【OpenCV】訪問Mat影象中每個畫素的值

xiaowei_cqu發表於2012-07-22
OpenCV

今天百度搜資料還搜到了自己的。。。《訪問影象中每個畫素的值》，這是之前寫的了，用的也是2.0的風格IplImage*格式，不太適用後來Mat的格式，特此重寫一篇。

以下例子源自《The OpenCV Tutorials --Release 2.4.2》2.2 How to scan images, lookup tables and time measurement with OpenCV


影象容器Mat

還是先看Mat的儲存形式。Mat和Matlab裡的陣列格式有點像，但一般是二維向量，如果是灰度圖，一般存放<uchar>型別；如果是RGB彩色圖，存放<Vec3b>型別。
單通道灰度圖資料存放格式：

多通道的影象中，每列並列存放通道數量的子列，如RGB三通道彩色圖：

注意通道的順序反轉了：BGR。通常情況記憶體足夠大的話影象的每一行是連續存放的，也就是在記憶體上影象的所有資料存放成一行，這中情況在訪問時可以提供很大方便。可以用 isContinuous()函式來判斷影象陣列是否為連續的。

訪問影象中的畫素


高效的方法：C操作符[ ]

最快的是直接用C風格的記憶體訪問操作符[]來訪問：
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 ;
	int nCols = I.cols* channels;
	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;
}
注意：書中這段程式碼是有問題的，前面寫成了 
int nRows = I.rows * channels;
int nCols = I.cols;
一般情況 isContinous為true，執行不會出錯，但你可以註釋掉那個if，會有訪問越界的問題。
這種訪問形式就是在每行定義一個指標，然後在記憶體上直接連續訪問。如果整個陣列在記憶體上都是連續存放的，那麼只需要定義一個指標就可以訪問所有的資料！如單通道的灰度圖訪問方式如下：
uchar* p = I.data;
for( unsigned int i =0; i < ncol*nrows; ++i)
	*p++ = table[*p];

安全的方法：迭代器iterator

相比用指標直接訪問可能出現越界問題，迭代器絕對是非常安全的方法：
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;
}
這裡我們只定義了一個迭代器，用了一個for迴圈，這是因為在OpenCV裡迭代器會訪問每一列然後自動跳到下一行，不用管在記憶體上是否isContinous。另外要注意的是在三通道影象中我們定義的是 <Vec3b>格式的迭代器，如果定義成uchar，則只能訪問到B即藍色通道的值。
這種方式雖然安全，但是挺慢的，一會兒就知道了。

更慢的方法：動態地址計算

這種方法在需要連續掃描所有點的應用時並不推薦，因為它更實用與隨機訪問。這種方法最基本的用途是訪問任意的某一行某一列：
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;
}
因為這種方法是為隨機訪問設計的，所以真的是奇慢無比。。。

減小顏色空間 color space reduction

現在來介紹下上述函式對每個元素的操作，也就是用table更改畫素值。這裡其實是做了個減小顏色空間的操作，這在一些識別之類的應用中會大大降低運算複雜度。類如uchar型別的三通道影象，每個通道取值可以是0~255，於是就有 256*256個不同的值。我們可以通過定義：
0~9 範圍的畫素值為 0
10~19 範圍的畫素值 為 10
20~29 範圍的畫素值為 20
。。。。。。
著這樣的操作將顏色取值降低為 26*26*26 種情況。這個操作可以用一個簡單的公式：

來實現，因為C++中int型別除法操作會自動截餘。 類如 Iold=14; Inew=(Iold/10)*10=(14/10)*10=1*10=10;
在處理影象畫素時，每個畫素需要進行一遍上述計算也需要一定的時間花銷。但我們注意到其實只有 0~255 種畫素，即只有256種情況。進一步可以把256種計算好的結果提前存在表中 table 中，這樣每種情況不需計算直接從 table 中取結果即可。
int divideWith=10; 
uchar table[256];
for (int i = 0; i < 256; ++i)
	table[i] = divideWith* (i/divideWith);
於是table[i]存放的是值為i的畫素減小顏色空間的結果，這樣也就可以理解上述方法中的操作：
p[j] = table[p[j]];

LUT : Look up table

OpenCV 很聰明的有個 LUT 函式就是針對這種 Look up talbe 的操作：
Mat lookUpTable(1, 256, CV_8U);
uchar* p = lookUpTable.data;
for( int i = 0; i < 256; ++i)
	p[i] = table[i];
for (int i = 0; i < times; ++i)
	LUT(I, lookUpTable, J);

演算法計時

為了驗證幾種方法的效率，可以用一個簡單的計時和輸出：
double t;
t = (double)getTickCount();
t = 1000*((double)getTickCount() - t)/getTickFrequency();
t /= times;

實驗結果


原圖：


降低顏色空間結果：


演算法時間：


更清楚的時間對比表：


轉載請註明出處：http://blog.csdn.net/xiaowei_cqu/article/details/7771760
實驗程式碼下載：http://download.csdn.net/detail/xiaowei_cqu/4443761



相關文章