閱讀1009 返回首頁    go 阿裏雲 go 技術社區[雲棲]

【OpenCV】訪問Mat中每個像素的值（新）(III)

在《OpenCV 2 Computer Vision Application Programming Cookbook》看到的例子，非常不錯，算是對之前的文章<訪問Mat圖像中每個像素的值>的回顧和補充。

Color Reduce

還是使用經典的Reduce Color的例子，即對圖像中的像素表達進行量化。如常見的RGB24圖像有256×256×256中顏色，通過Reduce Color將每個通道的像素減少8倍至256/8=32種，則圖像隻有32×32×32種顏色。假設量化減少的倍數是N，則代碼實現時就是簡單的value/N*N，通常我們會再加上N/2以得到相鄰的N的倍數的中間值，最後圖像被量化為(256/N)×(256/N)×(256/N)種顏色。

方法零：.ptr和[]操作符

Mat最直接的訪問方法是通過.ptr<>函數得到一行的指針，並用[]操作符訪問某一列的像素值。

  1. // using .ptr and []  
  2. void colorReduce0(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols * image.channels(); // total number of elements per line  
  5.       for (int j=0; j<nr; j++) {  
  6.           uchar* data= image.ptr<uchar>(j);  
  7.           for (int i=0; i<nc; i++) {  
  8.                   data[i]= data[i]/div*div + div/2;  
  9.             }                    
  10.       }  
  11. }  


方法一：.ptr和指針操作

除了[]操作符，我們可以移動指針*++的組合方法訪問某一行中所有像素的值。

  1. // using .ptr and * ++   
  2. void colorReduce1(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols * image.channels(); // total number of elements per line  
  5.       for (int j=0; j<nr; j++) {  
  6.           uchar* data= image.ptr<uchar>(j);  
  7.           for (int i=0; i<nc; i++) {  
  8.                  *data++= *data/div*div + div/2;  
  9.             } // end of row                   
  10.       }  
  11. }  


方法二：.ptr、指針操作和取模運算

方法二和方法一的訪問方式相同，不同的是color reduce用模運算代替整數除法

  1. // using .ptr and * ++ and modulo  
  2. void colorReduce2(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols * image.channels(); // total number of elements per line  
  5.       for (int j=0; j<nr; j++) {  
  6.           uchar* data= image.ptr<uchar>(j);  
  7.           for (int i=0; i<nc; i++) {  
  8.                   int v= *data;  
  9.                   *data++= v - v%div + div/2;  
  10.             } // end of row                   
  11.       }  
  12. }  


方法三：.ptr、指針運算和位運算

由於進行量化的單元div通常是2的整次方，因此所有的乘法和除法都可以用位運算表示。

  1. // using .ptr and * ++ and bitwise  
  2. void colorReduce3(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols * image.channels(); // total number of elements per line  
  5.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  6.       // mask used to round the pixel value  
  7.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  8.       for (int j=0; j<nr; j++) {  
  9.           uchar* data= image.ptr<uchar>(j);  
  10.           for (int i=0; i<nc; i++) {  
  11.             *data++= *data&mask + div/2;  
  12.             } // end of row                   
  13.       }  
  14. }  


方法四：指針運算

方法四和方法三量化處理的方法相同，不同的是用指針運算代替*++操作。

  1. // direct pointer arithmetic  
  2. void colorReduce4(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols * image.channels(); // total number of elements per line  
  5.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  6.       int step= image.step; // effective width  
  7.       // mask used to round the pixel value  
  8.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  9.       // get the pointer to the image buffer  
  10.       uchar *data= image.data;  
  11.       for (int j=0; j<nr; j++) {  
  12.           for (int i=0; i<nc; i++) {  
  13.             *(data+i)= *data&mask + div/2;  
  14.             } // end of row                   
  15.             data+= step;  // next line  
  16.       }  
  17. }  


方法五：.ptr、*++、位運算以及image.cols * image.channels()

這種方法就是沒有計算nc，基本是個充數的方法。

  1. // using .ptr and * ++ and bitwise with image.cols * image.channels()  
  2. void colorReduce5(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  5.       // mask used to round the pixel value  
  6.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  7.       for (int j=0; j<nr; j++) {  
  8.           uchar* data= image.ptr<uchar>(j);  
  9.           for (int i=0; i<image.cols * image.channels(); i++) {  
  10.             *data++= *data&mask + div/2;  
  11.             } // end of row                   
  12.       }  
  13. }  

 

方法六：連續圖像

Mat提供了isContinuous()函數用來查看Mat在內存中是不是連續存儲，如果是則圖片被存儲在一行中。

  1. // using .ptr and * ++ and bitwise (continuous)  
  2. void colorReduce6(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols * image.channels(); // total number of elements per line  
  5.       if (image.isContinuous())  {  
  6.           // then no padded pixels  
  7.           nc= nc*nr;   
  8.           nr= 1;  // it is now a 1D array  
  9.        }  
  10.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  11.       // mask used to round the pixel value  
  12.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  13.       for (int j=0; j<nr; j++) {  
  14.           uchar* data= image.ptr<uchar>(j);  
  15.           for (int i=0; i<nc; i++) {  
  16.             *data++= *data&mask + div/2;  
  17.             } // end of row                   
  18.       }  
  19. }  


方法七：continuous+channels

與方法六基本相同，也是充數的。

  1. // using .ptr and * ++ and bitwise (continuous+channels)  
  2. void colorReduce7(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols ; // number of columns  
  5.       if (image.isContinuous())  {  
  6.           // then no padded pixels  
  7.           nc= nc*nr;   
  8.           nr= 1;  // it is now a 1D array  
  9.        }  
  10.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  11.       // mask used to round the pixel value  
  12.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  13.       for (int j=0; j<nr; j++) {  
  14.           uchar* data= image.ptr<uchar>(j);  
  15.           for (int i=0; i<nc; i++) {  
  16.             *data++= *data&mask + div/2;  
  17.             *data++= *data&mask + div/2;  
  18.             *data++= *data&mask + div/2;  
  19.             } // end of row                   
  20.       }  
  21. }  


方法八：Mat _iterator

真正有區別的方法來啦，用Mat提供的迭代器代替前麵的[]操作符或指針，血統純正的官方方法~

  1. // using Mat_ iterator   
  2. void colorReduce8(cv::Mat &image, int div=64) {  
  3.       // get iterators  
  4.       cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();  
  5.       cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();  
  6.       for ( ; it!= itend; ++it) {  
  7.         (*it)[0]= (*it)[0]/div*div + div/2;  
  8.         (*it)[1]= (*it)[1]/div*div + div/2;  
  9.         (*it)[2]= (*it)[2]/div*div + div/2;  
  10.       }  
  11. }  

 

方法九：Mat_ iterator 和位運算

把方法八中的乘除法換成位運算。

  1. // using Mat_ iterator and bitwise  
  2. void colorReduce9(cv::Mat &image, int div=64) {  
  3.       // div must be a power of 2  
  4.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  5.       // mask used to round the pixel value  
  6.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  7.       // get iterators  
  8.       cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();  
  9.       cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();  
  10.       for ( ; it!= itend; ++it) {  
  11.         (*it)[0]= (*it)[0]&mask + div/2;  
  12.         (*it)[1]= (*it)[1]&mask + div/2;  
  13.         (*it)[2]= (*it)[2]&mask + div/2;  
  14.       }  
  15. }  


方法十：MatIterator_

和方法八基本相同。

  1. // using MatIterator_   
  2. void colorReduce10(cv::Mat &image, int div=64) {  
  3.       cv::Mat_<cv::Vec3b> cimage= image;  
  4.       cv::Mat_<cv::Vec3b>::iterator it=cimage.begin();  
  5.       cv::Mat_<cv::Vec3b>::iterator itend=cimage.end();  
  6.       for ( ; it!= itend; it++) {   
  7.         (*it)[0]= (*it)[0]/div*div + div/2;  
  8.         (*it)[1]= (*it)[1]/div*div + div/2;  
  9.         (*it)[2]= (*it)[2]/div*div + div/2;  
  10.       }  
  11. }  

 

方法十一：圖像坐標

  1. // using (j,i)  
  2. void colorReduce11(cv::Mat &image, int div=64) {  
  3.       int nr= image.rows; // number of rows  
  4.       int nc= image.cols; // number of columns  
  5.       for (int j=0; j<nr; j++) {  
  6.           for (int i=0; i<nc; i++) {  
  7.                   image.at<cv::Vec3b>(j,i)[0]=     image.at<cv::Vec3b>(j,i)[0]/div*div + div/2;  
  8.                   image.at<cv::Vec3b>(j,i)[1]=     image.at<cv::Vec3b>(j,i)[1]/div*div + div/2;  
  9.                   image.at<cv::Vec3b>(j,i)[2]=     image.at<cv::Vec3b>(j,i)[2]/div*div + div/2;  
  10.             } // end of row                   
  11.       }  
  12. }  


方法十二：創建輸出圖像

之前的方法都是直接修改原圖，方法十二新建了輸出圖像，主要用於後麵的時間對比。

  1. // with input/ouput images  
  2. void colorReduce12(const cv::Mat &image, // input image   
  3.                  cv::Mat &result,      // output image  
  4.                  int div=64) {  
  5.       int nr= image.rows; // number of rows  
  6.       int nc= image.cols ; // number of columns  
  7.       // allocate output image if necessary  
  8.       result.create(image.rows,image.cols,image.type());  
  9.       // created images have no padded pixels  
  10.       nc= nc*nr;   
  11.       nr= 1;  // it is now a 1D array  
  12.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  13.       // mask used to round the pixel value  
  14.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  15.       for (int j=0; j<nr; j++) {  
  16.           uchar* data= result.ptr<uchar>(j);  
  17.           const uchar* idata= image.ptr<uchar>(j);  
  18.           for (int i=0; i<nc; i++) {  
  19.             *data++= (*idata++)&mask + div/2;  
  20.             *data++= (*idata++)&mask + div/2;  
  21.             *data++= (*idata++)&mask + div/2;  
  22.           } // end of row                   
  23.       }  
  24. }  


方法十三：重載操作符

Mat重載了+&等操作符，可以直接將兩個Scalar(B,G,R)數據進行位運算和數學運算。

  1. // using overloaded operators  
  2. void colorReduce13(cv::Mat &image, int div=64) {  
  3.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  4.       // mask used to round the pixel value  
  5.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0  
  6.       // perform color reduction  
  7.       image=(image&cv::Scalar(mask,mask,mask))+cv::Scalar(div/2,div/2,div/2);  
  8. }  


時間對比

通過迭代二十次取平均時間，得到每種方法是運算時間如下。

可以看到，指針*++訪問和位運算是最快的方法；而不斷的計算image.cols*image.channles()花費了大量重複的時間；另外迭代器訪問雖然安全，但性能遠低於指針運算；通過圖像坐標(j,i)訪問時最慢的，使用重載操作符直接運算效率最高。

（轉載請注明作者和出處：https://blog.csdn.net/xiaowei_cqu 未經允許請勿用於商業用途）




【OpenCV】訪問Mat中每個像素的值（新）

最後更新：2017-04-03 05:40:09

  上一篇：go 同學幫改膚色檢測（未完成版）
  下一篇：go 前端先鋒博客大全