言： OpenCV3编程入门已经进入第五章 (Core组件进阶） 学习了，后面也越来越多对图像的处理，这一节主要是对像素的认识。
一、访问图形中的像素
1、图像在内存之中的存储方式
图像矩阵的大小取决于所用的颜色模型，也就是说取决于所用的通道数。如下灰度图像：
对于多通道的图像，矩阵中的列会包含多个子列，子列个数与通道数相等。
2、颜色空间缩减
（1）问题提出：对于单通道像素，有256个不同的值，若三通道图像，颜色的存储值就有一千六百万多种。
解决： 如此之多的颜色数值，但是达到同样效果的只占很小一部分。颜色空间缩减（color space reduction）可以大大降低运算复杂度。它的做法：将现有颜色空间值除以某个输入值，以获得较少的颜色数，比如：0-9可以取0，10-19取10，以此类推。
（2）uchar类型的三通道图像，每个通道取值0~255，也就是256x256不同的值。
- 0~9范围的像素值为0
- 10~19范围的像素值是10
- 20~29范围的像素值是20
这样操作，将颜色取值降低为26x26x26种情况。即：Inew=(Iold/10)*10。因为uchar类型的值除以int值，结果仍是char类型，所以求出来的小数也要向下取整。
（3）为了防止处理图像像素时，每一步计算都会花销时间，于是可以把计算好的结果提前存入表table中，这样不需要计算，直接取结果即可。
// 1、遍历图像矩阵的每一个像素 // 2、对像素应用上述公式 int divideWith=10; uchar table[256]; for(int i=0;i<256;i++){ table[i]=divideWith*(i/divideWith);//table[i]存放值为i像素减小颜色空间结果 } //p[j]=table[p[j]];
总结：对于较大的图像，有效的方法是预先计算所有可能的值，然后需要这些值的时候，利用查找表直接赋值即可。
3、LUT函数：Look up table操作
说明：函数原型为：operationsOnArrays:LUT()的函数来进行，用于批量进行图像元素查找、扫描与操作图像。
//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输入，J输出） for(int i=0;i<times;i++){ LUT(I,lookUpTable,J); }
这个地方书上讲的有点模糊，不是很懂，就去参考其他大佬
（1）对于单通道图像，其像素灰度值为0-255，LUT函数可以将函数的一个灰度值转换成其他灰度值。如：将一张图片0-100的像素的灰度值变成0，101-200的像素变成100，201-255的像素变成255。
（2）对于多通道图像，其内部每一个通道都做这样的映射，这样每一个通道的处理就和单通道差不多了。
（3）LUT函数为：
void LUT（InputArray src,InpitArray lut,OutputArray dst);
- src： 输入图像（单通道或者3通道）
- lut： 表示查找表，下面会用具体示例介绍
- dst： 输出图像
（4）单通道图像处理
#include<opencv2/highgui.hpp> using namespace cv; int main() { uchar lutData[256]; for (int i = 0; i < 256; i++) { if (i <= 100) lutData[i] = 0; if (i > 100 && i <= 200) lutData[i] = 100; if (i > 200) lutData[i] = 255; } Mat lut(1, 256, CV_8UC1); Mat a = imread("12.jpg", CV_LOAD_IMAGE_GRAYSCALE),b; namedWindow("原灰度图像", CV_WINDOW_AUTOSIZE); namedWindow("转灰度图像", CV_WINDOW_AUTOSIZE); imshow("原灰度图像", a); LUT(a, lut, b); imshow("转灰度图像", b); waitKey(0); }
4、计时函数
说明：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一秒钟走的时钟周期数，我们就可以以秒为单位对某运算计时。
double time0=static_cast<double>(getTickCount());//记录起始时间 //进行图像处理操作。。。。 time0=((double)getTickCount()-time0)/getTickFrequency(); printf("输出运行时间%f\n",time0);
5、访问图像像素的三类方法
说明：任何图像处理算法，都是从操作每个像素开始的。
提供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
这三种方法在访问速度上略有差异，在debug模式下，比较明显。程序的目的是减少图像中颜色的数量，比如原来的图像是256种颜色，变成64只需要将原来的颜色除以4再乘以4.
示例程序：主程序中调用colorReduce函数来完成减少颜色的工作。
#include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<iostream> using namespace cv; using namespace std; //全局函数声明 void colorReduce(Mat &inputImage, Mat& outputImage, int div); int main() { Mat srcImage = imread("12.jpg"); imshow("原始图像",srcImage); //将原始图的参数规格来创建效果图 Mat dstImage; dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图的大小、类型和原图片相同 //记录起始时间 double time0 = static_cast<double>(getTickCount()); //调用颜色空间缩减函数 colorReduce(srcImage, dstImage, 128); //计算运行时间并输出 time0 = ((double)getTickCount() - time0) / getTickFrequency(); printf("此方法运行时间为：%f\n", time0); imshow("效果图",dstImage); waitKey(0); }
（1）用指针访问像素
说明：用指针访问像素发这种方法利用的是C语言操作符[ ]，这种方法比较快。
void colorReduce(Mat &inputImage, Mat& outputImage, int div) { //参数准备 outputImage = inputImage.clone();//复制实参到临时变量 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 //处理每一个像素 data[j] = data[j] / div * div + div / 2; } } }
补充：简化指针运算，Mat类提供了ptr函数可以得到图像任意行的首地址。
uchar* data = outputImage.ptr<uchar>(i);//获取第i行的首地址
（2）用迭代器操作像素
说明：在迭代法中，获得图像矩阵的begin和end，然后增加迭代直至从begin到end。将*操作符添加在迭代指针前。
/* 迭代器 */ void colorReduce(Mat &inputImage, Mat& outputImage, int div) { //参数准备 outputImage = inputImage.clone();//复制实参到临时变量 //获取迭代器 Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();//初始位置迭代器 Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();//终止位置迭代器 //获取彩色图像像素 for (; it != itend; it++) { //处理每一个像素 (*it)[0] = (*it)[0] / div * div + div / 2;//蓝 (*it)[1] = (*it)[1] / div * div + div / 2;//绿 (*it)[2] = (*it)[2] / div * div + div / 2;//红 } }
（3）动态地址计算
说明：使用动态地址运算配合at方法的colorReduce函数的代码，这种方法简洁，便于对像素的直观认识。
/* 动态地址法 */ void colorReduce(Mat &inputImage, Mat& outputImage, int div) { //参数准备 outputImage = inputImage.clone();//复制实参到临时变量 int rowNumber = outputImage.rows;//行数 int colNumber = outputImage.cols;//行数 //获取彩色图像像素 for (int i = 0; i < rowNumber; i++) { for (int j = 0; j < colNumber; j++) { //开始处理每一个像素，0/1/2表示通道数 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;//红色通道 } } }
补充：
- Vec3b：由三个unsigned char组成的向量
- image.at(i,j)：取出灰度图像中i行j列的点。
- image.at(i,j)[k]：取出彩色图像中i行j列第k通道的颜色点，k=[0,1,2]，分别代表B,G,R。
实际效果：
