(转)OpenCV 访问Mat中每个像素的值

转自：http://blog.csdn.net/xiaowei_cqu/article/details/19839019

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>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。

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。

[cpp] view plaincopy

1. // using .ptr and []
2. void colorReduce0(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols * image.channels(); // total number of elements per line
5. for (int j=0; j<nr; j++) {
6. uchar* data= image.ptr<uchar>(j);
7. for (int i=0; i<nc; i++) {
8. data[i]= data[i]/div*div + div/2;
9. }
10. }
11. }

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。

[cpp] view plaincopy

1. // using .ptr and * ++
2. void colorReduce1(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols * image.channels(); // total number of elements per line
5. for (int j=0; j<nr; j++) {
6. uchar* data= image.ptr<uchar>(j);
7. for (int i=0; i<nc; i++) {
8. *data++= *data/div*div + div/2;
9. } // end of row
10. }
11. }

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

[cpp] view plaincopy

1. // using .ptr and * ++ and modulo
2. void colorReduce2(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols * image.channels(); // total number of elements per line
5. for (int j=0; j<nr; j++) {
6. uchar* data= image.ptr<uchar>(j);
7. for (int i=0; i<nc; i++) {
8. int v= *data;
9. *data++= v - v%div + div/2;
10. } // end of row
11. }
12. }

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。

[cpp] view plaincopy

1. // using .ptr and * ++ and bitwise
2. void colorReduce3(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols * image.channels(); // total number of elements per line
5. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
6. // mask used to round the pixel value
7. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
8. for (int j=0; j<nr; j++) {
9. uchar* data= image.ptr<uchar>(j);
10. for (int i=0; i<nc; i++) {
11. *data++= *data&mask + div/2;
12. } // end of row
13. }
14. }

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。

[cpp] view plaincopy

1. // direct pointer arithmetic
2. void colorReduce4(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols * image.channels(); // total number of elements per line
5. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
6. int step= image.step; // effective width
7. // mask used to round the pixel value
8. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
9. // get the pointer to the image buffer
10. uchar *data= image.data;
11. for (int j=0; j<nr; j++) {
12. for (int i=0; i<nc; i++) {
13. *(data+i)= *data&mask + div/2;
14. } // end of row
15. data+= step;  // next line
16. }
17. }

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。

[cpp] view plaincopy

1. // using .ptr and * ++ and bitwise with image.cols * image.channels()
2. void colorReduce5(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
5. // mask used to round the pixel value
6. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
7. for (int j=0; j<nr; j++) {
8. uchar* data= image.ptr<uchar>(j);
9. for (int i=0; i<image.cols * image.channels(); i++) {
10. *data++= *data&mask + div/2;
11. } // end of row
12. }
13. }

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。

[cpp] view plaincopy

1. // using .ptr and * ++ and bitwise (continuous)
2. void colorReduce6(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols * image.channels(); // total number of elements per line
5. if (image.isContinuous())  {
6. // then no padded pixels
7. nc= nc*nr;
8. nr= 1;  // it is now a 1D array
9. }
10. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
11. // mask used to round the pixel value
12. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
13. for (int j=0; j<nr; j++) {
14. uchar* data= image.ptr<uchar>(j);
15. for (int i=0; i<nc; i++) {
16. *data++= *data&mask + div/2;
17. } // end of row
18. }
19. }

方法七：continuous+channels

与方法六基本相同，也是充数的。

[cpp] view plaincopy

1. // using .ptr and * ++ and bitwise (continuous+channels)
2. void colorReduce7(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols ; // number of columns
5. if (image.isContinuous())  {
6. // then no padded pixels
7. nc= nc*nr;
8. nr= 1;  // it is now a 1D array
9. }
10. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
11. // mask used to round the pixel value
12. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
13. for (int j=0; j<nr; j++) {
14. uchar* data= image.ptr<uchar>(j);
15. for (int i=0; i<nc; i++) {
16. *data++= *data&mask + div/2;
17. *data++= *data&mask + div/2;
18. *data++= *data&mask + div/2;
19. } // end of row
20. }
21. }

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~

[cpp] view plaincopy

1. // using Mat_ iterator
2. void colorReduce8(cv::Mat &image, int div=64) {
3. // get iterators
4. cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
5. cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();
6. for ( ; it!= itend; ++it) {
7. (*it)[0]= (*it)[0]/div*div + div/2;
8. (*it)[1]= (*it)[1]/div*div + div/2;
9. (*it)[2]= (*it)[2]/div*div + div/2;
10. }
11. }

方法九：Mat_ iterator 和位运算

把方法八中的乘除法换成位运算。

[cpp] view plaincopy

1. // using Mat_ iterator and bitwise
2. void colorReduce9(cv::Mat &image, int div=64) {
3. // div must be a power of 2
4. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
5. // mask used to round the pixel value
6. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
7. // get iterators
8. cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
9. cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();
10. for ( ; it!= itend; ++it) {
11. (*it)[0]= (*it)[0]&mask + div/2;
12. (*it)[1]= (*it)[1]&mask + div/2;
13. (*it)[2]= (*it)[2]&mask + div/2;
14. }
15. }

方法十：MatIterator_

和方法八基本相同。

[cpp] view plaincopy

1. // using MatIterator_
2. void colorReduce10(cv::Mat &image, int div=64) {
3. cv::Mat_<cv::Vec3b> cimage= image;
4. cv::Mat_<cv::Vec3b>::iterator it=cimage.begin();
5. cv::Mat_<cv::Vec3b>::iterator itend=cimage.end();
6. for ( ; it!= itend; it++) {
7. (*it)[0]= (*it)[0]/div*div + div/2;
8. (*it)[1]= (*it)[1]/div*div + div/2;
9. (*it)[2]= (*it)[2]/div*div + div/2;
10. }
11. }

方法十一：图像坐标

[cpp] view plaincopy

1. // using (j,i)
2. void colorReduce11(cv::Mat &image, int div=64) {
3. int nr= image.rows; // number of rows
4. int nc= image.cols; // number of columns
5. for (int j=0; j<nr; j++) {
6. for (int i=0; i<nc; i++) {
7. image.at<cv::Vec3b>(j,i)[0]=     image.at<cv::Vec3b>(j,i)[0]/div*div + div/2;
8. image.at<cv::Vec3b>(j,i)[1]=     image.at<cv::Vec3b>(j,i)[1]/div*div + div/2;
9. image.at<cv::Vec3b>(j,i)[2]=     image.at<cv::Vec3b>(j,i)[2]/div*div + div/2;
10. } // end of row
11. }
12. }

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。

[cpp] view plaincopy

1. // with input/ouput images
2. void colorReduce12(const cv::Mat &image, // input image
3. cv::Mat &result,      // output image
4. int div=64) {
5. int nr= image.rows; // number of rows
6. int nc= image.cols ; // number of columns
7. // allocate output image if necessary
8. result.create(image.rows,image.cols,image.type());
9. // created images have no padded pixels
10. nc= nc*nr;
11. nr= 1;  // it is now a 1D array
12. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
13. // mask used to round the pixel value
14. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
15. for (int j=0; j<nr; j++) {
16. uchar* data= result.ptr<uchar>(j);
17. const uchar* idata= image.ptr<uchar>(j);
18. for (int i=0; i<nc; i++) {
19. *data++= (*idata++)&mask + div/2;
20. *data++= (*idata++)&mask + div/2;
21. *data++= (*idata++)&mask + div/2;
22. } // end of row
23. }
24. }

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。

[cpp] view plaincopy

1. // using overloaded operators
2. void colorReduce13(cv::Mat &image, int div=64) {
3. int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
4. // mask used to round the pixel value
5. uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
6. // perform color reduction
7. image=(image&cv::Scalar(mask,mask,mask))+cv::Scalar(div/2,div/2,div/2);
8. }

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。

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。