《OpenCV:访问Mat图像中每个像素值》(示例代码)

2020-06-17

栏目: 好文 ·

简介  这篇文章主要介绍了《OpenCV:访问Mat图像中每个像素值》(示例代码)以及相关的经验技巧,文章约13399字,浏览量117,点赞数4,值得参考!

图像容器Mat

还是先看Mat的存储形式。Mat和Matlab里的数组格式有点像,但一般是二维向量,如果是灰度图,一般存放<uchar>类型;如果是RGB彩色图,存放<Vec3b>类型。
单通道灰度图数据存放格式:
技术分享
多通道的图像中,每列并列存放通道数量的子列,如RGB三通道彩色图:
技术分享
注意通道的顺序反转了:BGR。通常情况内存足够大的话图像的每一行是连续存放的,也就是在内存上图像的所有数据存放成一行,这中情况在访问时可以提供很大方便。可以用 isContinuous()函数来判断图像数组是否为连续的。
 

访问图像中的像素

 

高效的方法:C操作符[ ]

最快的是直接用C风格的内存访问操作符[]来访问:
  1. 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;  
    }

     

     注意:书中这段代码是有问题的,前面写成了  
int nRows = I.rows * channels;  
int nCols = I.cols;
  一般情况 isContinous为true,运行不会出错,但你可以注释掉那个if,会有访问越界的问题。
这种访问形式就是在每行定义一个指针,然后在内存上直接连续访问。如果整个数组在内存上都是连续存放的,那么只需要定义一个指针就可以访问所有的数据!如单通道的灰度图访问方式如下:
uchar* p = I.data;  
for( unsigned int i =0; i < ncol*nrows; ++i)  
    *p++ = table[*p];
安全的方法:迭代器iterator
相比用指针直接访问可能出现越界问题,迭代器绝对是非常安全的方法:
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;  
}
  这里我们只定义了一个迭代器,用了一个for循环,这是因为在OpenCV里迭代器会访问每一列然后自动跳到下一行,不用管在内存上是否isContinous。另外要注意的是在三通道图像中我们定义的是 <Vec3b>格式的迭代器,如果定义成uchar,则只能访问到B即蓝色通道的值。
这种方式虽然安全,但是挺慢的,一会儿就知道了。
 
更慢的方法:动态地址计算
这种方法在需要连续扫描所有点的应用时并不推荐,因为它更实用与随机访问。这种方法最基本的用途是访问任意的某一行某一列:
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;  
}  
因为这种方法是为随机访问设计的,所以真的是奇慢无比。。。

减小颜色空间 color space reduction

现在来介绍下上述函数对每个元素的操作,也就是用table更改像素值。这里其实是做了个减小颜色空间的操作,这在一些识别之类的应用中会大大降低运算复杂度。类如uchar类型的三通道图像,每个通道取值可以是0~255,于是就有 256*256个不同的值。我们可以通过定义:
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
。。。。。。
着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:
技术分享
来实现,因为C++中int类型除法操作会自动截余。 类如 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 divideWith=10;   
uchar table[256];  
for (int i = 0; i < 256; ++i)  
    table[i] = divideWith* (i/divideWith);
于是table[i]存放的是值为i的像素减小颜色空间的结果,这样也就可以理解上述方法中的操作:
 
p[j] = table[p[j]];

LUT : Look up table

OpenCV 很聪明的有个 LUT 函数就是针对这种 Look up talbe 的操作:
Mat lookUpTable(1, 256, CV_8U);  
uchar* p = lookUpTable.data;  
for( int i = 0; i < 256; ++i)  
    p[i] = table[i];  
for (int i = 0; i < times; ++i)  
    LUT(I, lookUpTable, J);

算法计时

为了验证几种方法的效率,可以用一个简单的计时和输出:
double t;  
t = (double)getTickCount();  
t = 1000*((double)getTickCount() - t)/getTickFrequency();  
t /= times;  

实验结果

 
原图:
技术分享
 
降低颜色空间结果:
技术分享
 
算法时间:
技术分享
 
更清楚的时间对比表:
技术分享
 

转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7771760
实验代码下载:http://download.csdn.net/detail/xiaowei_cqu/4443761


以上就是本文的全部内容,希望对大家的学习有所帮助,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。 原文地址:http://www.cnblogs.com/Rodolfo/p/5236082.html

相关文章

opencv中Mat格式的数据访问.at

opencv之访问图像像素(示例代码)

如何将OpenCV Mat的所有像素设置为特定值?

OpenCV 访问Mat 像素(示例代码)

Opencv中图像的遍历与像素操作

OpenCV参考手册之Mat类详解(示例代码)

OpenCV中图像的格式Mat 图像深度

OpenCV3入门(二)Mat操作(示例代码)