基础学习笔记之opencv(9)：Mat图像扫描

　　本文来讲讲Mat存储的像素该怎么对其进行扫描？扫描的效率又如何？

　　文章参考opencv自带的tutiol及其code。

　　实验功能：

　　可以手动选择打开电脑上的图片。

　　对4种对Mat矩阵的扫描方法效率进行比较，这4种扫描方法分别为：连续内存直接访问；用迭代器进行访问；直接像素点进行访问；用LUT查找表进行访问；这4种扫描方法可以在菜单栏进行选择。

　　这些访问完后是将每个访问到的像素点的像素进行压缩，压缩间隔可以在软件的界面中进行修改。

　　软件的下端显示每种次扫描方法扫描打开的图片所用的平均时间(程序中设定为求100次的平均值)

　　实验说明：

　　通过本次实验，下面几点需要特别注意和学习：

　　1.注意Mat中isContinuous函数的含义，它是指Mat中的像素点在内存中的存储是否连续，一般情况下如果改Mat只有1行，那当然连续；如果有多行时，那么每行的end要与下一行的begin连在一起才算连续。一般方法我们建立的Mat都是连续的，但是如果用Mat::col(),Mat::dialog()等截取建立的Mat是不连续的。如果Mat连续，那么我们访问时就可以把其当成一个长行即可。

　　2.Mat自带的MatIterator_和普通的迭代器类似，都有相应的操作。

　　3.当Mat为多通道时，如果我们将其内容输出到终端，则可以看出其列数为Mat::cols的n倍，当然n为Mat的通道数。虽是如此，但是Mat::cols的数值并没有随之改变。

　　4.opencv中自带有LUT函数，当建立好查找表后，直接输入就可以得到输出了。

　　实验结果：

　　手动选择打开图片后：

　　


　　在菜单栏下可以选择扫描模式。下面是4种扫描结果图，注意观察其扫描所用的时间。

　　模式1(连续内存直接访问)结果：

　　


　　模式2(用迭代器进行访问)结果：

　　


　　模式3(直接像素点进行访问)结果：

　　


　　模式4(用LUT查找表进行访问)结果：

　　


　　大家不要只盯着图片的lena看，要观测扫描这幅图片所用的时间。

　　实验主要部分代码及注释（附录有工程code下载链接）：

#include "mainwindow.h"
#include "ui_mainwindow.h"

#include <iostream>

using namespace std;

MainWindow::MainWindow(QWidget *parent) :
QMainWindow(parent),
ui(new Ui::MainWindow)
{
ui->setupUi(this);

mode_num = 1;
times = 100;
divide_width = 50;
ui->textBrowser->setStyleSheet( QString::fromUtf8("background-color:black") );
ui->textBrowser->setTextColor( Qt::green );
ui->textBrowser->setFont( QFont("Times New Roman", 11) );
ui->textBrowser->append( "Scan Mode-----Efficient_way......" );

for( int i = 0; i <256; ++i )
{
table[i] = (i/divide_width)*divide_width;
}

}

MainWindow::~MainWindow()
{
delete ui;
}

void MainWindow::on_closeButton_clicked()
{
close();
}

void MainWindow::on_actionLUT_triggered(bool checked)
{
ui->textBrowser->clear();
mode_num = 4;
if( checked )
{
ui->textBrowser->append( "Scan Mode-----LUT......" );
ui->actionIterator->setChecked( 0 );
ui->actionOn_the_fly->setChecked( 0 );
ui->actionEfficient_way->setChecked( 0 );
}
else
ui->textBrowser->append( "0" );
}

void MainWindow::on_actionOn_the_fly_triggered(bool checked)
{
ui->textBrowser->clear();
mode_num = 3;
if( checked )
{
ui->textBrowser->append( "Scan Mode-----On_the_fly......" );
ui->actionEfficient_way->setChecked( 0 );
ui->actionIterator->setChecked( 0 );
ui->actionLUT->setChecked( 0 );
}
else
ui->textBrowser->append( "0" );
}

void MainWindow::on_actionIterator_triggered(bool checked)
{
ui->textBrowser->clear();
mode_num = 2;
if( checked )
{
ui->textBrowser->append( "Scan Mode-----Iterator......" );
ui->actionEfficient_way->setChecked( 0 );
ui->actionOn_the_fly->setChecked( 0 );
ui->actionLUT->setChecked( 0 );
}
else
ui->textBrowser->append( "0" );
}

void MainWindow::on_actionEfficient_way_triggered(bool checked)
{
ui->textBrowser->clear();
mode_num = 1;
if( checked )
{
ui->textBrowser->append( "Scan Mode-----Efficient_way......" );
ui->actionIterator->setChecked( 0 );
ui->actionOn_the_fly->setChecked( 0 );
ui->actionLUT->setChecked( 0 );
}
else
ui->textBrowser->append( "0" );
}

void MainWindow::on_openButton_clicked()
{
//tr函数是用来实现国际化的，即软件以后翻译成其它语言时，会自动翻译成中文，这里其实是没有必要的
QString img_mame = QFileDialog::getOpenFileName( this, "Open img", "../scan_img", tr("Image Files(*.png *.jpg *.bmp *.jpeg)") );
img = imread( img_mame.toAscii().data() );
cvtColor( img, img, CV_BGR2RGB );
QImage qimg = QImage( (const unsigned char*)(img.data), img.cols, img.rows, QImage::Format_RGB888 );
ui->label->setPixmap( QPixmap::fromImage( qimg ) );
cvtColor( img, img, CV_RGB2BGR );
}

void MainWindow::on_scanButton_clicked()
{
ui->label->clear();//该句可以不用，因为下面的图片显示会自动覆盖

//连续内存处理模式
if( 1 == mode_num )
{
double t = (double)getTickCount();
for( int i = 0; i < times; i++ )
{
Mat clone_I = img.clone();
img_scan = MainWindow::efficient_way_scan( clone_I, table );
}
t = (double)(((getTickCount()-t)/getTickFrequency())*1000/times);//计算times次的平均时间
ui->textBrowser->append( tr("the average time of scanning the image is : %1ms").arg( t ) );

//显示像素压缩后图像
cvtColor( img_scan, img_scan, CV_BGR2RGB );
QImage qimg = QImage( (const unsigned char*)(img_scan.data), img_scan.cols, img_scan.rows, QImage::Format_RGB888 );
ui->label->setPixmap( QPixmap::fromImage( qimg ) );
cvtColor( img_scan, img_scan, CV_RGB2BGR );
}

//迭代器模式
else if( 2 == mode_num )
{
double t = (double)getTickCount();
for( int i = 0; i < times; i++ )
{
Mat clone_I = img.clone();
img_scan = MainWindow::iterator_scan( clone_I, table );
}
t = (double)(((getTickCount()-t)/getTickFrequency())*1000/times);//计算times次的平均时间
ui->textBrowser->append( tr("the average time of scanning the image is : %1ms").arg( t ) );

//显示像素压缩后图像
cvtColor( img_scan, img_scan, CV_BGR2RGB );
QImage qimg = QImage( (const unsigned char*)(img_scan.data), img_scan.cols, img_scan.rows, QImage::Format_RGB888 );
ui->label->setPixmap( QPixmap::fromImage( qimg ) );
cvtColor( img_scan, img_scan, CV_RGB2BGR );
}

//单独扫描模式
else if( 3 == mode_num )
{
double t = (double)getTickCount();
for( int i = 0; i < times; i++ )
{
Mat clone_I = img.clone();
img_scan = MainWindow::on_the_flay_way_scan( clone_I, table );
}
t = (double)(((getTickCount()-t)/getTickFrequency())*1000/times);//计算times次的平均时间
ui->textBrowser->append( tr("the average time of scanning the image is : %1ms").arg( t ) );

//显示像素压缩后图像
cvtColor( img_scan, img_scan, CV_BGR2RGB );
QImage qimg = QImage( (const unsigned char*)(img_scan.data), img_scan.cols, img_scan.rows, QImage::Format_RGB888 );
ui->label->setPixmap( QPixmap::fromImage( qimg ) );
cvtColor( img_scan, img_scan, CV_RGB2BGR );
}

//LUT模式
else if( 4 == mode_num )
{
Mat lookup_table( 1, 256, CV_8U );
uchar *p = lookup_table.data;//即使没有初始化也是有首地址的
for( int i = 0; i < 256 ; i++ )
{
p[i] = table[i];
}

double t = (double)getTickCount();
for( int j = 0; j < times; j++ )
{
LUT( img, lookup_table, img_scan );
}
t = (double)(((getTickCount()-t)/getTickFrequency())*1000/times);//计算times次的平均时间
ui->textBrowser->append( tr("the average time of scanning the image is : %1ms").arg( t ) );

//显示像素压缩后图像
cvtColor( img_scan, img_scan, CV_BGR2RGB );
QImage qimg = QImage( (const unsigned char*)(img_scan.data), img_scan.cols, img_scan.rows, QImage::Format_RGB888 );
ui->label->setPixmap( QPixmap::fromImage( qimg ) );
cvtColor( img_scan, img_scan, CV_RGB2BGR );
}

}

void MainWindow::on_spinBox_editingFinished()
{
divide_width = ui->spinBox->value();//获取spinBox里更改过的值
for( int i = 0; i <256; ++i )
{
table[i] = (i/divide_width)*divide_width;//像素压缩过程
}

}

//转换成一个长行后进行扫描，效率较高
Mat& MainWindow::efficient_way_scan( Mat& I, const int* const table )
{
CV_Assert( I.depth() != sizeof( uchar ) );
int channels = I.channels();
int nRows = I.rows*channels;
int nCols = I.cols;

if( I.isContinuous() )
{
nCols *=nRows;//注意先后顺序
nRows = 1;

}

uchar *p;
for( int i = 0; i < nRows; ++i )
{
p =  I.ptr<uchar>(i);
for( int j = 0; j < nCols; ++j )
{
p[j] = (uchar)table[p[j]];//像素压缩后
}
}

return I;
}

//用迭代器进行扫描，比较安全
Mat& MainWindow:: iterator_scan( Mat& I, const int* const table )
{
CV_Assert( I.depth() != sizeof(uchar) );
int channels = I.channels();
if ( 1 == channels )
{
MatIterator_<uchar> it = I.begin<uchar>(), end = I.end<uchar>();
for( ; it != end; ++it )
{
*it = table[*it];
}
}
else if( 3 == channels )
{
MatIterator_<Vec3b>it = I.begin<Vec3b>(), end = I.end<Vec3b>();
for( ; it != end; ++it )
{
//3个通道时需分开进行，否则会自动跳过
//虽然实际的列数为其3倍(内存中的),但Mat实际上的cols并没有改变
(*it)[0] = table[(*it)[0]];
(*it)[1] = table[(*it)[1]];
(*it)[2] = table[(*it)[2]];
}
}
return I;
}

//每个点进行访问，速度最慢
Mat& MainWindow:: on_the_flay_way_scan( Mat& I, const int* const table )
{
CV_Assert( I.depth() != sizeof(uchar) );
int cols = I.cols;
int rows = I.rows;
int channels = I.channels();

switch( channels )
{
case 1:
{
for( int i = 0; i < rows; i++ )
for( int j = 0; j < cols; j++)
{
I.at<uchar>(i, j) = table[I.at<uchar>(i, j)];
}
break;
}
case 3:
{
Mat_<Vec3b> _I = I;//下面的取元素操作可以少输入一些关键字
for( int i = 0; i < rows; i++ )
for( int j = 0; j < 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]];
}
break;
}
break;
}

return I;

}

　　实验总结：

　　可以看出速度最快的是模式4(LUT查找表)，最慢的是模式3(直接像素点进行访问)，模式1(当作1个长行进行扫描)效率较高，模式2(用迭代器进行扫描)效率较低，但是该方法操作比较安全。

　　Qt Creator菜单栏编程时，关于一组菜单选项下每个时刻只能选择1个的解决方法还没掌握，所以本程序中采用的是比较笨的方法。对Qt的界面编程要多多练习。

　　

　　附：工程code下载