访问Mat中每个像素的值

Color Reduce

还是使用经典的Reduce Color的例子，即对图像中的像素表达进行量化。如常见的RGB24图像有256×256×256中颜色，通过Reduce Color将每个通道的像素减少8倍至256/8=32种，则图像只有32×32×32种颜色。假设量化减少的倍数是N，则代码实现时就是简单的value/N*N，通常我们会再加上N/2以得到相邻的N的倍数的中间值，最后图像被量化为(256/N)×(256/N)×(256/N)种颜色。

方法零：.ptr和[]操作符

Mat最直接的访问方法是通过.ptr<>函数得到一行的指针，并用[]操作符访问某一列的像素值。

[cpp] view plaincopy

// using .ptr and []  

void colorReduce0(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols * image.channels(); // total number of elements per line  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

                  data[i]= data[i]/div*div + div/2;  

            }                    

      }  

}  

方法一：.ptr和指针操作

除了[]操作符，我们可以移动指针*++的组合方法访问某一行中所有像素的值。

[cpp] view plaincopy

// using .ptr and * ++   

void colorReduce1(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols * image.channels(); // total number of elements per line  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

                 *data++= *data/div*div + div/2;  

            } // end of row                   

      }  

}  

方法二：.ptr、指针操作和取模运算

方法二和方法一的访问方式相同，不同的是color reduce用模运算代替整数除法

[cpp] view plaincopy

// using .ptr and * ++ and modulo  

void colorReduce2(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols * image.channels(); // total number of elements per line  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

                  int v= *data;  

                  *data++= v - v%div + div/2;  

            } // end of row                   

      }  

}  

方法三：.ptr、指针运算和位运算

由于进行量化的单元div通常是2的整次方，因此所有的乘法和除法都可以用位运算表示。

[cpp] view plaincopy

// using .ptr and * ++ and bitwise  

void colorReduce3(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols * image.channels(); // total number of elements per line  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

            *data++= *data&mask + div/2;  

            } // end of row                   

      }  

}  

方法四：指针运算

方法四和方法三量化处理的方法相同，不同的是用指针运算代替*++操作。

[cpp] view plaincopy

// direct pointer arithmetic  

void colorReduce4(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols * image.channels(); // total number of elements per line  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      int step= image.step; // effective width  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      // get the pointer to the image buffer  

      uchar *data= image.data;  

      for (int j=0; j<nr; j++) {  

          for (int i=0; i<nc; i++) {  

            *(data+i)= *data&mask + div/2;  

            } // end of row                   

            data+= step;  // next line  

      }  

}  

方法五：.ptr、*++、位运算以及image.cols * image.channels()

这种方法就是没有计算nc，基本是个充数的方法。

[cpp] view plaincopy

// using .ptr and * ++ and bitwise with image.cols * image.channels()  

void colorReduce5(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<image.cols * image.channels(); i++) {  

            *data++= *data&mask + div/2;  

            } // end of row                   

      }  

}  

 

方法六：连续图像

Mat提供了isContinuous()函数用来查看Mat在内存中是不是连续存储，如果是则图片被存储在一行中。

[cpp] view plaincopy

// using .ptr and * ++ and bitwise (continuous)  

void colorReduce6(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols * image.channels(); // total number of elements per line  

      if (image.isContinuous())  {  

          // then no padded pixels  

          nc= nc*nr;   

          nr= 1;  // it is now a 1D array  

       }  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

            *data++= *data&mask + div/2;  

            } // end of row                   

      }  

}  

方法七：continuous+channels

与方法六基本相同，也是充数的。

[cpp] view plaincopy

// using .ptr and * ++ and bitwise (continuous+channels)  

void colorReduce7(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols ; // number of columns  

      if (image.isContinuous())  {  

          // then no padded pixels  

          nc= nc*nr;   

          nr= 1;  // it is now a 1D array  

       }  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      for (int j=0; j<nr; j++) {  

          uchar* data= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

            *data++= *data&mask + div/2;  

            *data++= *data&mask + div/2;  

            *data++= *data&mask + div/2;  

            } // end of row                   

      }  

}  

方法八：Mat _iterator

真正有区别的方法来啦，用Mat提供的迭代器代替前面的[]操作符或指针，血统纯正的官方方法~

[cpp] view plaincopy

// using Mat_ iterator   

void colorReduce8(cv::Mat &image, int div=64) {  

      // get iterators  

      cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();  

      cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();  

      for ( ; it!= itend; ++it) {  

        (*it)[0]= (*it)[0]/div*div + div/2;  

        (*it)[1]= (*it)[1]/div*div + div/2;  

        (*it)[2]= (*it)[2]/div*div + div/2;  

      }  

}  

 

方法九：Mat_ iterator 和位运算

把方法八中的乘除法换成位运算。

[cpp] view plaincopy

// using Mat_ iterator and bitwise  

void colorReduce9(cv::Mat &image, int div=64) {  

      // div must be a power of 2  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      // get iterators  

      cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();  

      cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();  

      for ( ; it!= itend; ++it) {  

        (*it)[0]= (*it)[0]&mask + div/2;  

        (*it)[1]= (*it)[1]&mask + div/2;  

        (*it)[2]= (*it)[2]&mask + div/2;  

      }  

}  

方法十：MatIterator_

和方法八基本相同。

[cpp] view plaincopy

// using MatIterator_   

void colorReduce10(cv::Mat &image, int div=64) {  

      cv::Mat_<cv::Vec3b> cimage= image;  

      cv::Mat_<cv::Vec3b>::iterator it=cimage.begin();  

      cv::Mat_<cv::Vec3b>::iterator itend=cimage.end();  

      for ( ; it!= itend; it++) {   

        (*it)[0]= (*it)[0]/div*div + div/2;  

        (*it)[1]= (*it)[1]/div*div + div/2;  

        (*it)[2]= (*it)[2]/div*div + div/2;  

      }  

}  

 

方法十一：图像坐标

[cpp] view plaincopy

// using (j,i)  

void colorReduce11(cv::Mat &image, int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols; // number of columns  

      for (int j=0; j<nr; j++) {  

          for (int i=0; i<nc; i++) {  

                  image.at<cv::Vec3b>(j,i)[0]=     image.at<cv::Vec3b>(j,i)[0]/div*div + div/2;  

                  image.at<cv::Vec3b>(j,i)[1]=     image.at<cv::Vec3b>(j,i)[1]/div*div + div/2;  

                  image.at<cv::Vec3b>(j,i)[2]=     image.at<cv::Vec3b>(j,i)[2]/div*div + div/2;  

            } // end of row                   

      }  

}  

方法十二：创建输出图像

之前的方法都是直接修改原图，方法十二新建了输出图像，主要用于后面的时间对比。

[cpp] view plaincopy

// with input/ouput images  

void colorReduce12(const cv::Mat &image, // input image   

                 cv::Mat &result,      // output image  

                 int div=64) {  

      int nr= image.rows; // number of rows  

      int nc= image.cols ; // number of columns  

      // allocate output image if necessary  

      result.create(image.rows,image.cols,image.type());  

      // created images have no padded pixels  

      nc= nc*nr;   

      nr= 1;  // it is now a 1D array  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      for (int j=0; j<nr; j++) {  

          uchar* data= result.ptr<uchar>(j);  

          const uchar* idata= image.ptr<uchar>(j);  

          for (int i=0; i<nc; i++) {  

            *data++= (*idata++)&mask + div/2;  

            *data++= (*idata++)&mask + div/2;  

            *data++= (*idata++)&mask + div/2;  

          } // end of row                   

      }  

}  

方法十三：重载操作符

Mat重载了+&等操作符，可以直接将两个Scalar(B,G,R)数据进行位运算和数学运算。

[cpp] view plaincopy

// using overloaded operators  

void colorReduce13(cv::Mat &image, int div=64) {  

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  

      // mask used to round the pixel value  

      uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  

      // perform color reduction  

      image=(image&cv::Scalar(mask,mask,mask))+cv::Scalar(div/2,div/2,div/2);  

}  

时间对比

通过迭代二十次取平均时间，得到每种方法是运算时间如下。

可以看到，指针*++访问和位运算是最快的方法；而不断的计算image.cols*image.channles()花费了大量重复的时间；另外迭代器访问虽然安全，但性能远低于指针运算；通过图像坐标(j,i)访问时最慢的，使用重载操作符直接运算效率最高。

总结

以上是生活随笔为你收集整理的访问Mat中每个像素的值的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。