opencv學習--- 影象中像的訪問與遍歷
***好記性不如爛筆頭**** 轉自：https://www.cnblogs.com/yssongest/p/4708259.html
我們在實際應用中對影象進行的操作，往往並不是將影象作為一個整體進行操作，而是對影象中的所有點或特殊點進行運算，所以遍歷影象就顯得很重要，如何高效的遍歷影象是一個很值得探討的問題。
一、遍歷影象的4種方式：at<typename>(i,j)
Mat類提供了一個at的方法用於取得影象上的點，它是一個模板函式，可以取到任何型別的影象上的點。下面我們通過一個影象處理中的實際來說明它的用法。
在實際應用中，我們很多時候需要對影象降色彩，因為256*256*256實在太多了，在影象顏色聚類或彩色直方圖時，我們需要用一些代表性的顏色代替豐富的色彩空間，我們的思路是將每個通道的256種顏色用64種代替，即將原來256種顏色劃分64個顏色段，每個顏色段取中間的顏色值作為代表色。
注意：image.at<Vec3b>(ROW,COL)，如果對應某個點Point A, 則是image.at<Vec3b>(A.y,A.x)[0]，順序是反的。
void colorReduce(Mat& image,int div) { for(int i=0;i<image.rows;i++) { for(int j=0;j<image.cols;j++) { image.at<Vec3b>(i,j)[0]=image.at<Vec3b>(i,j)[0]/div*div+div/2; image.at<Vec3b>(i,j)[1]=image.at<Vec3b>(i,j)[1]/div*div+div/2; image.at<Vec3b>(i,j)[2]=image.at<Vec3b>(i,j)[2]/div*div+div/2; } } }
通過上面的例子我們可以看出，at方法取影象中的點的用法： image.at<uchar>(i,j)：取出灰度影象中i行j列的點。 image.at<Vec3b>(i,j)[k]：取出彩色影象中i行j列第k通道的顏色點。其中uchar,Vec3b都是影象畫素值的型別，不要對Vec3b這種型別感覺害怕，其實在core裡它是通過typedef Vec<T,N>來定義的，N代表元素的個數，T代表型別。
更簡單一些的方法：OpenCV定義了一個Mat的模板子類為Mat_，它過載了operator()讓我們可以更方便的取影象上的點。Mat_<uchar> im=image; im(i,j)=im(i,j)/div*div+div/2;
二、高效一點：用指標來遍歷影象 上面的例程中可以看到，我們實際喜歡把原圖傳進函式內，但是在函式內我們對原影象進行了修改，而將原圖作為一個結果輸出，很多時候我們需要保留原圖，這樣我們需要一個原圖的副本。
void colorReduce(const Mat& image,Mat& outImage,int div)
{
// 建立與原影象等尺寸的影象
outImage.create(image.size(),image.type());
int nr=image.rows;
// 將3通道轉換為1通道
int nl=image.cols*image.channels();
for(int k=0;k<nr;k++)
{
// 每一行影象的指標
const uchar* inData=image.ptr<uchar>(k);
uchar* outData=outImage.ptr<uchar>(k);
for(int i=0;i<nl;i++)
{
outData[i]=inData[i]/div*div+div/2;
}
}
}從上面的例子中可以看出，取出影象中第i行資料的指標：image.ptr<uchar>(i)。
值得說明的是：程式中將三通道的資料轉換為1通道，在建立在每一行資料元素之間在記憶體裡是連續儲存的，每個畫素三通道畫素按順序儲存。也就是一幅影象資料最開始的三個值，是最左上角的那畫素的三個通道的值。但是這種用法不能用在行與行之間，因為影象在 OpenCV 裡的儲存機制問題，行與行之間可能有空白單元。這些空白單元對影象來說是沒有意思的，只是為了在某些架構上能夠更有效率，比如 intel MMX 可以更有效的處理那種個數是4或8倍數的行。但是我們可以申明一個連續的空間來儲存影象，這個話題引入下面最為高效的遍歷影象的機制。
三、更高效的方法 上面已經提到過了，一般來說影象行與行之間往往儲存是不連續的，但是有些影象可以是連續的，Mat提供了一個檢測影象是否連續的函式isContinuous()。當影象連通時，我們就可以把影象完全展開，看成是一行。
void colorReduce(const Mat& image,Mat& outImage,int div)
{
int nr=image.rows;
int nc=image.cols;
outImage.create(image.size(),image.type());
if(image.isContinuous()&&outImage.isContinuous())
{
nr=1;
nc=nc*image.rows*image.channels();
}
for(int i=0;i<nr;i++)
{
const uchar* inData=image.ptr<uchar>(i);
uchar* outData=outImage.ptr<uchar>(i);
for(int j=0;j<nc;j++)
{
*outData++=*inData++/div*div+div/2;
}
}
}用指標除了用上面的方法外，還可以用指標來索引固定位置的畫素：image.step返回影象一行畫素元素的個數（包括空白元素），image.elemSize()返回一個影象畫素的大小。 &image.at<uchar>(i,j)=image.data+i*image.step+j*image.elemSize();
四、用迭代器來遍歷 下面的方法可以讓我們來為影象中的畫素宣告一個迭代器： MatIterator_<Vec3b> it; Mat_<Vec3b>::iterator it; 如果迭代器指向一個const影象，則可以用下面的宣告： MatConstIterator<Vec3b> it; 或者Mat_<Vec3b>::const_iterator it; 下面我們用迭代器來簡化上面的colorReduce程式：
void colorReduce(const Mat& image,Mat& outImage,int div)
{
outImage.create(image.size(),image.type());
MatConstIterator_<Vec3b> it_in=image.begin<Vec3b>();
MatConstIterator_<Vec3b> itend_in=image.end<Vec3b>();
MatIterator_<Vec3b> it_out=outImage.begin<Vec3b>();
MatIterator_<Vec3b> itend_out=outImage.end<Vec3b>();
while(it_in!=itend_in)
{
(*it_out)[0]=(*it_in)[0]/div*div+div/2;
(*it_out)[1]=(*it_in)[1]/div*div+div/2;
(*it_out)[2]=(*it_in)[2]/div*div+div/2;
it_in++;
it_out++;
}
}如果你想從第二行開始，則可以從image.begin<Vec3b>()+image.rows開始。 上面4種方法中，第3種方法的效率最高！
五、影象的鄰域操作 很多時候，我們對影象處理時，要考慮它的鄰域，比如3*3是我們常用的，這在影象濾波、去噪中最為常見，下面我們介紹如果在一次影象遍歷過程中進行鄰域的運算。
下面我們進行一個簡單的濾波操作，濾波運算元為[0 –1 0;-1 5 –1;0 –1 0]。它可以讓影象變得尖銳，而邊緣更加突出。核心公式即：sharp(i.j)=5*image(i,j)-image(i-1,j)-image(i+1,j)-image(i,j-1)-image(i,j+1)。
void ImgFilter2d(const Mat &image,Mat& result)
{
result.create(image.size(),image.type());
int nr=image.rows;
int nc=image.cols*image.channels();
for(int i=1;i<nr-1;i++)
{
const uchar* up_line=image.ptr<uchar>(i-1);//指向上一行
const uchar* mid_line=image.ptr<uchar>(i);//當前行
const uchar* down_line=image.ptr<uchar>(i+1);//下一行
uchar* cur_line=result.ptr<uchar>(i);
for(int j=1;j<nc-1;j++)
{
cur_line[j]=saturate_cast<uchar>(5*mid_line[j]-mid_line[j-1]-mid_line[j+1]-
up_line[j]-down_line[j]);
}
}
// 把影象邊緣畫素設定為0
result.row(0).setTo(Scalar(0));
result.row(result.rows-1).setTo(Scalar(0));
result.col(0).setTo(Scalar(0));
result.col(result.cols-1).setTo(Scalar(0));
}
上面的程式有以下幾點需要說明：
1，staturate_cast<typename>是一個型別轉換函式，程式裡是為了確保運算結果還在uchar範圍內。
2，row和col方法返回影象中的某些行或列，返回值是一個Mat。
3，setTo方法將Mat對像中的點設定為一個值，Scalar(n)為一個灰度值，Scalar(a,b,c)為一個彩色值。
六、影象的算術運算 Mat類把很多算數操作符都進行了過載，讓它們來符合矩陣的一些運算，如果+、-、點乘等。下面我們來看看用位操作和基本算術運算來完成本文中的colorReduce程式，它更簡單，更高效。將256種灰度階降到64位其實是拋棄了二進位制最後面的4位，所以我們可以用位操作來做這一步處理。
首先我們計算2^8降到2^n中的n：int n=static_cast<int>(log(static_cast<double>(div))/log(2.0));
然後可以得到mask，mask=0xFF<<n;
用下面簡直的語句就可以得到我們想要的結果：result=(image&Scalar(mask,mask,mask))+Scalar(div/2,div/2,div/2);
很多時候我們需要對影象的一個通訊單獨進行操作，比如在HSV色彩模式下，我們就經常把3個通道分開考慮。
vector<Mat> planes;
// 將image分為三個通道影象儲存在planes中
split(image,planes);
planes[0]+=image2;
// 將planes中三幅影象合為一個三通道影象
merge(planes,result);