OpenCV学习C++接口 Mat像素遍历详解
2014-08-06 20:29
567 查看
IplImage像素遍历和Mat之间的转换请看下一篇博文,
学习总结:
当Mat为多通道时,如3通道,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,意思是说显示数据的时候r、g、b安顺输出,然后输出下一个像素的r、g、b,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。
当复制一副图像时,利用函数cv::Mat::clone(),则将在内存中重新开辟一段新的内存存放复制的图像(图像数据也将全部复制),而如果利用cv::Mat::copyTo()复制图像,则不会在内存中开辟一段新的内存块,同时也不会复制图像数据,复制前后的图像的指针指向同一个内存块。使用的时候需注意两个函数的区别。
因为自从openCv可以用c++方式实现之后,我们可以使用迭代器和at的方式方式遍历像素,不过at几乎是所有方式中效率最低的一种,iterator的方式比使用at的方式好一点,这种方式比较安全和简单易懂明了。
在openCv 2计算机视觉一书中降到的像素压缩:利用位操作的算法效率最高,其次是利用整数除法中向下取整,效率最低的是取模运算。
代码如下,可以仔细研究一下和分析一下:
学习总结:
当Mat为多通道时,如3通道,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,意思是说显示数据的时候r、g、b安顺输出,然后输出下一个像素的r、g、b,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。
当复制一副图像时,利用函数cv::Mat::clone(),则将在内存中重新开辟一段新的内存存放复制的图像(图像数据也将全部复制),而如果利用cv::Mat::copyTo()复制图像,则不会在内存中开辟一段新的内存块,同时也不会复制图像数据,复制前后的图像的指针指向同一个内存块。使用的时候需注意两个函数的区别。
因为自从openCv可以用c++方式实现之后,我们可以使用迭代器和at的方式方式遍历像素,不过at几乎是所有方式中效率最低的一种,iterator的方式比使用at的方式好一点,这种方式比较安全和简单易懂明了。
在openCv 2计算机视觉一书中降到的像素压缩:利用位操作的算法效率最高,其次是利用整数除法中向下取整,效率最低的是取模运算。
代码如下,可以仔细研究一下和分析一下:
/*************************************************************** * * 内容摘要:本例采用8种方法对图像Mat的像素进行扫描,并对像素点的像 * 素进行压缩,压缩间隔为div=64,并比较扫描及压缩的效率,效 * 率最高的是采用.ptr及减少循环次数来遍历图像,并采用位操 * 作来对图像像素进行压缩。 * 参考资料:《OpenCV 2 computer Vision Application Programming * cookbook》 * ***************************************************************/ #include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp> #include <iostream> //利用.ptr和数组下标进行图像像素遍历 void colorReduce0(cv::Mat &image, int div = 64) { int nl = image.rows; int nc = image.cols * image.channels(); //遍历图像的每个像素 for(int j=0; j<nl ;++j) { uchar *data = image.ptr<uchar>(j); for(int i=0; i<nc; ++i) { data[i] = data[i]/div*div+div/2; //减少图像中颜色总数的关键算法:if div = 64, then the total number of colors is 4x4x4;整数除法时,是向下取整。 } } } //利用.ptr和 *++ 进行图像像素遍历 void colorReduce1(cv::Mat &image, int div = 64) { int nl = image.rows; int nc = image.cols * image.channels(); //遍历图像的每个像素 for(int j=0; j<nl ;++j) { uchar *data = image.ptr<uchar>(j); for(int i=0; i<nc; ++i) { *data++ = *data/div*div + div/2; } } } //利用.ptr和数组下标进行图像像素遍历,取模运算用于减少图像颜色总数 void colorReduce2(cv::Mat &image, int div = 64) { int nl = image.rows; int nc = image.cols * image.channels(); //遍历图像的每个像素 for(int j=0; j<nl ;++j) { uchar *data = image.ptr<uchar>(j); for(int i=0; i<nc; ++i) { data[i] = data[i]-data[i]%div +div/2; //利用取模运算,速度变慢,因为要读每个像素两次 } } } //利用.ptr和数组下标进行图像像素遍历,位操作运算用于减少图像颜色总数 void colorReduce3(cv::Mat &image, int div = 64) { int nl = image.rows; int nc = image.cols * image.channels(); int n = static_cast<int>(log(static_cast<double>(div))/log(2.0)); //div=64, n=6 uchar mask = 0xFF<<n; //e.g. div=64, mask=0xC0 //遍历图像的每个像素 for(int j=0; j<nl ;++j) { uchar *data = image.ptr<uchar>(j); for(int i=0; i<nc; ++i) { *data++ = *data&mask + div/2; } } } //形参传入const conference,故输入图像不会被修改;利用.ptr和数组下标进行图像像素遍历 void colorReduce4(const cv::Mat &image, cv::Mat &result,int div = 64) { int nl = image.rows; int nc = image.cols * image.channels(); result.create(image.rows,image.cols,image.type()); //遍历图像的每个像素 for(int j=0; j<nl ;++j) { const uchar *data_in = image.ptr<uchar>(j); uchar *data_out = result.ptr<uchar>(j); for(int i=0; i<nc; ++i) { data_out[i] = data_in[i]/div*div+div/2; //减少图像中颜色总数的关键算法:if div = 64, then the total number of colors is 4x4x4;整数除法时,是向下取整。 } } } //利用.ptr和数组下标进行图像像素遍历,并将nc放入for循环中(比较糟糕的做法) void colorReduce5(cv::Mat &image, int div = 64) { int nl = image.rows; //遍历图像的每个像素 for(int j=0; j<nl ;++j) { uchar *data = image.ptr<uchar>(j); for(int i=0; i<image.cols * image.channels(); ++i) { data[i] = data[i]/div*div+div/2; //减少图像中颜色总数的关键算法:if div = 64, then the total number of colors is 4x4x4;整数除法时,是向下取整。 } } } //利用迭代器 cv::Mat iterator 进行图像像素遍历 void colorReduce6(cv::Mat &image, int div = 64) { cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>(); //由于利用图像迭代器处理图像像素,因此返回类型必须在编译时知道 cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>(); for(;it != itend; ++it) { (*it)[0] = (*it)[0]/div*div+div/2; //利用operator[]处理每个通道的像素 (*it)[1] = (*it)[1]/div*div+div/2; (*it)[2] = (*it)[2]/div*div+div/2; } } //利用.at<cv::Vec3b>(j,i)进行图像像素遍历 void colorReduce7(cv::Mat &image, int div = 64) { int nl = image.rows; int nc = image.cols; //遍历图像的每个像素 for(int j=0; j<nl ;++j) { for(int i=0; i<nc; ++i) { image.at<cv::Vec3b>(j,i)[0] = image.at<cv::Vec3b>(j,i)[0]/div*div + div/2; image.at<cv::Vec3b>(j,i)[1] = image.at<cv::Vec3b>(j,i)[1]/div*div + div/2; image.at<cv::Vec3b>(j,i)[2] = image.at<cv::Vec3b>(j,i)[2]/div*div + div/2; } } } //减少循环次数,进行图像像素遍历,调用函数较少,效率最高。 void colorReduce8(cv::Mat &image, int div = 64) { int nl = image.rows; int nc = image.cols; //判断是否是连续图像,即是否有像素填充 if(image.isContinuous()) { nc = nc*nl; nl = 1; } int n = static_cast<int>(log(static_cast<double>(div))/log(2.0)); uchar mask = 0xFF<<n; //遍历图像的每个像素 for(int j=0; j<nl ;++j) { uchar *data = image.ptr<uchar>(j); for(int i=0; i<nc; ++i) { *data++ = *data & mask +div/2; *data++ = *data & mask +div/2; *data++ = *data & mask +div/2; } } } const int NumTests = 9; //测试算法的数量 const int NumIteration = 20; //迭代次数 int main(int argc, char* argv[]) { int64 t[NumTests],tinit; cv::Mat image1; cv::Mat image2; //数组初始化 int i=0; while(i<NumTests) { t[i++] = 0; } int n = NumIteration; //迭代n次,取平均数 for(int i=0; i<n; ++i) { image1 = cv::imread("../boldt.jpg"); if(!image1.data) { std::cout<<"read image failue!"<<std::endl; return -1; } // using .ptr and [] tinit = cv::getTickCount(); colorReduce0(image1); t[0] += cv::getTickCount() - tinit; // using .ptr and *++ image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce1(image1); t[1] += cv::getTickCount() - tinit; // using .ptr and [] and modulo image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce2(image1); t[2] += cv::getTickCount() - tinit; // using .ptr and *++ and bitwise image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce3(image1); t[3] += cv::getTickCount() - tinit; //using input and output image image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce4(image1,image2); t[4] += cv::getTickCount() - tinit; // using .ptr and [] with image.cols * image.channels() image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce5(image1); t[5] += cv::getTickCount() - tinit; // using .ptr and *++ and iterator image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce6(image1); t[6] += cv::getTickCount() - tinit; //using at image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce7(image1); t[7] += cv::getTickCount() - tinit; //using .ptr and * ++ and bitwise (continuous+channels) image1 = cv::imread("../boldt.jpg"); tinit = cv::getTickCount(); colorReduce8(image1); t[8] += cv::getTickCount() - tinit; } cv::namedWindow("Result"); cv::imshow("Result",image1); cv::namedWindow("Result Image"); cv::imshow("Result Image",image2); std::cout<<std::endl<<"-------------------------------------------------------------------------"<<std::endl<<std::endl; std::cout<<"using .ptr and [] = "<<1000*t[0]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using .ptr and *++ = "<<1000*t[1]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using .ptr and [] and modulo = "<<1000*t[2]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using .ptr and *++ and bitwise = "<<1000*t[3]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using input and output image = "<<1000*t[4]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using .ptr and [] with image.cols * image.channels() = "<<1000*t[5]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using .ptr and *++ and iterator = "<<1000*t[6]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using at = "<<1000*t[7]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<"using .ptr and * ++ and bitwise (continuous+channels) = "<<1000*t[8]/cv::getTickFrequency()/n<<"ms"<<std::endl; std::cout<<std::endl<<"-------------------------------------------------------------------------"<<std::endl<<std::endl; cv::waitKey(); return 0; }
相关文章推荐
- OpenCV学习C++接口 Mat像素遍历详解
- OpenCV学习C++接口:图像遍历+像素压缩
- OpenCV学习C++接口:图像遍历+像素压缩
- OpenCV学习C++接口:图像遍历+像素压缩
- OpenCV(C++接口)学习笔记4-Mat::operator = 的陷阱
- OpenCV(C++接口)学习笔记4-Mat::operator = 的陷阱(被黑过一次,此陷阱很隐秘)
- OpenCV深入学习(7)--Mat的元素分布图示详解
- 学习OpenCV2——访问Mat图像的像素值
- OpenCV学习之例程详解(02):经典C与现代C++方式播放视频
- 学习openCV之Mat类型访问每个像素
- opencv中C接口与C++接口的相互转换(Mat 和 CvMat,IplImage相互转化)
- OpenCV学习笔记(一)——OpenCV数据结构Mat详解
- OpenCV学习笔记——数据结构Mat详解
- OpenCV学习笔记(四十)——再谈OpenCV数据结构Mat详解
- OpenCv学习笔记(四)--Mat基本图像容器Mat对象信息头,矩阵体的创建,深复制,浅复制详解
- OpenCV(C++接口)学习笔记1-图像读取、显示、保存
- OpenCV学习C++接口:图像锐化
- opencv学习(5) 使用迭代器遍历图像的像素
- OpenCV(C++接口)学习笔记1-图像的读取、显示、保存
- OpenCV(C++接口)学习笔记2-像素级的图像操作