OpenCV入门教程之二图像的遍历

我们在实际应用中对图像进行的操作，往往并不是将图像作为一个整体进行操作，而是对图像中的所有点或特殊点进行运算，所以遍历图像就显得很重要，如何高效的遍历图像是一个很值得探讨的问题。

一、遍历图像的4种方式：at<typename>（i,j）

Mat类提供了一个at的方法用于取得图像上的点，它是一个模板函数，可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。在实际应用中，我们很多时候需要对图像降色彩，因为256*256*256实在太多了，在图像颜色聚类或彩色直方图时，我们需要用一些代表性的颜色代替丰富的色彩空间，我们的思路是将每个通道的256种颜色用64种代替，即将原来256种颜色划分64个颜色段，每个颜色段取中间的颜色值作为代表色。

123456789101112 void colorReduce（Mat& image,int div）{for（int i=0;i<image.rows;i++）{for（int j=0;j<image.cols;j++）{image.at<Vec3b>（i,j）[0]=image.at<Vec3b>（i,j）[0]/div*div+div/2;image.at<Vec3b>（i,j）[1]=image.at<Vec3b>（i,j）[1]/div*div+div/2;image.at<Vec3b>（i,j）[2]=image.at<Vec3b>（i,j）[2]/div*div+div/2;}}}

通过上面的例子我们可以看出，at方法取图像中的点的用法：image.at<uchar>（i,j）：取出灰度图像中i行j列的点。image.at<Vec3b>（i,j）[k]：取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型，不要对Vec3b这种类型感觉害怕，其实在core里它是通过typedef Vec<T,N>来定义的，N代表元素的个数，T代表类型。更简单一些的方法：OpenCV定义了一个Mat的模板子类为Mat_，它重载了operator（）让我们可以更方便的取图像上的点。Mat_<uchar> im=image;im（i,j）=im（i,j）/div*div+div/2;

二、高效一点：用指针来遍历图像

上面的例程中可以看到，我们实际喜欢把原图传进函数内，但是在函数内我们对原图像进行了修改，而将原图作为一个结果输出，很多时候我们需要保留原图，这样我们需要一个原图的副本。

123456789101112131415161718 void colorReduce（const Mat& image,Mat& outImage,int div）{// 创建与原图像等尺寸的图像outImage.create（image.size（）,image.type（））;int nr=image.rows;// 将3通道转换为1通道int nl=image.cols*image.channels（）;for（int k=0;k<nr;k++）{// 每一行图像的指针const uchar* inData=image.ptr<uchar>（k）;uchar* outData=outImage.ptr<uchar>（k）;for（int i=0;i<nl;i++）{outData[i]=inData[i]/div*div+div/2;}}}

从上面的例子中可以看出，取出图像中第i行数据的指针：image.ptr<uchar>（i）。值得说明的是：程序中将三通道的数据转换为1通道，在建立在每一行数据元素之间在内存里是连续存储的，每个像素三通道像素按顺序存储。也就是一幅图像数据最开始的三个值，是最左上角的那像素的三个通道的值。但是这种用法不能用在行与行之间，因为图像在OpenCV里的存储机制问题，行与行之间可能有空白单元。这些空白单元对图像来说是没有意思的，只是为了在某些架构上能够更有效率，比如intel MMX可以更有效的处理那种个数是4或8倍数的行。但是我们可以申明一个连续的空间来存储图像，这个话题引入下面最为高效的遍历图像的机制。

三、更高效的方法

上面已经提到过了，一般来说图像行与行之间往往存储是不连续的，但是有些图像可以是连续的，Mat提供了一个检测图像是否连续的函数isContinuous（）。当图像连通时，我们就可以把图像完全展开，看成是一行。

1234567891011121314151617181920 void colorReduce（const Mat& image,Mat& outImage,int div）{int nr=image.rows;int nc=image.cols;outImage.create（image.size（）,image.type（））;if（image.isContinuous（）&&outImage.isContinuous（））{nr=1;nc=nc*image.rows*image.channels（）;}for（int i=0;i<nr;i++）{const uchar* inData=image.ptr<uchar>（i）;uchar* outData=outImage.ptr<uchar>（i）;for（int j=0;j<nc;j++）{*outData++=*inData++/div*div+div/2;}}}

用指针除了用上面的方法外，还可以用指针来索引固定位置的像素：image.step返回图像一行像素元素的个数（包括空白元素），image.elemSize（）返回一个图像像素的大小。&image.at<uchar>（i,j）=image.data+i*image.step+j*image.elemSize（）;

四、还有吗？用迭代器来遍历。

下面的方法可以让我们来为图像中的像素声明一个迭代器：MatIterator_<Vec3b> it;Mat_<Vec3b>::iterator it;如果迭代器指向一个const图像，则可以用下面的声明：MatConstIterator<Vec3b> it; 或者Mat_<Vec3b>::const_iterator it;下面我们用迭代器来简化上面的colorReduce程序：

12345678910111213141516 void colorReduce（const Mat& image,Mat& outImage,int div）{outImage.create（image.size（）,image.type（））;MatConstIterator_<Vec3b> it_in=image.begin<Vec3b>（）;MatConstIterator_<Vec3b> itend_in=image.end<Vec3b>（）;MatIterator_<Vec3b> it_out=outImage.begin<Vec3b>（）;MatIterator_<Vec3b> itend_out=outImage.end<Vec3b>（）;while（it_in！=itend_in）{（*it_out）[0]=（*it_in）[0]/div*div+div/2;（*it_out）[1]=（*it_in）[1]/div*div+div/2;（*it_out）[2]=（*it_in）[2]/div*div+div/2;it_in++;it_out++;}}

如果你想从第二行开始，则可以从image.begin<Vec3b>（）+image.rows开始。上面4种方法中，第3种方法的效率最高！

五、图像的邻域操作

很多时候，我们对图像处理时，要考虑它的邻域，比如3*3是我们常用的，这在图像滤波、去噪中最为常见，下面我们介绍如果在一次图像遍历过程中进行邻域的运算。下面我们进行一个简单的滤波操作，滤波算子为[0 –1 0;-1 5 –1;0 –1 0]。它可以让图像变得尖锐，而边缘更加突出。核心公式即：sharp（i.j）=5*image（i,j）-image（i-1,j）-image（i+1,j）-image（i,j-1）-image（i,j+1）。

1234567891011121314151617181920212223 void ImgFilter2d（const Mat &image,Mat& result）{result.create（image.size（）,image.type（））;int nr=image.rows;int nc=image.cols*image.channels（）;for（int i=1;i<nr-1;i++）{const uchar* up_line=image.ptr<uchar>（i-1）;//指向上一行const uchar* mid_line=image.ptr<uchar>（i）;//当前行const uchar* down_line=image.ptr<uchar>（i+1）;//下一行uchar* cur_line=result.ptr<uchar>（i）;for（int j=1;j<nc-1;j++）{cur_line[j]=saturate_cast<uchar>（5*mid_line[j]-mid_line[j-1]-mid_line[j+1]-up_line[j]-down_line[j]）;}}// 把图像边缘像素设置为0result.row（0）.setTo（Scalar（0））;result.row（result.rows-1）.setTo（Scalar（0））;result.col（0）.setTo（Scalar（0））;result.col（result.cols-1）.setTo（Scalar（0））;}

上面的程序有以下几点需要说明：1，staturate_cast<typename>是一个类型转换函数，程序里是为了确保运算结果还在uchar范围内。2，row和col方法返回图像中的某些行或列，返回值是一个Mat。3，setTo方法将Mat对像中的点设置为一个值，Scalar（n）为一个灰度值，Scalar（a,b,c）为一个彩色值。

六、图像的算术运算

Mat类把很多算数操作符都进行了重载，让它们来符合矩阵的一些运算，如果+、-、点乘等。下面我们来看看用位操作和基本算术运算来完成本文中的colorReduce程序，它更简单，更高效。将256种灰度阶降到64位其实是抛弃了二进制最后面的4位，所以我们可以用位操作来做这一步处理。首先我们计算2^8降到2^n中的n：int n=static_cast<int>（log（static_cast<double>（div））/log（2.0））;然后可以得到mask，mask=0xFF<<n;用下面简直的语句就可以得到我们想要的结果：result=（image&Scalar（mask,mask,mask））+Scalar（div/2,div/2,div/2）;很多时候我们需要对图像的一个通信单独进行操作，比如在HSV色彩模式下，我们就经常把3个通道分开考虑。

123456 vector<Mat> planes;// 将image分为三个通道图像存储在planes中split（image,planes）;planes[0]+=image2;// 将planes中三幅图像合为一个三通道图像merge（planes,result）;

推荐阅读：Ubuntu 12.04 安装 OpenCV2.4.2 http://www.linuxidc.com/Linux/2012-09/70158.htmCentOS下OpenCV无法读取视频文件 http://www.linuxidc.com/Linux/2011-07/39295.htmUbuntu 12.04下安装OpenCV 2.4.5总结 http://www.linuxidc.com/Linux/2013-06/86704.htmUbuntu 10.04中安装OpenCv2.1九步曲 http://www.linuxidc.com/Linux/2010-09/28678.htm基于QT和OpenCV的人脸识别系统 http://www.linuxidc.com/Linux/2011-11/47806.htm