1.存取單個像素值
最通常的方法就是
- img.at<uchar>(i,j) = 255;
- img.at<Vec3b>(i,j)[0] = 255;
如果你覺得at操作顯得太笨重了，不想用Mat這個類，也可以考慮使用輕量級的Mat_類，使用重載操作符()實現取元素的操作。
- cv::Mat_<uchar> im2= img; // im2 refers to image
- im2(50,100)= 0; // access to row 50 and column 100
2.用指針掃描一幅圖像
對於一幅圖像的掃描，用at就顯得不太好了，還是是用指針的操作方法更加推薦。先介紹一種上一講提到過的
- for (int j=0; j<nl; j++)
- {
- uchar* data= image.ptr<uchar>(j);
- for (int i=0; i<nc; i++)
- {
- data[i] = 255;
- }
- }
更高效的掃描連續圖像的做法可能是把W*H的衣服圖像看成是一個1*（w*h）的一個一維數組，這個想法是不是有點奇葩，這裏要利用isContinuous這個函數判斷圖像內的像素是否填充滿，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;
- }
更低級的指針操作就是使用Mat裏的data指針，之前我稱之爲暴力青年，使用方法如下：
- uchar* data = img.data;
- // img.at(i, j)
- data = img.data + i * img.step + j * img.elemSize();
3.用迭代器iterator掃描圖像
和C++STL裏的迭代器類似，Mat的迭代器與之是兼容的。是MatIterator_。聲明方法如下：
- cv::MatIterator_<Vec3b> it;
或者是：
- cv::Mat_<Vec3b>::iterator it;
掃描圖像的方法如下：
- 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方案總結
還是用我們之前使用過的getTickCount、getTickFrequency函數測試速度。這裏我就不一一列舉我測試的結果了，直接上結論。測試發現，好的編寫風格可以提高50%的速度！要想減少程序運行的時間，必要的優化包括如下幾個方面：
（1）內存分配是個耗時的工作，優化之；
（2）在循環中重複計算已經得到的值，是個費時的工作，優化之；舉例：
- int nc = img.cols * img.channels();
- for (int i=0; i<nc; i++)
- {.......}
- //**************************
- for (int i=0; i<img.cols * img.channels(); i++)
- {......}
後者的速度比前者要慢上好多。
（3）使用迭代器也會是速度變慢，但迭代器的使用可以減少程序錯誤的發生機率，考慮這個因素，可以酌情優化
（4）at操作要比指針的操作慢很多，所以對於不連續數據或者單個點處理，可以考慮at操作，對於連續的大量數據，不要使用它
（5）掃描連續圖像的做法可能是把W*H的衣服圖像看成是一個1*（w*h）的一個一維數組這種辦法也可以提高速度。短的循環比長循環更高效，即使他們的操作數是相同的
以上的這些優化可能對於大家的程序運行速度提高並不明顯，但它們畢竟是個得到速度提升的好的編程策略，希望大家能多采納。
還有就是利用多線程也可以高效提高運行速度。OpenMP和TBB是兩種流行的APT，不過對於多線程的東西，我是有些迷糊的，呵呵
5.整行整列像素值的賦值
對於整行或者整列的數據，可以考慮這種方式處理
- img.row(i).setTo(Scalar(255));
- img.col(j).setTo(Scalar(255));