訪問Mat圖像中每個像素的值

今天百度搜資料還搜到了自己的。。。《訪問圖像中每個像素的值》，這是之前寫的了，用的也是2.0的風格IplImage*格式，不太適用後來Mat的格式，特此重寫一篇。

以下例子源自《The OpenCV Tutorials --Release 2.4.2》2.2 How to scan images, lookup tables and time measurement with OpenCV

圖像容器Mat

還是先看Mat的存儲形式。Mat和Matlab裏的數組格式有點像，但一般是二維向量，如果是灰度圖，一般存放<uchar>類型；如果是RGB彩色圖，存放<Vec3b>類型。

單通道灰度圖數據存放格式：

多通道的圖像中，每列並列存放通道數量的子列，如RGB三通道彩色圖：

注意通道的順序反轉了：BGR。通常情況內存足夠大的話圖像的每一行是連續存放的，也就是在內存上圖像的所有數據存放成一行，這中情況在訪問時可以提供很大方便。可以用 isContinuous()函數來判斷圖像數組是否爲連續的。

訪問圖像中的像素

高效的方法：C操作符[ ]

最快的是直接用C風格的內存訪問操作符[]來訪問：

Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() != sizeof(uchar));
    int channels = I.channels();
    int nRows = I.rows ;
    int nCols = I.cols* channels;
    if (I.isContinuous())
    {
        nCols *= nRows;
        nRows = 1;
    }
    int i,j;
    uchar* p;
    for( i = 0; i < nRows; ++i)
    {
        p = I.ptr<uchar>(i);
        for ( j = 0; j < nCols; ++j)
        {
            p[j] = table[p[j]];
        }
    }
    return I;
}

注意：書中這段代碼是有問題的，前面寫成了 

int nRows = I.rows * channels;
int nCols = I.cols;

一般情況 isContinous爲true，運行不會出錯，但你可以註釋掉那個if，會有訪問越界的問題。

這種訪問形式就是在每行定義一個指針，然後在內存上直接連續訪問。如果整個數組在內存上都是連續存放的，那麼只需要定義一個指針就可以訪問所有的數據！如單通道的灰度圖訪問方式如下：

uchar* p = I.data;
for( unsigned int i =0; i < ncol*nrows; ++i)
    *p++ = table[*p];

安全的方法：迭代器iterator

相比用指針直接訪問可能出現越界問題，迭代器絕對是非常安全的方法：

Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() != sizeof(uchar));
    const int channels = I.channels();
    switch(channels)
    {
    case 1:
        {
            MatIterator_<uchar> it, end;
            for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
                *it = table[*it];
            break;
        }
    case 3:
        {
            MatIterator_<Vec3b> it, end;
            for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
            {
                (*it)[0] = table[(*it)[0]];
                (*it)[1] = table[(*it)[1]];
                (*it)[2] = table[(*it)[2]];
            }
        }
    }
    return I;
}

這裏我們只定義了一個迭代器，用了一個for循環，這是因爲在OpenCV裏迭代器會訪問每一列然後自動跳到下一行，不用管在內存上是否isContinous。另外要注意的是在三通道圖像中我們定義的是 <Vec3b>格式的迭代器，如果定義成uchar，則只能訪問到B即藍色通道的值。
這種方式雖然安全，但是挺慢的，一會兒就知道了。

更慢的方法：動態地址計算

這種方法在需要連續掃描所有點的應用時並不推薦，因爲它更實用與隨機訪問。這種方法最基本的用途是訪問任意的某一行某一列：

Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() != sizeof(uchar));
    const int channels = I.channels();
    switch(channels)
    {
    case 1:
        {
            for( int i = 0; i < I.rows; ++i)
                for( int j = 0; j < I.cols; ++j )
                    I.at<uchar>(i,j) = table[I.at<uchar>(i,j)];
            break;
        }
    case 3:
        {
            Mat_<Vec3b> _I = I;

            for( int i = 0; i < I.rows; ++i)
                for( int j = 0; j < I.cols; ++j )
                {
                    _I(i,j)[0] = table[_I(i,j)[0]];
                    _I(i,j)[1] = table[_I(i,j)[1]];
                    _I(i,j)[2] = table[_I(i,j)[2]];
                }
                I = _I;
                break;
        }
    }
    return I;
}

因爲這種方法是爲隨機訪問設計的，所以真的是奇慢無比。。。

減小顏色空間 color space reduction

現在來介紹下上述函數對每個元素的操作，也就是用table更改像素值。這裏其實是做了個減小顏色空間的操作，這在一些識別之類的應用中會大大降低運算複雜度。類如uchar類型的三通道圖像，每個通道取值可以是0~255，於是就有 256*256個不同的值。我們可以通過定義：
0~9 範圍的像素值爲 0
10~19 範圍的像素值 爲 10
20~29 範圍的像素值爲 20
。。。。。。
着這樣的操作將顏色取值降低爲 26*26*26 種情況。這個操作可以用一個簡單的公式：

來實現，因爲C++中int類型除法操作會自動截餘。 類如 Iold=14; Inew=(Iold/10)*10=(14/10)*10=1*10=10;
在處理圖像像素時，每個像素需要進行一遍上述計算也需要一定的時間花銷。但我們注意到其實只有 0~255 種像素，即只有256種情況。進一步可以把256種計算好的結果提前存在表中 table 中，這樣每種情況不需計算直接從 table 中取結果即可。

int divideWith=10;
uchar table[256];
for (int i = 0; i < 256; ++i)
    table[i] = divideWith* (i/divideWith);

於是table[i]存放的是值爲i的像素減小顏色空間的結果，這樣也就可以理解上述方法中的操作：

p[j] = table[p[j]];

LUT : Look up table

OpenCV 很聰明的有個 LUT 函數就是針對這種 Look up talbe 的操作：

Mat lookUpTable(1, 256, CV_8U);
uchar* p = lookUpTable.data;
for( int i = 0; i < 256; ++i)
    p[i] = table[i];
for (int i = 0; i < times; ++i)
    LUT(I, lookUpTable, J);

算法計時

爲了驗證幾種方法的效率，可以用一個簡單的計時和輸出：

double t;
t = (double)getTickCount();
t = 1000*((double)getTickCount() - t)/getTickFrequency();
t /= times;

實驗結果

原圖：

降低顏色空間結果：

算法時間：

更清楚的時間對比表：

轉載請註明出處：http://blog.csdn.net/xiaowei_cqu/article/details/7771760