机器视觉学习笔记（3）——常见的像素访问方式

机器视觉学习笔记（3）——常见的像素访问方式

标签： 机器视觉

图像是由一个个像素组成的，各种算法和处理都是基于像素实现的，所以访问像素的操作是最常见的操作方式。常见的像素访问方式有Mat::at访问，指针访问和迭代器访问。

为了详细的说明各个方式访问像素的方法，本文将使用不同的访问像素的方法实现Color Reduce(颜色缩减)的功能。Color Reduce可以将图像的颜色数降低，比如可以将64阶的灰度图降为8阶的灰度图，主要通过整数的除法实现，因为整数的除法可以去尾。比如某像素点的值为M，降阶之后的值就为M/8*8，原先0~63连续值就变为{0, 8, 16, 24, 32, 40, 48, 56}的离散值。本文将处理3通道的彩色图，颜色缩减的倍数为32。

原图：

处理后：

OpenCV2中存储图像的变量类型是Mat (强烈建议放弃OpenCV1中的数据结构和函数)，访问像素其实就是访问Mat的元素。

1.Mat::at访问

• Mat::at方法官方说明如下：

  Returns a reference to the specified array element.
  (返回指定元素的引用)

• 该方法有各种参数的重载，使用该方法实现的Color Reduce功能代码如下：

void color_reduce1(Mat &image)
{
    for (int i=0; i<image.rows; i++) 
        for (int j=0; j<image.cols; j++)
        {
            if (image.channels() == 1)//如果是单通道图
                image.at<uchar>(i, j) = image.at<uchar>(i, j) /32 * 32;
            else if (image.channels() == 3)//如果是三通道图
            {
                image.at<Vec3b>(i, j)[0] = image.at<Vec3b>(i, j)[0] / 32 * 32;
                image.at<Vec3b>(i, j)[1] = image.at<Vec3b>(i, j)[1] / 32 * 32;
                image.at<Vec3b>(i, j)[2] = image.at<Vec3b>(i, j)[2] / 32 * 32;
            }
        }
}

2.指针访问

• Mat::ptr方法官方说明如下：

  Returns a pointer to the specified matrix row.
  (返回指定行的指针)

• 该方法可以返回尖括号指定元素类型的行指针，该指针指向该行第一个元素

void color_reduce2(Mat &image)
{
    int rows = image.rows;//行数
    int rowsCount = image.cols * image.channels();//每行的元素个数
    for (int  i=0; i<rows; i++)
    {
        uchar* data = image.ptr<uchar>(i);//每行首元素地址
        for (int j=0; j<rowsCount; j++)
            data[j] = data[j] / 32 * 32;            
    }
}

• 如果是3通道图像，元素按照BRG通道的顺序排列，注意是BGRBGR…，而不是BB…GG…RR…
• 还可以通过Mat::data成员变量来访问像素，该成员是一个uchar指针类型，指向像素的首元素，指向i行j列元素的地址为uchar* data = image.data+i*image.step+j*image.elemSize()

3.迭代器访问

void color_reduce3(Mat &image)
{
    Mat_<Vec3b>::iterator iter = image.begin<Vec3b>();
    for ( ; iter != image.end<Vec3b>(); iter++)
    {
        (*iter)[0] = (*iter)[0] / 32 * 32;//[]的优先级高，所以要先解引用
        (*iter)[1] = (*iter)[1] / 32 * 32;
        (*iter)[2] = (*iter)[2] / 32 * 32;
    }
}

• 指向const元素的迭代器声明语句为Mat_<Vec3b>::const_iterator iter;
• 如果使用Mat_定义图片，则begin()和end()就不需要写元素类型了，因为定义时写过了

Mat_<Vec3b> image;
Mat_<Vec3b>::iterator beg = image.begin();
Mat_<Vec3b>::iterator end = image.end();

4.三种访问像素的方法遍历的效率比较

既然访问像素的方法有多种，自然而然就想比较一下。OpenCV提供了测量代码运行时间的函数:

double getTickFrequency()//返回每秒钟的时钟数，即时钟频率
int64 getTickCount()//返回当前时钟数

代码如下：

int main()  
{  
    Mat image;
    image = imread("img.jpg");
    double time;
    time = (double)getTickCount();

    for (int i=0; i<10; i++)//多次运行以减小误差
        color_reduce1(image);//更换测试的函数即可

    time = (double)getTickCount() - time;
    time /= getTickFrequency();
    cout<<time/10<<endl;//除以10输出
}

各方法运行时间如下表所示（单位：秒）：

测试方法	Mat::at访问	指针访问	迭代器访问
Debug	0.316153	0.003027	0.414347
Release	0.00158968	0.00070958	0.00610587

• 绝对运行时间是没有意义的，有意义的是相对运行时间
• 最快的是指针访问像素的方法，Debug模式下，Mat::at访问运行时间是其104倍，迭代器访问运行时间是其137倍；Release模式下，Mat::at访问运行时间是其2.2倍，迭代器访问运行时间是其8.6倍

5.总结

• 以上介绍的访问像素的方法是最基础的访问方法，其它方法大多是在这三种方法基础上衍生出来的
• Mat::at访问和迭代器访问速度慢，但是安全，稳定性高；指针访问最快，但很危险，操作错误的话甚至会引起程序的崩溃
• 减小程序运行时间的方法有很多，比如嵌套循环中，尽量内循环次数多，外循环次数少；比如可以检测图片是否连续，再采取相应的处理方式；比如采用位运算
• 笔者的建议是：如果确切的知道待访问像素的位置，使用Mat::at方法；需要遍历一整行，一整列或者整个图像的时候，使用指针访问，如果怕自己出错，那就使用迭代器访问