方法~

// using Mat_ iterator 
    void colorReduce8(cv::Mat &image, int div=64) {
    	  // get iterators
    	  cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
    	  cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();
    	  for ( ; it!= itend; ++it) {
            (*it)[0]= (*it)[0]/div*div + div/2;
            (*it)[1]= (*it)[1]/div*div + div/2;
            (*it)[2]= (*it)[2]/div*div + div/2;
    	  }
    }

## 方法九：Mat\_ iterator 和位运算 ##

把方法八中的乘除法换成位运算。

// using Mat_ iterator and bitwise
    void colorReduce9(cv::Mat &image, int div=64) {
    	  // div must be a power of 2
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
    	  // get iterators
    	  cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
    	  cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();
    	  for ( ; it!= itend; ++it) {
            (*it)[0]= (*it)[0]&mask + div/2;
            (*it)[1]= (*it)[1]&mask + div/2;
            (*it)[2]= (*it)[2]&mask + div/2;
    	  }
    }

##    方法十：MatIterator\_ ##

和方法八基本相同。

// using MatIterator_ 
    void colorReduce10(cv::Mat &image, int div=64) {
    	  cv::Mat_<cv::Vec3b> cimage= image;
    	  cv::Mat_<cv::Vec3b>::iterator it=cimage.begin();
    	  cv::Mat_<cv::Vec3b>::iterator itend=cimage.end();
    	  for ( ; it!= itend; it++) { 
            (*it)[0]= (*it)[0]/div*div + div/2;
            (*it)[1]= (*it)[1]/div*div + div/2;
            (*it)[2]= (*it)[2]/div*div + div/2;
    	  }
    }

## 方法十一：图像坐标 ##

// using (j,i)
    void colorReduce11(cv::Mat &image, int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols; // number of columns
          for (int j=0; j<nr; j++) {
              for (int i=0; i<nc; i++) {
                      image.at<cv::Vec3b>(j,i)[0]=	 image.at<cv::Vec3b>(j,i)[0]/div*div + div/2;
                      image.at<cv::Vec3b>(j,i)[1]=	 image.at<cv::Vec3b>(j,i)[1]/div*div + div/2;
                      image.at<cv::Vec3b>(j,i)[2]=	 image.at<cv::Vec3b>(j,i)[2]/div*div + div/2;
                } // end of row                 
          }
    }

##    方法十二：创建输出图像 ##

之前的方法都是直接修改原图，方法十二新建了输出图像，主要用于后面的时间对比。

// with input/ouput images
    void colorReduce12(const cv::Mat &image, // input image 
                     cv::Mat &result,      // output image
                     int div=64) {
    	  int nr= image.rows; // number of rows
    	  int nc= image.cols ; // number of columns
    	  // allocate output image if necessary
    	  result.create(image.rows,image.cols,image.type());
    	  // created images have no padded pixels
    	  nc= nc*nr; 
    	  nr= 1;  // it is now a 1D array
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
          for (int j=0; j<nr; j++) {
    		  uchar* data= result.ptr<uchar>(j);
    		  const uchar* idata= image.ptr<uchar>(j);
              for (int i=0; i<nc; i++) {
                *data++= (*idata++)&mask + div/2;
                *data++= (*idata++)&mask + div/2;
                *data++= (*idata++)&mask + div/2;
              } // end of row                 
          }
    }

##    方法十三：重载操作符 ##

Mat重载了+&等操作符，可以直接将两个Scalar(B,G,R)数据进行位运算和数学运算。

// using overloaded operators
    void colorReduce13(cv::Mat &image, int div=64) {
    	  int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
    	  // mask used to round the pixel value
    	  uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
    	  // perform color reduction
    	  image=(image&cv::Scalar(mask,mask,mask))+cv::Scalar(div/2,div/2,div/2);
    }

##    时间对比 ##

通过迭代二十次取平均时间，得到每种方法是运算时间如下。

![20140224205651703][]

可以看到，指针\*++访问和位运算是最快的方法；而不断的计算image.cols\*image.channles()花费了大量重复的时间；另外迭代器访问虽然安全，但性能远低于指针运算；通过图像坐标(j,i)访问时最慢的，使用重载操作符直接运算效率最高。

### （转载请注明作者和出处：[http://blog.csdn.net/xiaowei\_cqu][http_blog.csdn.net_xiaowei_cqu] 未经允许请勿用于商业用途）          ###

[Mat]: http://blog.csdn.net/xiaowei_cqu/article/details/7771760
[Center]: /images/20220824/749af154988c4890bec04efaef568351.png
[20140224205651703]: /images/20220824/d6a3f51af7034994adc8fed33f6c3e22.png
[http_blog.csdn.net_xiaowei_cqu]: http://blog.csdn.net/xiaowei_cqu