opencv关于存取图像像素操作的汇总

1.存取单个像素值

最通常的方法就是

 img.at<uchar>(i,j) = 255;
 img.at<Vec3b>(i,j)[0] = 255;

如果你觉得 at 操作显得太笨重了，不想用 Mat 这个类，也可以考虑使用轻量级的 Mat_ 类，使用重载操作符 () 实现取元素的操作。

 cv::Mat_<uchar> im2= img; // im2 refers to image
    im2(50,100)= 0; // access to row 50 and column 100

2.用指针扫描一幅图像

对于一幅图像的扫描，用at就显得不太好了，还是是用指针的操作方法显得更加好。先介绍一种上一讲提到过的

 for (int j=0; j<nl; j++)
 {
         uchar* data= image.ptr<uchar>(j);
         for (int i=0; i<nc; i++)
        {
                   data[i] = 255;
         }
 }

更高效的扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*（w*h）的一个一维数组，这个想法是不是有点奇葩，这里要利用 isContinuous 这个函数判断图像内的像素是否填充满，使用方法如下：

 if (img.isContinuous())
 {
         nc = img.rows*img.cols*img.channels();
 }
 uchar* data = img.ptr<uchar>(0);
 for (int i=0; i<nc; i++)
 {
         data[i] = 255;
 }

更低级的指针操作就是使用Mat里的data指针，之前我称之为暴力青年，使用方法如下：

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

整行整列操作像素，用这种方法还可以处理多通道图像

void perform_xyz(IplImage *img)

{
for(int y=0;y<img->height;y++)  //y是控制列像素
{
uchar *ptr=(uchar *)(img->imageData + y*img->widthStep);  //ptr=数据首指针+列指针
for(int x=0;x<img->width;x++)  //x控制行像素
{
ptr[3*x+1]=255;   //1，2，3表示3个通道
ptr[3*x+2]=255;
ptr[3*x+3]=255;
}
}

}

3.用迭代器iterator扫描图像

和C++STL里的迭代器类似，Mat的迭代器与之是兼容的。是MatIterator_。声明方法如下：

 cv::MatIterator_<Vec3b> it;

或者是：

 cv::Mat_<Vec3b>::iterator it;

扫描图像的方法如下：

 Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
 Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
 for (; it!=itend; it++)
 {
          (*it)[0] = 255;
 }

4.高效的scan image方案总结

还是用我们之前使用过的getTickCount、getTickFrequency函数测试速度。这里我就不一一列举我测试的结果了，直接上结论。测试发现，好的编写风格可以提高50%的速度！要想减少程序运行的时间，必要的优化包括如下几个方面：

（1）内存分配是个耗时的工作，优化之；

（2）在循环中重复计算已经得到的值，是个费时的工作，优化之；举例：

 int nc = img.cols * img.channels();
 for (int i=0; i<nc; i++)
 {.......}
 //**************************  for循环里面最好不要计算
 for (int i=0; i<img.cols * img.channels(); i++)
 {......}

后者的速度比前者要慢上好多。

（3）使用迭代器也会是速度变慢，但迭代器的使用可以减少程序错误的发生几率，考虑这个因素，可以酌情优化

（4）at操作要比指针的操作慢很多，所以对于不连续数据或者单个点处理，可以考虑at操作，对于连续的大量数据，不要使用它

（5）扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*（w*h）的一个一维数组这种办法也可以提高速度。短的循环比长循环更高效，即使他们的操作数是相同的

以上的这些优化可能对于大家的程序运行速度提高并不明显，但它们毕竟是个得到速度提升的好的编程策略，希望大家能多采纳。

还有就是利用多线程也可以高效提高运行速度。OpenMP和TBB是两种流行的APT，不过对于多线程的东西，我是有些迷糊的，呵呵

5.整行整列像素值的赋值

对于整行或者整列的数据，可以考虑这种方式处理

 img.row(i).setTo(Scalar(255));
 img.col(j).setTo(Scalar(255));