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
作者：tornadomeet
出处：http://www.cnblogs.com/tornadomeet
欢迎转载或分享，但请务必声明文章出处。 （新浪微博：tornadomeet,欢迎交流！）
