OpenCV - 小技巧

1、  图像的遍历

OpenCV图像遍历最高效的方法是指针遍历方法。因为图像在OpenCV里的存储机制问题，行与行之间可能有空白单元（一般是补够4的倍数或8的倍数，有些地方也称作“位对齐”）。这些空白单元对图像来说是没有意思的，只是为了在某些架构上能够更有效率，比如intel MMX可以更有效的处理那种个数是4或8倍数的行。Mat提供了一个检测图像是否连续的函数isContinuous()。当图像连通时，我们就可以把图像完全展开，看成是一行。因此最高效的遍历方法如下：

void imageCopy(const Mat& image,Mat& outImage) {   
	int nr=image.rows;    
	int nc=image.cols;    
	outImage.create(image.size(),image.type());    
	if(image.isContinuous()&&outImage.isContinuous()) {
		nr=1;
		nc=nc*image.rows*image.channels();
	} 

	for(int i=0;i(i);       
		uchar* outData=outImage.ptr(i);      
		for(int j=0;j

	// create the accumulation histograms, img is a binary image, t is 水平或垂直
	Mat CalcHistogram(Mat img, int t) {
		int sz = (t) ? img.rows : img.cols;
		Mat mhist = Mat::zeros(1, sz, CV_32F);
		for(int j = 0; j < sz; j++){
			Mat data = (t) ? img.row(j) : img.col(j);
			// 统计这一行或一列中，非零元素的个数,并保存到mhist中
			mhist.at(j) = countNonZero(data);
		}

		double min, max;
		// Normalize histogram
		minMaxLoc(mhist, &min, &max);
		if (max > 0){
			// 用mhist直方图中的最大值,归一化直方图
			mhist.convertTo(mhist, -1, 1.0f/max, 0);
		}

		return mhist;
	}

	//! 获得字符的特征图
	Mat features(Mat in, int sizeData) {
		//Histogram features
		Mat vhist = ProjectedHistogram(in, VERTICAL);
		Mat hhist = ProjectedHistogram(in, HORIZONTAL);

		//Low data feature
		Mat lowData;
		resize(in, lowData, Size(sizeData, sizeData));
		//Last 10 is the number of moments components
		int numCols = vhist.cols + hhist.cols + lowData.cols * lowData.cols;
		Mat out = Mat::zeros(1, numCols, CV_32F);
		//Asign values to feature, ANN的样本特征为水平、垂直直方图和低分辨率图像所组成的矢量
		int j = 0;
		for(int i = 0; i < vhist.cols; i++){
			out.at(j) = vhist.at(i);
			j++;
		}

		for(int i = 0; i < hhist.cols; i++){
			out.at(j) = hhist.at(i);
			j++;
		}

		for(int x=0; x(j)=(float)lowData.at(x,y);
				j++;
			}
		}

		return out;
	}