计算机使用 0/1 编码存储图像，数字图像在计算机中同样也使用 0/1 编码来存储。在计算机看来图像是一堆亮度不同的点组成的矩阵。一般灰度图用 2 维矩阵来表示，彩色图片是多通道的，则用 3 维矩阵来表示。
我们一般接触的图像都是 8 位整数（CV_8U），所以灰度图像包含 0～255 灰度，其中 0 代表最⿊，1表⽰最⽩。
彩色图像比如 RGB 图像，每个像素用三个字节来表示，而 OpenCV 中存储 RGB 图像以 BGR 的顺序存储图像，所以存储方式如上所示。
本文将介绍遍历灰度图像和彩色图像的方法，其本质即为遍历图像矩阵，可以对比二维数组的遍历来学习。
使用 at() 遍历图像
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
| #include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
// 使用构造器创建 Mat，注意类型
cv::Mat grayImage(400, 500, CV_8UC1);
cv::Mat colorImage(400, 500, CV_8UC3);
for(int i = 0; i < grayImage.rows; i++)
{
for(int j = 0; j < grayImage.cols; j++)
{
// 灰度图像是单通道的
grayImage.at<uchar>(i, j) = (i + j) % 255;
}
}
for(int i = 0; i < colorImage.rows; i++)
{
for(int j = 0; j < colorImage.cols; j++)
{
// 三通道用向量来表示
cv::Vec3b pixel;
pixel[0] = i % 255;
pixel[1] = j % 255;
pixel[2] = 0;
colorImage.at<cv::Vec3b>(i, j) = pixel;
}
}
cv::imshow("1. GrayImage", grayImage);
cv::imshow("2. ColorImage", colorImage);
cv::waitKey(0);
return 0;
}
|
at() 的优点在于可读性强，缺点在于效率不高。图像遍历操作时常用且开销很大的操作，所以不推荐使用 at() 做图像的遍历操作。
使用指针遍历
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
| #include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
cv::Mat grayImage(400, 500, CV_8UC1);
cv::Mat colorImage(400, 500, CV_8UC3);
for(int i = 0; i < grayImage.rows; i++)
{
uchar *p = grayImage.ptr<uchar>(i);
for(int j =0; j < grayImage.cols; j++)
{
p[j] = (i + j) % 255;
}
}
for(int i = 0; i < colorImage.rows; i++)
{
cv::Vec3b *p = colorImage.ptr<cv::Vec3b>(i);
for(int j =0; j < colorImage.cols; j++)
{
p[j][0] = i % 255;
p[j][1] = j % 255;
p[j][2] = 0;
}
}
cv::imshow("1. GrayImage", grayImage);
cv::imshow("2. ColorImage", colorImage);
cv::waitKey(0);
return 0;
}
|
程序是用 image.ptr() 返回矩阵每一行的头指针，紧接着遍历这一行的元素。
指针的优点在于访问速度快，缺点在于指针较为复杂，不熟悉指针的朋友容易犯错且不易查找错误。
迭代器遍历
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
| #include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
cv::Mat grayImage(400, 500, CV_8UC1);
cv::Mat colorImage(400, 500, CV_8UC3);
cv::MatIterator_<uchar> grayit, grayend;
for (grayit = grayImage.begin<uchar>(), grayend = grayImage.end<uchar>();
grayit != grayend; grayit++)
{
*grayit = rand() % 255;
}
cv::MatIterator_<cv::Vec3b> colorit, colorend;
for (colorit = colorImage.begin<cv::Vec3b>(), colorend = colorImage.end<cv::Vec3b>();
colorit != colorend; colorit++)
{
(*colorit)[0] = rand() % 255;
(*colorit)[1] = rand() % 255;
(*colorit)[2] = rand() % 255;
}
cv::imshow("1. GrayImage", grayImage);
cv::imshow("2. ColorImage", colorImage);
cv::waitKey(0);
return 0;
}
|
在 C++ 的 STL 库，或者 Java, Python 等语言中都提供了对迭代器的支持，OpenCV 也支持使用迭代器的方式进行遍历，代码如上所示。
本文介绍了遍历 Mat 的三种方式: 使用 at() 遍历，使用指针遍历，以及使用迭代器遍历。推荐使用指针的方式遍历图像，其效率最高，在编写图像处理的算法时，效率是我们不可忽视的要素。