颜色空间缩减和计时函数
图像矩阵的大小取决于我们使用的颜色模型,确切的说,取决于所用通道数。如果是灰度图像,矩阵就如上图这样；
而对于多通道图像来说，矩阵中的列会包含多个子列,其子列个数与通道数相等，例如，RGB颜色模型的矩阵:
在这里，我们需要注意的是：opencv中子列的通道顺序是反过来的,是BGR,而不是我们数字图像书中常说的RGB.很多情况下,因为内存够大,可以实现连续存储。
连续存储可以提高图像的扫描速度。我们可以使用isContinuous函数来判断矩阵是否连续矩阵。
自一本国外OpenCV2书籍的示例-遍历图像像素的14种方法
#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; using namespace std; //---------------------------------【宏定义部分】--------------------------------------------- // 描述：包含程序所使用宏定义 //------------------------------------------------------------------------------------------------- #define NTESTS 14 #define NITERATIONS 20 //----------------------------------------- 【方法一】------------------------------------------- // 说明：利用.ptr 和 [] //------------------------------------------------------------------------------------------------- void colorReduce0(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols * image.channels(); //每行元素的总元素数量 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- data[i] = data[i] / div*div + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //-----------------------------------【方法二】------------------------------------------------- // 说明：利用 .ptr 和 * ++ //------------------------------------------------------------------------------------------------- void colorReduce1(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols * image.channels(); //每行元素的总元素数量 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++ = *data / div*div + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //-----------------------------------------【方法三】------------------------------------------- // 说明：利用.ptr 和 * ++ 以及模操作 //------------------------------------------------------------------------------------------------- void colorReduce2(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols * image.channels(); //每行元素的总元素数量 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- int v = *data; *data++ = v - v%div + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //----------------------------------------【方法四】--------------------------------------------- // 说明：利用.ptr 和 * ++ 以及位操作 //---------------------------------------------------------------------------------------------------- void colorReduce3(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols * image.channels(); //每行元素的总元素数量 int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g. 对于 div=16, mask= 0xF0 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //------------开始处理每个像素------------------- *data++ = *data&mask + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //----------------------------------------【方法五】---------------------------------------------- // 说明：利用指针算术运算 //--------------------------------------------------------------------------------------------------- void colorReduce4(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols * image.channels(); //每行元素的总元素数量 int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); int step = image.step; //有效宽度 //掩码值 uchar mask = 0xFF << n; // e.g. 对于 div=16, mask= 0xF0 //获取指向图像缓冲区的指针 uchar *data = image.data; for (int j = 0; j<nl; j++) { for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- *(data + i) = *data&mask + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 data += step; // next line } } //---------------------------------------【方法六】---------------------------------------------- // 说明：利用 .ptr 和 * ++以及位运算、image.cols * image.channels() //------------------------------------------------------------------------------------------------- void colorReduce5(Mat &image, int div = 64) { int nl = image.rows; //行数 int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g. 例如div=16, mask= 0xF0 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<image.cols * image.channels(); i++) { //-------------开始处理每个像素------------------- *data++ = *data&mask + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } // -------------------------------------【方法七】---------------------------------------------- // 说明：利用.ptr 和 * ++ 以及位运算(continuous) //------------------------------------------------------------------------------------------------- void colorReduce6(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols * image.channels(); //每行元素的总元素数量 if (image.isContinuous()) { //无填充像素 nc = nc*nl; nl = 1; // 为一维数列 } int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g. 比如div=16, mask= 0xF0 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++ = *data&mask + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //------------------------------------【方法八】------------------------------------------------ // 说明：利用 .ptr 和 * ++ 以及位运算 (continuous+channels) //------------------------------------------------------------------------------------------------- void colorReduce7(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols; //列数 if (image.isContinuous()) { //无填充像素 nc = nc*nl; nl = 1; // 为一维数组 } int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g. 比如div=16, mask= 0xF0 for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++ = *data&mask + div / 2; *data++ = *data&mask + div / 2; *data++ = *data&mask + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } // -----------------------------------【方法九】 ------------------------------------------------ // 说明：利用Mat_ iterator //------------------------------------------------------------------------------------------------- void colorReduce8(Mat &image, int div = 64) { //获取迭代器 Mat_<Vec3b>::iterator it = image.begin<Vec3b>(); Mat_<Vec3b>::iterator itend = image.end<Vec3b>(); for (; it != itend; ++it) { //-------------开始处理每个像素------------------- (*it)[0] = (*it)[0] / div*div + div / 2; (*it)[1] = (*it)[1] / div*div + div / 2; (*it)[2] = (*it)[2] / div*div + div / 2; //-------------结束像素处理------------------------ }//单行处理结束 } //-------------------------------------【方法十】----------------------------------------------- // 说明：利用Mat_ iterator以及位运算 //------------------------------------------------------------------------------------------------- void colorReduce9(Mat &image, int div = 64) { // div必须是2的幂 int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g. 比如 div=16, mask= 0xF0 // 获取迭代器 Mat_<Vec3b>::iterator it = image.begin<Vec3b>(); Mat_<Vec3b>::iterator itend = image.end<Vec3b>(); //扫描所有元素 for (; it != itend; ++it) { //-------------开始处理每个像素------------------- (*it)[0] = (*it)[0] & mask + div / 2; (*it)[1] = (*it)[1] & mask + div / 2; (*it)[2] = (*it)[2] & mask + div / 2; //-------------结束像素处理------------------------ }//单行处理结束 } //------------------------------------【方法十一】--------------------------------------------- // 说明：利用Mat Iterator_ //------------------------------------------------------------------------------------------------- void colorReduce10(Mat &image, int div = 64) { //获取迭代器 Mat_<Vec3b> cimage = image; Mat_<Vec3b>::iterator it = cimage.begin(); Mat_<Vec3b>::iterator itend = cimage.end(); for (; it != itend; it++) { //-------------开始处理每个像素------------------- (*it)[0] = (*it)[0] / div*div + div / 2; (*it)[1] = (*it)[1] / div*div + div / 2; (*it)[2] = (*it)[2] / div*div + div / 2; //-------------结束像素处理------------------------ } } //--------------------------------------【方法十二】-------------------------------------------- // 说明：利用动态地址计算配合at //------------------------------------------------------------------------------------------------- void colorReduce11(Mat &image, int div = 64) { int nl = image.rows; //行数 int nc = image.cols; //列数 for (int j = 0; j<nl; j++) { for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- image.at<Vec3b>(j, i)[0] = image.at<Vec3b>(j, i)[0] / div*div + div / 2; image.at<Vec3b>(j, i)[1] = image.at<Vec3b>(j, i)[1] / div*div + div / 2; image.at<Vec3b>(j, i)[2] = image.at<Vec3b>(j, i)[2] / div*div + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //----------------------------------【方法十三】----------------------------------------------- // 说明：利用图像的输入与输出 //------------------------------------------------------------------------------------------------- void colorReduce12(const Mat &image, //输入图像 Mat &result, // 输出图像 int div = 64) { int nl = image.rows; //行数 int nc = image.cols; //列数 //准备好初始化后的Mat给输出图像 result.create(image.rows, image.cols, image.type()); //创建无像素填充的图像 nc = nc*nl; nl = 1; //单维数组 int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g.比如div=16, mask= 0xF0 for (int j = 0; j<nl; j++) { uchar* data = result.ptr<uchar>(j); const uchar* idata = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++ = (*idata++)&mask + div / 2; *data++ = (*idata++)&mask + div / 2; *data++ = (*idata++)&mask + div / 2; //-------------结束像素处理------------------------ } //单行处理结束 } } //--------------------------------------【方法十四】------------------------------------------- // 说明：利用操作符重载 //------------------------------------------------------------------------------------------------- void colorReduce13(Mat &image, int div = 64) { int n = static_cast<int>(log(static_cast<double>(div)) / log(2.0)); //掩码值 uchar mask = 0xFF << n; // e.g. 比如div=16, mask= 0xF0 //进行色彩还原 image = (image&Scalar(mask, mask, mask)) + Scalar(div / 2, div / 2, div / 2); } //-----------------------------------【main( )函数】-------------------------------------------- // 描述：控制台应用程序的入口函数，我们的程序从这里开始 //------------------------------------------------------------------------------------------------- int main() { int64 t[NTESTS], tinit; Mat image0; Mat image1; Mat image2; system("color 4F"); image0 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); if (!image0.data) { cout << " could not image " << endl; getchar(); return -1; } //时间值设为0 for (int i = 0; i<NTESTS; i++) t[i] = 0; // 多次重复测试 int n = NITERATIONS; for (int k = 0; k<n; k++) { cout << k << " of " << n << endl; image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); //【方法一】利用.ptr 和 [] tinit = getTickCount(); colorReduce0(image1); t[0] += getTickCount() - tinit; //【方法二】利用 .ptr 和 * ++ image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce1(image1); t[1] += getTickCount() - tinit; //【方法三】利用.ptr 和 * ++ 以及模操作 image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce2(image1); t[2] += getTickCount() - tinit; //【方法四】 利用.ptr 和 * ++ 以及位操作 image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce3(image1); t[3] += getTickCount() - tinit; //【方法五】 利用指针的算术运算 image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce4(image1); t[4] += getTickCount() - tinit; //【方法六】利用 .ptr 和 * ++以及位运算、image.cols * image.channels() image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce5(image1); t[5] += getTickCount() - tinit; //【方法七】利用.ptr 和 * ++ 以及位运算(continuous) image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce6(image1); t[6] += getTickCount() - tinit; //【方法八】利用 .ptr 和 * ++ 以及位运算 (continuous+channels) image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce7(image1); t[7] += getTickCount() - tinit; //【方法九】 利用Mat_ iterator image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce8(image1); t[8] += getTickCount() - tinit; //【方法十】 利用Mat_ iterator以及位运算 image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce9(image1); t[9] += getTickCount() - tinit; //【方法十一】利用Mat Iterator_ image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce10(image1); t[10] += getTickCount() - tinit; //【方法十二】 利用动态地址计算配合at image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce11(image1); t[11] += getTickCount() - tinit; //【方法十三】 利用图像的输入与输出 image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); Mat result; colorReduce12(image1, result); t[12] += getTickCount() - tinit; image2 = result; //【方法十四】 利用操作符重载 image1 = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg"); tinit = getTickCount(); colorReduce13(image1); t[13] += getTickCount() - tinit; //------------------------------ } //输出图像 imshow("原始图像", image0); imshow("结果", image2); imshow("图像结果", image1); // 输出平均执行时间 cout << endl << "-------------------------------------------" << endl << endl; cout << "\n【方法一】利用.ptr 和 []的方法所用时间为 " << 1000.*t[0] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法二】利用 .ptr 和 * ++ 的方法所用时间为" << 1000.*t[1] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法三】利用.ptr 和 * ++ 以及模操作的方法所用时间为" << 1000.*t[2] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法四】利用.ptr 和 * ++ 以及位操作的方法所用时间为" << 1000.*t[3] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法五】利用指针算术运算的方法所用时间为" << 1000.*t[4] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法六】利用 .ptr 和 * ++以及位运算、channels()的方法所用时间为" << 1000.*t[5] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法七】利用.ptr 和 * ++ 以及位运算(continuous)的方法所用时间为" << 1000.*t[6] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法八】利用 .ptr 和 * ++ 以及位运算 (continuous+channels)的方法所用时间为" << 1000.*t[7] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法九】利用Mat_ iterator 的方法所用时间为" << 1000.*t[8] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法十】利用Mat_ iterator以及位运算的方法所用时间为" << 1000.*t[9] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法十一】利用Mat Iterator_的方法所用时间为" << 1000.*t[10] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法十二】利用动态地址计算配合at 的方法所用时间为" << 1000.*t[11] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法十三】利用图像的输入与输出的方法所用时间为" << 1000.*t[12] / getTickFrequency() / n << "ms" << endl; cout << "\n【方法十四】利用操作符重载的方法所用时间为" << 1000.*t[13] / getTickFrequency() / n << "ms" << endl; waitKey(); return 0; }
第八种方法最快，利用 .ptr 和 * ++ 以及位运算 (continuous+channels)的方法所用时间最少。
