Mat数据类型

https://www.cnblogs.com/feifanrensheng/p/8947185.html

opencv3中图形存储基本为Mat格式，如果我们想获取像素点的灰度值或者RGB值，可以通过image.at<uchar>(i,j)的方式轻松获取。

Mat类中的at方法对于获取图像矩阵某点的RGB值或者改变某点的值很方便，对于单通道的图像，则可以使用：

image.at<uchar>(i, j)

其中有一个要注意的地方是i对应的是点的y坐标，j对应的是点的x坐标，而不是我们习惯的（x,y）

来获取或改变该点的值，而RGB通道的则可以使用：

    image.at<Vec3b>(i, j)[0]  
    image.at<Vec3b>(i, j)[1]  
    image.at<Vec3b>(i, j)[2]

来分别获取B、G、R三个通道的对应的值。下边的代码实现对图像加椒盐噪声：

// created by ning zhang 2018/4/25
// The function of this program is to add noise to the image
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;


void salt_noise( Mat image, int time );

int main ( int argc, char** argv )
{
    Mat image = imread("../lena.jpg",0); //input the gray image
    if ( image.empty() )
    {
        cout << "Load image error" << endl;
        return -1;
    }
    salt_noise(image, 3000);
    namedWindow("image", 1);
    imshow("image", image);

    waitKey();
    return 0;
}

void salt_noise ( Mat image, int time )
{
    for (int k = 0; k < time; k++ ) //time is the number of noise you add
    {
        int i = rand() % image.rows;
        int j = rand() % image.cols;
        if (image.channels() == 1) //single channel
        {
            image.at<uchar>(i,j) = rand() % 255;
        }
        else if (image.channels() == 3) //RGB channel
        {
            image.at<Vec3b>(i, j)[0] = rand() % 255;
            image.at<Vec3b>(i, j)[1] = rand() % 255;
            image.at<Vec3b>(i, j)[2] = rand() % 255;
        }
    }
}

效果图如下所示，可以为图片增加噪点

代码地址：https://github.com/feifanrensheng/salt_noise

还有比较省时的方法使用Mat的模板子类Mat_<T>,，对于单通道的具体使用：

Mat_<uchar> img = image;  
img(i, j) = rand() % 255;

对于RGB通道的使用：

Mat_<Vec3b> img = image;  
img(i, j)[0] = rand() % 255;  
img(i, j)[1] = rand() % 255;  
mg(i, j)[2] = rand() % 255;

还可以用指针的方法遍历每一像素：（耗时较小）

void colorReduce(Mat image, int div = 64)  
    {  
        int nrow = image.rows;  
        int ncol = image.cols*image.channels();  
        for (int i = 0; i < nrow; i++)  
        {  
            uchar* data = image.ptr<uchar>(i);//get the address of row i;  
            for (int j = 0; j < ncol; j++)  
            {  
                data[i] = (data[i] / div)*div ;  
            }  
        }  
    } 

我们要尤其注意OpenCV坐标系与row&col的关系 (Mat::at(x,y)和Mat::at(Point(x, y))的区别)

直接给出对应关系吧

row == heigh == Point.y

col == width == Point.x

Mat::at(Point(x, y)) == Mat::at(y,x)

因为还有点的坐标，所以建议在访问时都用Mat::at(Point(x, y))这种形式吧，免去了点坐标和行列的转换

详细说明：

1. 坐标体系中的零点坐标为图片的左上角，X轴为图像矩形的上面那条水平线；Y轴为图像矩形左边的那条垂直线。该坐标体系在诸如结构体Mat,Rect,Point中都是适用的。（虽然网上有学着说OpenCV中有些数据结构的坐标原点是在图片的左下角，但是我暂时还没碰到过）。

2. 在使用image.at(x1, x2)来访问图像中点的值的时候，x1并不是图片中对应点的x轴坐标，而是图片中对应点的y坐标。因此其访问的结果其实是访问image图像中的Point(x2, x1)点，即与image.at(Point(x2, x1))效果相同。

3. 如果所画图像是多通道的，比如说image图像的通道数时n，则使用Mat::at(x, y)时，其x的范围依旧是0到image的height，而y的取值范围则是0到image的width乘以n，因为这个时候是有n个通道，所以每个像素需要占有n列。但是如果在同样的情况下，使用Mat::at(point)来访问的话，则这时候可以不用考虑通道的个数，因为你要赋值给获取Mat::at(point)的值时，都不是一个数字，而是一个对应的n维向量。

参考：https://blog.csdn.net/xiao_lxl/article/details/69568963

https://blog.csdn.net/wangxuwen2/article/details/52443978

https://blog.csdn.net/u013203733/article/details/73742247

https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=0&rsv_idx=1&tn=baidu&wd=mat.at()&rsv_pq=ca3aed07000036c0&rsv_t=24317bhASyuKaxOgeSdlua%2FIqMWm7sRcP%2F1SQu5FhmelisfC2AWVqZaIMPk&rqlang=cn&rsv_enter=1&rsv_sug3=10&rsv_sug1=8&rsv_sug7=100&rsv_sug2=0&inputT=6442&rsv_sug4=7626