访问图像像素的三类方法（OpenCV）

图像的存储方式　　

　　在《数字图像基础知识1》的随笔中，博主已经简单地介绍了图像可以使用矩阵的形式描述。容易知道图像矩阵的大小取决于所用的颜色模型，确切地说，其大小与通道数有关。如是灰度图，其矩阵如下图示。如果是RGB颜色模型的矩阵，则如下所示。

 　　可以看到，在OpenCV中RGB彩色模型的图像矩阵各通道的顺序是反过来的——BGR而不是RGB。当内存足够大的时候，可以实现连续存储，这样有助于提升图像的扫描速度（可以使用isContinuous()判断矩阵是否连续存储）。

颜色空间缩减

　　单通道元素存储可使用C/C++的无符号字符类型，像素将有256个不同的值（28——一个字节8位，每一位存储0或者1）。如果是三通道图像，像素将有（224——28*28*28）一千六百多万种。用这么多颜色进行处理对算法的性能可能造成严重影响。因此，做颜色空间的缩减（color space reduction）就很必要了。对于uchar类型的三通道退选哪个，可以给出如下定义：

　　0~9范围的像素值为0；10~19范围的像素值为10；以此类推，可以把三通道的颜色取值降低为26×26×26中情况。可表示成公式：Inew=(Iold/10)*10；其C/C++描述如下：

int divideWidth=10;
uchar table[256];
for(int i=0; i<256; ++i)
    table[i]=divideWidth*(i/divideWidth);
// 像素空间的缩减
p[j]=table[p[j]];

推荐函数

 　　OpenCV官方文档中推荐使用原型为 operationsOnArrays:LUT()<lut> 的函数来批量处理图像元素查找、扫描与操作图像。用法如下：

// 首先建立一个mat型用于查表
Mat lookUpTable(1,256,CV_8U);
uchar* p=lookUpTable.data;
for(int i=0; i<256; ++i)
    p[i]=table[i];
// 然后调用函数（I是输入，J是输出）
for(int i=0; i<times; ++i)
    LUT(I, lookUpTable, J);

　　计时函数—— getTickCount()和getTickFrequency()。

  • getTickCount() 函数返回CPU自某个事件（如启动电脑）以来走过的时钟周期数。
  • getTickFrequency() 函数返回CPU一秒钟所走过的时钟周期数。

　　使用示例如下：

double time0 = static_cast<double>(getTickCount()); // 记录起始时间
// 进行图像数理操作......
time0 = ((double)getTickCount() - time0) / getTickFrequency();
cout << "\t此方法运行时间为： " << time0 << "秒" << endl;  //输出运行时间

访问图像中像素的三类方法

　　任何的图像处理算法，都是从操作每个像素开始的（不仅要学会OpenCV提供的各种图像处理函数，还应该学会这些算法的基本原理）在OpenCV中，提供了三种访问每个像素的方法。

  • 指针访问：C操作符[]；
  • 迭代器：iterator；
  • 动态地址计算

　　这三种方法，访问速度略有差异。在debug中非常明显，release中相差不大。接下来，本文将使用一组程序说明这几种方法。例如：原图是256种颜色，则变成64中颜色（只需将原来的颜色除以4再乘以4就可以了）。

 　　指针访问的程序：

#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <iostream>  
using namespace std;
using namespace cv;

//-----------------------------------【全局函数声明部分】-----------------------------------
//          描述：全局函数声明
//-----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div);

//--------------------------------------【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执行
//----------------------------------------------------------------------------------------------
int main()
{
    //【1】创建原始图并显示
    Mat srcImage = imread("1.jpg");
    imshow("原始图像", srcImage);

    //【2】按原始图的参数规格来创建创建效果图
    Mat dstImage;
    dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图的大小、类型与原图片相同 

    //输出欢迎信息和OpenCV版本
    cout<< "当前使用的OpenCV版本为：" << (CV_VERSION);

    //【3】记录起始时间
    double time0 = static_cast<double>(getTickCount());

    //【4】调用颜色空间缩减函数
    colorReduce(srcImage, dstImage, 32);

    //【5】计算运行时间并输出
    time0 = ((double)getTickCount() - time0) / getTickFrequency();
    cout << "\t此方法运行时间为： " << time0 << "秒" << endl;  //输出运行时间

    //【6】显示效果图
    imshow("效果图", dstImage);
    waitKey(0);
}


//---------------------------------【colorReduce( )函数】---------------------------------
//          描述：使用【指针访问：C操作符[ ]】方法版的颜色空间缩减函数
//----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
    //参数准备
    outputImage = inputImage.clone();  //拷贝实参到临时变量
    int rowNumber = outputImage.rows;  //行数
    int colNumber = outputImage.cols * outputImage.channels();  //列数 x 通道数=每一行元素的个数

    //双重循环，遍历所有的像素值
    for (int i = 0; i < rowNumber; i++)  //行循环
    {
        uchar* data = outputImage.ptr<uchar>(i);  //获取第i行的首地址
        for (int j = 0; j < colNumber; j++)   //列循环
        {
            // ---------【开始处理每个像素】-------------     
            data[j] = data[j] / div * div + div / 2;
            // ----------【处理结束】---------------------
        }  //行处理结束
    }
}
PointAccess

　　运行实例：

　　

 　　迭代器程序：

#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <iostream>  
using namespace std;
using namespace cv;

//-----------------------------------【全局函数声明部分】-----------------------------------
//          描述：全局函数声明
//-----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div);

//--------------------------------------【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执行
//----------------------------------------------------------------------------------------------
int main()
{
    //【1】创建原始图并显示
    Mat srcImage = imread("1.jpg");
    imshow("原始图像", srcImage);

    //【2】按原始图的参数规格来创建创建效果图
    Mat dstImage;
    dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图的大小、类型与原图片相同 

    //输出欢迎信息和OpenCV版本
    cout<< "当前使用的OpenCV版本为：" << (CV_VERSION);

    //【3】记录起始时间
    double time0 = static_cast<double>(getTickCount());

    //【4】调用颜色空间缩减函数
    colorReduce(srcImage, dstImage, 32);

    //【5】计算运行时间并输出
    time0 = ((double)getTickCount() - time0) / getTickFrequency();
    cout << "\t此方法运行时间为： " << time0 << "秒" << endl;  //输出运行时间

    //【6】显示效果图
    imshow("效果图", dstImage);
    waitKey(0);
}

//-------------------------------------【colorReduce( )函数】-----------------------------
//        描述：使用【迭代器】方法版的颜色空间缩减函数
//----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
    //参数准备
    outputImage = inputImage.clone();  //拷贝实参到临时变量
    //获取迭代器
    Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();  //初始位置的迭代器
    Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();  //终止位置的迭代器

    //存取彩色图像像素
    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;
        // ------------------------【处理结束】----------------------------
    }
}
Iterator

　　运行示例：

　　

 　　动态地址计算程序：

#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <iostream>  
using namespace std;
using namespace cv;

//-----------------------------------【全局函数声明部分】-----------------------------------
//          描述：全局函数声明
//-----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div);

//--------------------------------------【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执行
//----------------------------------------------------------------------------------------------
int main()
{
    //【1】创建原始图并显示
    Mat srcImage = imread("1.jpg");
    imshow("原始图像", srcImage);

    //【2】按原始图的参数规格来创建创建效果图
    Mat dstImage;
    dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图的大小、类型与原图片相同 

    //输出欢迎信息和OpenCV版本
    cout<< "当前使用的OpenCV版本为：" << (CV_VERSION);

    //【3】记录起始时间
    double time0 = static_cast<double>(getTickCount());

    //【4】调用颜色空间缩减函数
    colorReduce(srcImage, dstImage, 32);

    //【5】计算运行时间并输出
    time0 = ((double)getTickCount() - time0) / getTickFrequency();
    cout << "\t此方法运行时间为： " << time0 << "秒" << endl;  //输出运行时间

    //【6】显示效果图
    imshow("效果图", dstImage);
    waitKey(0);
}

//----------------------------------【colorReduce( )函数】-------------------------------
//          描述：使用【动态地址运算配合at】方法版本的颜色空间缩减函数
//----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
    //参数准备
    outputImage = inputImage.clone();  //拷贝实参到临时变量
    int rowNumber = outputImage.rows;  //行数
    int colNumber = outputImage.cols;  //列数

    //存取彩色图像像素
    for (int i = 0; i < rowNumber; i++)
    {
        for (int j = 0; j < colNumber; j++)
        {
            // ------------------------【开始处理每个像素】--------------------
            outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div * div + div / 2;  //蓝色通道
            outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div * div + div / 2;  //绿色通道
            outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div * div + div / 2;  //红是通道
            // -------------------------【处理结束】----------------------------
        }  // 行处理结束     
    }
}
atAccess

　　运行实例：

　　

 　　【注】本文将不展示 Robert Laganiere 的  Computer Vision Programming using the OpenCV Library. 编写的14种图像像素遍历的方法。如果你对这14种方法感兴趣，请到博主的公众号发送“像素遍历”这4个字。

 ------------------------------------continue----------------------------------------------------------------------------

 

参考文献

[1] 毛星云.OpenCV3编程入门[M].电子工业出版社.北京.2015.2.

posted @ 2020-10-09 12:37  望星草  阅读(502)  评论(0)  编辑  收藏  举报