OpenCV学习C++接口 Mat像素遍历详解

    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：

/***************************************************************
*
*    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;
}