OpenCV遍历图像像素

引言:

为了构建计算机视觉应用程序,需要学会访问图像内容,有时也要修改或创建图像,如何操作图像的像素,就需要遍历一幅图像并处理每一个像素。现在我们就来介绍OpenCV三种图像像素的遍历方法。

一、 用cv::Mat类的at方法扫描图像

利用cv::Mat的at(int x,int y)方法可以访问元素,其中x是行号,y是列号。在编译时必须明确方法返回值的类型,因为cv::Mat可以接受任何类型的元素,所以程序员需要指定返回值的预期类型。正因为如此,at方法被实现成一个模板方法。在调用at方法时,你必须指定图像元素的类型,例如:

cpp 复制代码
// 单通道图像
image.at<uchar>(i,j)= 255;
// 三通道图像
image.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255);

用cv::Mat类的at方法扫描图像代码如下:

cpp 复制代码
void visit_mat_by_at(cv::Mat &img)
{
    for (int i = 0; i < img.rows; i++)
    {
        for (int j = 0; j < img.cols; j++)
        {
            // 单通道图像
            if (img.channels() == 1)
            {
                img.at<uchar>(i, j) += 50;
            }
            // 三通道图像
            else
            {
                img.at<cv::Vec3b>(i, j)[0] += 50;
                img.at<cv::Vec3b>(i, j)[1] += 50;
                img.at<cv::Vec3b>(i, j)[2] += 50;
            }
        }
    }
}

二、 用指针扫描图像

一般来说,用指针扫描图像比较高效。在大多数图像处理任务中,执行计算时你都需要对图像的所有像素进行扫描。需要访问的像素数量非常庞大,因此你必须采用高效的方式来执行这个任务。

用指针扫描图像代码如下:

cpp 复制代码
void visit_mat_by_pointer(cv::Mat &img)
{
    for (int i = 0; i < img.rows; i++)
    {
        uchar *data = img.ptr<uchar>(i);
        for (int j = 0; j < img.cols * img.channels(); j++)
        {
            data[j] += 50;
        }
    }
}

三、 用迭代器扫描图像

在面向对象编程时,我们通常用迭代器对数据集合进行循环遍历。迭代器是一种类,专门用于遍历集合的每个元素,并能隐藏遍历过程的具体细节。标准模板库(Standard Template Library,STL)对每个集合类都定义了对应的迭代器类,OpenCV也提供了cv::Mat的迭代器类,并且与C++ STL中的标准迭代器兼容。

用迭代器扫描图像代码如下:

cpp 复制代码
void visit_mat_by_iterator(cv::Mat &img)
{
    // 单通道图像
    if (img.channels() == 1)
    {
        cv::Mat_<uchar>::iterator begin = img.begin<uchar>();
        cv::Mat_<uchar>::iterator end = img.end<uchar>();
 
        for (auto it = begin; it != end; it++)
        {
            *it += 50;
        }
    }
    // 三通道图像
    else
    {
        cv::Mat_<cv::Vec3b>::iterator begin = img.begin<cv::Vec3b>();
        cv::Mat_<cv::Vec3b>::iterator end = img.end<cv::Vec3b>();
 
        for (auto it = begin; it != end; it++)
        {
            (*it)[0] += 50;
            (*it)[1] += 50;
            (*it)[2] += 50;
        }
    }
}

测试代码:

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>
 
int main()
{
    // 单通道图像
    cv::Mat img1(3, 4, CV_8UC1, 100);
    std::cout << "单通道图像像素修改前:" << std::endl;
    std::cout << img1 << std::endl;
 
    visit_mat_by_at(img1);
    //visit_mat_by_pointer(img1);
    //visit_mat_by_iterator(img1);
    std::cout << "单通道图像像素修改后:" << std::endl;
    std::cout << img1 << std::endl;
 
    // 三通道图像
    cv::Mat img2(3, 4, CV_8UC3, cv::Scalar(100, 150, 200));
    std::cout << "三通道图像像素修改前:" << std::endl;
    std::cout << img2 << std::endl;
 
    visit_mat_by_at(img2);
    //visit_mat_by_pointer(img2);
    //visit_mat_by_iterator(img2);
    std::cout << "三通道图像像素修改后:" << std::endl;
    std::cout << img2 << std::endl;
 
    cv::waitKey();
 
    return 0;
}

运行结果:

bash 复制代码
单通道图像像素修改前:
[100, 100, 100, 100;
 100, 100, 100, 100;
 100, 100, 100, 100]
单通道图像像素修改后:
[150, 150, 150, 150;
 150, 150, 150, 150;
 150, 150, 150, 150]
三通道图像像素修改前:
[100, 150, 200, 100, 150, 200, 100, 150, 200, 100, 150, 200;
 100, 150, 200, 100, 150, 200, 100, 150, 200, 100, 150, 200;
 100, 150, 200, 100, 150, 200, 100, 150, 200, 100, 150, 200]
三通道图像像素修改后:
[150, 200, 250, 150, 200, 250, 150, 200, 250, 150, 200, 250;
 150, 200, 250, 150, 200, 250, 150, 200, 250, 150, 200, 250;
 150, 200, 250, 150, 200, 250, 150, 200, 250, 150, 200, 250]

说明我们完成遍历图像,并成功修改了图像的像素。

相关推荐
叶子爱分享5 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
cver1235 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
kyle~7 小时前
目标检测在国防和政府的应用实例
人工智能·目标检测·计算机视觉
Akttt8 小时前
【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION
人工智能·深度学习·计算机视觉·text2img
jndingxin9 小时前
OpenCV CUDA模块设备层-----反向二值化阈值处理函数thresh_binary_inv_func()
人工智能·opencv·计算机视觉
jndingxin10 小时前
OpenCV CUDA模块设备层-----在 GPU 上执行类似于 std::copy 的操作函数warpCopy()
人工智能·opencv·计算机视觉
晓131310 小时前
OpenCV篇——项目(二)OCR文档扫描
人工智能·python·opencv·pycharm·ocr
jndingxin10 小时前
OpenCV CUDA模块设备层-----在GPU 上高效地执行两个 uint 类型值的最大值比较函数vmax2()
人工智能·opencv·计算机视觉
加油吧zkf12 小时前
目标检测新纪元:DETR到Mamba实战解析
图像处理·人工智能·python·目标检测·分类
顾道长生'12 小时前
(Arxiv-2024)自回归模型优于扩散:Llama用于可扩展的图像生成
计算机视觉·数据挖掘·llama·自回归模型·多模态生成与理解