(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。

时间: 2024-10-17 03:52:41

(转)OpenCV 访问Mat中每个像素的值的相关文章

转载【OpenCV】访问Mat中每个像素的值(新)

转载一个讲Mat像素访问的,仅记为笔记. y原文链接为:http://blog.csdn.net/xiaowei_cqu/article/details/19839019 目录(?)[-] Color Reduce 方法零ptr和操作符 方法一ptr和指针操作 方法二ptr指针操作和取模运算 方法三ptr指针运算和位运算 方法四指针运算 方法五ptr位运算以及imagecols imagechannels 方法六连续图像 方法七continuouschannels 方法八Mat _iterato

【OpenCV】访问Mat中每个像素的值

转载:http://blog.csdn.net/xiaowei_cqu/article/details/19839019 Color Reduce 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

《OpenCV:访问Mat图像中每个像素值》

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: 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: 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

OpenCV 访问Mat 像素

场景 在进行烟雾检测的过程中,需要访问Mat指定区域的像素值,然后判断是否符合烟雾的像素特征(当然,在网上查询到的烟雾像素特征,实际上,并没有正确识别出烟雾),可通过如下的方式进行操作 int  similarDegree = 0; int channel = srcMat.channels(); for (int i=info.smokeLeftTopPos.y; i<maxHeight; i++) { for (int j=info.smokeLeftTopPos.x; j<maxWidt

OpenCV访问Mat对象中数据时发生异常---Mat中的数据访问

7.1和7.1.1由于越狱不成熟,半完美越狱后电脑上无法访问系统越狱目录,如var usr 等等. 今天有些意外地发现,可以在电脑上使用手机的越狱目录我手机 i4 7.1.1 联通 半完美越狱,没装Afc2Add,也没装Appsync 附上  --->我的半完美越狱过程 好了,下面直接正题 一.前提,必须安装ifile! 打开ifile,并转到 /var/mobile/media 目录下,然后点击右上角的 [ 编辑 ]如图: 二.点左下角的 + 号创建,如图: 三.点 [ 类型],选择[符号链接

访问图像中的像素[OpenCV 笔记16]

再更一发好久没更过的OpenCV,不过其实写到这个部分对计算机视觉算法有所了解的应该可以做到用什么查什么了,所以后面可能会更的慢一点吧,既然开了新坑,还是机器学习更有研究价值吧... 图像在内存中的存储方式 灰度图像 RGB图像,矩阵的列会包含多个子列 因为内存足够大,可以实现连续存储,因此,图像中的各行就能一行一行地连接起来,形成一个长行.连续存储,有助于提高图像扫面速度,可以使用isContinuous()来判断矩阵是否是连续存储. 颜色空间缩减 对于三通道图像,一个像素对应的颜色有一千六百

opencv 访问图像像素的三种方式

访问图像中的像素 访问图像像素有三种可行的方法方法一:指针访问指针访问访问的速度最快,Mat类可以通过ptr函数得到图像任意一行的首地址,同时,Mat类的一些属性也可以用到公有属性 rows和cols 表示行和列通道数可以通过channels()函数获得:void visitPix1(){ Mat srcImg = imread("jpg/1.jpeg"); Mat dstImg; srcImg.copyTo(dstImg); int rowNum = dstImg.rows; int

openvc中读取图像访问图像中像元的的方法

一.读取图像 1.利用Mat数据结构读取和显示图片 #include"cv.h" #include "highgui.h" #include<iostream> using namespace std; using namespace cv; int _tmain(int argc, _TCHAR* argv[]) { Mat img=imread("./ImageData/sf1.png");//图片的相对路径 namedWindo

访问cv::Mat中的数据时遇到的指针类型问题

在用Opencv的时候由于下图原本的图像尺寸是1111*1111,要进行resize,代码如下: cv::Mat img = cv::imread("//Users//apple//td3//vase//19201.png",CV_LOAD_IMAGE_GRAYSCALE); cv::Mat img2; cv::resize(img, img2, cv::Size(400,400),0,0, cv::INTER_AREA); 因为我根本不知道img的数据是什么类型(不知道数据类型根本无