OpenCV3之——访问图像中像素的三种方法

      任何图像处理算法，都是从操作每个像素开始的。即使我们不会使用OpenCV提供的各种图像处理函数，只要了解了图像处理算法的基本原理，也可以写出具有相同功能的程序。

【方法一】    指针访问：C操作符[ ];

【方法二 】   迭代器 iterator;

【方法三】    动态地址计算。

【图像颜色缩减】实例：

//头文件，命名空间部分
#include 
#include 
#include 
using namespace std;
using namespace cv;

//全局函数声明部分
void colorReduce(Mat& inputImage, Mat& outputImage, int div);

//main函数
int main() {
	//创建原始图并显示
	Mat srcImage = imread("1.jpg");
	imshow("原始图像", srcImage);

	//按原始图的参数和规格来创建效果图
	Mat dstImage;
	dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图大小、类型与原始图相同

	//记录起始时间
	double time0 = static_cast(getTickCount());

	//调用颜色空间缩减函数
	colorReduce(srcImage, dstImage, 32);

	//计算运行时间并输出
	time0 = ((double)getTickCount() - time0) / getTickFrequency();//时钟震荡次数 / 频率 = 秒数
	cout << "此方法运行时间为：" << time0 << "秒" << endl;//输出运行时间

	//显示效果图
	imshow("效果图", dstImage);
	waitKey(0);
}

//【方法一】用指针访问像素，利用C语言中的[]操作符，这种方法最快，但是有点抽象
void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
	//参数准备
	outputImage = inputImage.clone();//复制实参到临时变量
	int rowNumber = outputImage.rows;//行数,注意不是.rows()
	int colNumber = outputImage.cols*outputImage.channels();//列数×通道数＝每一元素的个数

	//双重循环，遍历所有像素值
	for (int i = 0; i < rowNumber; i++) {//行循环
		uchar* data = outputImage.ptr(i);//获取第i行的首地址
		for (int j = 0; j < colNumber; j++) {//列循环、处理第i行的每个像素
			//-------------【开始处理每个像素】-------------------
			data[j] = data[j] / div * div + div / 2;
			//-------------【处理结束】---------------------------
		}
	}
}
/*Mat类有若干成员函数可以获取图像属性，共有成员变量rows和cols获取图像高和宽，成员函数channels()
用于返回图像的通道数，灰度图像的通道数为1，彩色图像的通道数为3
为了简化运算，Mat类提供了ptr函数可以得到图像任意行的首地址。ptr是一个模板函数，它返回第i行的首地址*/

//【方法二】用迭代器操作像素，与STL库的用法类似
//在迭代法中，我们仅仅获得图形矩阵的begin和end，然后增加迭代直至从begin到end。
//将*操作符添加在迭代指针前，即可访问当前指向的内容
//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
/*
void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
	//参数准备
	outputImage = inputImage.clone();//复制参数到临时变量
	//获取迭代器
	Mat_::iterator it = outputImage.begin();//初始位置的迭代器
	Mat_::iterator itend = outputImage.end();//终止位置迭代器

	//存取彩色图像像素
	for (; it != itend; ++it) {
		//开始处理每个像素
		(*it)[0] = (*it)[0] / div * div + div / 2;
		(*it)[1] = (*it)[1] / div * div + div / 2;
		(*it)[2] = (*it)[2] / div * div + div / 2;
		//处理结束
	}
}

//【方法三】动态地址计算
//下面是动态地址运算配合at方法的colorReduce函数的代码，这种方法简单明了，符合大家对像素的直观认识
void colorReduce(Mat& inputImage,Mat& outputImage,int div) {
	//参数准备
	outputImage = inputImage.clone();//复制实参到临时变量
	int rowNumber = outputImage.rows;
	int colNumber = outputImage.cols;

	//存取彩色图像像素
	for (int i = 0; i < rowNumber; i++) {
		for (int j = 0; j < colNumber; j++) {
			//开始处理每个像素
			outputImage.at(i, j)[0] = outputImage.at(i, j)[0] / div * div + div / 2;//蓝色通道
			outputImage.at(i, j)[1] = outputImage.at(i, j)[1] / div * div + div / 2;//绿色通道
			outputImage.at(i, j)[2] = outputImage.at(i, j)[2] / div * div + div / 2;//红色通道
			//处理结束
		}
	}
}
//Mat类中的成员函数at(int x,int y)可以用来存取图像元素，但是必须在编译期知道图像的类型
//确保指定的数据类型要和矩阵中的数据类型相符合，因为at方法本身不会对任何数据类型进行转换
*/

【效果图】：