图像像素操作

访问像素值

为了访问 代码中指定元素所在的行和列。程序会返回相应的元素。如果是单通道的图像，返回值是单个数值；如查多通道的图像，返回值则是一组向量。

实现方法

我们创建一个椒盐现象的函数，第一个参数是一张输入图像，第二个参数是我们欲将其替换成白色像素点的像素点个数。

 void salt(cv::Mat &img, int n){
     for( int k = 0; k < n; k++){
         int i = rand()%img.cols;
         int j = rand()%img.rows;
         if(img.channels( ) == 1){
             img.at<uchar>(j,i) = 255;
         }
         else if(img.channels( ) == 3){
             img.at<cv::Vec3b>(j,i)[0] =255;
             img.at<cv::Vec3b>(j,i)[1] =255;
             img.at<cv::Vec3b>(j,i)[2] =255;
         }
     }
 }

此处我们通过检查图的通道数来区分是GRAY图像和COLOR图像.这时，我们可以用imread（）函数来载入一张图像，然后将在调用这个函数时候将些图像传递它。

 cv::Mat img = cv::imread("../../../waves.jpg");
 salt(img,3000);
 cv::namedWindow("Salt Window");
 cv::imshow("Salt Window",img);

处理后的结果，如下图所示：

完整代码：

C++版

 // salt_image.cpp : Defines the entry point for the console application.

 #include "stdafx.h"
 #include <Opencv2\opencv.hpp>

 void salt(cv::Mat &img, int n){
     for( int k = 0; k < n; k++){
         int i = rand()%img.cols;
         int j = rand()%img.rows;
         if(img.channels( ) == 1){
             img.at<uchar>(j,i) = 255;
         }
         else if(img.channels( ) == 3){
             img.at<cv::Vec3b>(j,i)[0] =255;
             img.at<cv::Vec3b>(j,i)[1] =255;
             img.at<cv::Vec3b>(j,i)[2] =255;
         }
     }
 }

 int _tmain(int argc, _TCHAR* argv[]){
     cv::Mat img = cv::imread("../../../waves.jpg");
     if(img.data){
         salt(img,3000);
         cv::namedWindow("Salt Window");
         cv::imshow("Salt Window",img);
                 cv::waitKey(0);
                 cv::destroyAllWindows()
         }
     else
         printf("Open Image is Error!");
     return 0;
 }

Python版

 import cv2
 import numpy as np

 def salt(img, n):
     for k in range(n):
         i = int(np.random.random() * img.shape[1]);
         j = int(np.random.random() * img.shape[0]);
         if img.ndim == 2:
             img[j,i] = 255
         elif img.ndim == 3:
             img[j,i,0]= 255
             img[j,i,1]= 255
             img[j,i,2]= 255
     return img

 if __name__ == '__main__':
     img = cv2.imread("../waves.jpg")
     saltImage = salt(img, 3000)
     cv2.imshow("Salt", saltImage)
     cv2.imwrite("../wavessalt.jpg",saltImage)
     cv2.waitKey(0)
     cv2.destroyAllWindows()

使用指针访问

我们在大多数的图像处理中，为了计算，需要遍历图像的所有像素。考虑到将要访问的像素个数非常之多，高效地遍历图像时非常重要的。

实现方法

首先我们定义一个颜色缩减函数原型如下：

 void colorReduce(cv::Mat &img,int div =64);

整个处理过程通过一个双重循环来遍历所在的像素值：

 void colorReduce( cv::Mat &img, int div =32){
     int nl =img.rows;
     int nc = img.cols*img.channels();

     for(int j =0; j< nl; j++){
         uchar* data = img.ptr<uchar>(j);
         for(int i=0; i<nc;i++){
             data[i] =data[i]/div*div+div/2;
         }
     }
 }

整个函数可以通过以下的代码片段测试

 cv::Mat img = cv::imread("../../../waves.jpg");
 colorReduce(img);
 cv::namedWindow("Reduce Window");
 cv::imshow("Reduce Window",img);

结果如下图所示：

完整代码

 // Reduce_image.cpp : Defines the entry point for the console application.

 #include "stdafx.h"
 #include <Opencv2\opencv.hpp>

 void colorReduce( cv::Mat &img, int div =32){
     int nl =img.rows;
     int nc = img.cols*img.channels();

     for(int j =0; j< nl; j++){
         uchar* data = img.ptr<uchar>(j);
         for(int i=0; i<nc;i++){
             data[i] =data[i]/div*div+div/2;
         }
     }
 }
 int _tmain(int argc, _TCHAR* argv[]){
     cv::Mat img = cv::imread("../../../waves.jpg");
     colorReduce(img);
     cv::imwrite("Reduce.jpg",img);

     cv::namedWindow("Reduce Window");
     cv::imshow("Reduce Window",img);
     cv::waitKey(0);
     cv::destroyAllWindows();

     return 0;
 }

扩展知识

本例中提供的中是颜色缩减函数的一种实现方式，不必局限于此，可以使用其它的颜色缩减公式。我们也可以实现一个更通用的版本，它允许用户分别指定输入和输出图像。另外，图像遍历过程还可以通过利用图像数据的连续性，使得整个过程更高效。

1.其他的颜色缩减公式

我们可以选择使用位运算。

 //mask used to round the pixel value
 uchar maks = 0xFF<<n; // e.g. for dive =16, mask =0xF0
 data[i] =(data[i]&mask) +div/2

2.高效遍历连续图像

考虑到效率，图像有可能会在行尾扩大若干个像素。但是，值得注意的是当不对行进行填补的时候，图像可以被视为一个长为WxH的一维数组。我们可以通过OpenCV中的CV::Mat的一个成员函数 isContinuous来判断这幅图像是否对行进行了填补。重写颜色缩减函数为

 void colorReduce( cv::Mat &img, int div =32){
     if(img.isContinuous()){
         img.reshape(1,img.cols*img.rows);
     }
     int nl =img.rows;
     int nc = img.cols*img.channels();

     for(int j =0; j< nl; j++){
         uchar* data = img.ptr<uchar>(j);
         for(int i=0; i<nc;i++){
             data[i] =data[i]/div*div+div/2;
         }
     }
 }

这个方法在同时处理若干小图像时会很有优势。

3.底层的指针运算

在类 CV::Mat中，图像数据以unsigned char形成保存在一块内存中。即：

 uchar *data= img.data;
 data =+img.step;
 data =img.data +j*img.step+i*img.elemSize();

但是，即使这种方式确实行之有效，但容易出错。

迭代器遍历

在面对象的编程中，遍历数据集合通常是通过迭代器完成的。所以，我们将重写颜色缩减函数为：

 void colorReduce( cv::Mat &img, int div =32){
     cv::Mat_<cv::Vec3b>::iterator it = img.begin<cv::Vec3b>();
     cv::Mat_<cv::Vec3b>::iterator itend = img.end<cv::Vec3b>();

     for(; it!=itend; ++it){
         (*it)[0] =(*it)[0]/div*div +div/2;
         (*it)[1] =(*it)[1]/div*div +div/2;
         (*it)[2] =(*it)[2]/div*div +div/2;
     }
 }

遍历图像和邻域操作

在图像处理中，通过当前位置的相邻像素计算新的像素值是很常见的操作。当邻域包含图像的前几行和下几行时，你就需要同时扫描图像的若干行。本例子可以展示如何做到这一点。

 void sharpen(const cv::Mat &img,cv::Mat &result){
     result.create(img.size(),img.type());
     for(int j =1; j<img.rows-1;j++){
         const uchar* previous = img.ptr<const uchar>(j-1);
         const uchar* current = img.ptr<const uchar>(j);
         const uchar* next = img.ptr<const uchar>(j+1);
         const uchar* output = result.ptr<const uchar>(j);
         for(int i =1; i<img.cols-1;i++){
             *output++= cv::saturate_cast<uchar>(
                 5*current[i]-current[i-1]
                 -current[i+1]-previous[i]-next[i]);
         }
     }
     result.row(0).setTo(cv::Scalar(0));
     result.row(result.rows-1).setTo(cv::Scalar(0));
     result.col(0).setTo(cv::Scalar(0));
     result.col(result.rows-1).setTo(cv::Scalar(0));
 }