opencv学习-----像素遍历

1. OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝大 的图像，因为这会降低程序速度。
2. OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
3. 使用OpenCV的C++接口时不需要考虑内存释放问题。
4. 赋值运算符和拷贝构造函数（ ctor ）只拷贝信息头。
5. 使用函数 clone() 或者 copyTo() 来拷贝一副图像的矩阵。

• 遍历图像的三种方法：

1. 效率最高，查找表法

   Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
   {
       // accept only char type matrices
       CV_Assert(I.depth() != sizeof(uchar));     
   
       int channels = I.channels();
   
       int nRows = I.rows * channels; 
       int nCols = I.cols;
   
       if (I.isContinuous())
       {
           nCols *= nRows;
           nRows = 1;         
       }
   
       int i,j;
       uchar* p; 
       for( i = 0; i < nRows; ++i)
       {
           p = I.ptr<uchar>(i);
           for ( j = 0; j < nCols; ++j)
           {
               p[j] = table[p[j]];             
           }
       }
       return I; 
   }
              

   这里，我们获取了每一行开始处的指针，然后遍历至该行末尾。如果矩阵是以连续方式存储的，我们只需请求一次指针、然后一路遍历下去就行。彩色图像的情况有必要加以注意：因为三个通道的原因，我们需要遍历的元素数目也是3倍。
2. 迭代法：在高性能法（the efficient way）中，我们可以通过遍历正确的 uchar 域并跳过行与行之间可能的空缺-你必须自己来确认是否有空缺，来实现图像扫描，迭代法则被认为是一种以更安全的方式来实现这一功能。在迭代法中，你所需要做的仅仅是获得图像矩阵的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，即可访问当前指向的内容。

   Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
   {
       // accept only char type matrices
       CV_Assert(I.depth() != sizeof(uchar));     
       
       const int channels = I.channels();
       switch(channels)
       {
       case 1: 
           {
               MatIterator_<uchar> it, end; 
               for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
                   *it = table[*it];
               break;
           }
       case 3: 
           {
               MatIterator_<Vec3b> it, end; 
               for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
               {
                   (*it)[0] = table[(*it)[0]];
                   (*it)[1] = table[(*it)[1]];
                   (*it)[2] = table[(*it)[2]];
               }
           }
       }
       
       return I; 
   }
              

   对于彩色图像中的一行，每列中有3个uchar元素，这可以被认为是一个小的包含uchar元素的vector，在OpenCV中用 Vec3b 来命名。如果要访问第n个子列，我们只需要简单的利用[]来操作就可以。需要指出的是，OpenCV的迭代在扫描过一行中所有列后会自动跳至下一行，所以说如果在彩色图像中如果只使用一个简单的 uchar 而不是 Vec3b 迭代的话就只能获得蓝色通道(B)里的值。
3. 直接读取：事实上这个方法并不推荐被用来进行图像扫描，它本来是被用于获取或更改图像中的随机元素。它的基本用途是要确定你试图访问的元素的所在行数与列数。在前面的扫描方法中，我们观察到知道所查询的图像数据类型是很重要的。这里同样的你得手动指定好你要查找的数据类型。下面的代码中是一个关于灰度图像的示例(运用 + at() 函数):

   Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* const table)
   {
       // accept only char type matrices
       CV_Assert(I.depth() != sizeof(uchar));     
   
       const int channels = I.channels();
       switch(channels)
       {
       case 1: 
           {
               for( int i = 0; i < I.rows; ++i)
                   for( int j = 0; j < I.cols; ++j )
                       I.at<uchar>(i,j) = table[I.at<uchar>(i,j)];
               break;
           }
       case 3: 
           {
            Mat_<Vec3b> _I = I;
               
            for( int i = 0; i < I.rows; ++i)
               for( int j = 0; j < I.cols; ++j )
                  {
                      _I(i,j)[0] = table[_I(i,j)[0]];
                      _I(i,j)[1] = table[_I(i,j)[1]];
                      _I(i,j)[2] = table[_I(i,j)[2]];
               }
            I = _I;
            break;
           }
       }
       
       return I;
   }