设为首页收藏本站

爱乐眼底图像分析

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
查看: 10798|回复: 2

opencv访问Mat图像中每个像素的值

[复制链接]
发表于 2013-3-10 21:55:54 | 显示全部楼层 |阅读模式

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
图像容器Mat还是先看Mat的存储形式。Mat和Matlab里的数组格式有点像,但一般是二维向量,如果是灰度图,一般存放类型;如果是RGB彩色图,存放类型。
单通道灰度图数据存放格式:



多通道的图像中,每列并列存放通道数量的子列,如RGB三通道彩色图:


注意通道的顺序反转了:BGR。通常情况内存足够大的话图像的每一行是连续存放的,也就是在内存上图像的所有数据存放成一行,这中情况在访问时可以提供很大方便。可以用 isContinuous()函数来判断图像数组是否为连续的。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

 楼主| 发表于 2013-3-10 21:56:53 | 显示全部楼层
访问图像中的像素
高效的方法:C操作符[ ]最快的是直接用C风格的内存访问操作符[]来访问:
[cpp] view plaincopy


  • 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(i);  
  •         for ( j = 0; j < nCols; ++j)  
  •         {  
  •             p[j] = table[p[j]];  
  •         }  
  •     }  
  •     return I;  
  • }  


注意:书中这段代码是有问题的,前面写成了

[cpp] view plaincopy


  • int nRows = I.rows * channels;  
  • int nCols = I.cols;  


一般情况 isContinous为true,运行不会出错,但你可以注释掉那个if,会有访问越界的问题。
这种访问形式就是在每行定义一个指针,然后在内存上直接连续访问。如果整个数组在内存上都是连续存放的,那么只需要定义一个指针就可以访问所有的数据!如单通道的灰度图访问方式如下:
[cpp] view plaincopy


  • 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相比用指针直接访问可能出现越界问题,迭代器绝对是非常安全的方法:

[cpp] view plaincopy


  • 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_ it, end;  
  •             for( it = I.begin(), end = I.end(); it != end; ++it)  
  •                 *it = table[*it];  
  •             break;  
  •         }  
  •     case 3:  
  •         {  
  •             MatIterator_ it, end;  
  •             for( it = I.begin(), end = I.end(); it != end; ++it)  
  •             {  
  •                 (*it)[0] = table[(*it)[0]];  
  •                 (*it)[1] = table[(*it)[1]];  
  •                 (*it)[2] = table[(*it)[2]];  
  •             }  
  •         }  
  •     }  
  •     return I;  
  • }  

这里我们只定义了一个迭代器,用了一个for循环,这是因为在OpenCV里迭代器会访问每一列然后自动跳到下一行,不用管在内存上是否isContinous。另外要注意的是在三通道图像中我们定义的是 格式的迭代器,如果定义成uchar,则只能访问到B即蓝色通道的值。
这种方式虽然安全,但是挺慢的,一会儿就知道了。


更慢的方法:动态地址计算这种方法在需要连续扫描所有点的应用时并不推荐,因为它更实用与随机访问。这种方法最基本的用途是访问任意的某一行某一列:

[cpp] view plaincopy


  • 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(i,j) = table[I.at(i,j)];  
  •             break;  
  •         }  
  •     case 3:  
  •         {  
  •             Mat_ _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;  
  • }  

因为这种方法是为随机访问设计的,所以真的是奇慢无比。。。


回复 支持 反对

使用道具 举报

 楼主| 发表于 2013-3-10 21:58:06 | 显示全部楼层
减小颜色空间 color space reduction现在来介绍下上述函数对每个元素的操作,也就是用table更改像素值。这里其实是做了个减小颜色空间的操作,这在一些识别之类的应用中会大大降低运算复杂度。类如uchar类型的三通道图像,每个通道取值可以是0~255,于是就有 256*256个不同的值。我们可以通过定义:
0~9 范围的像素值为 0
10~19 范围的像素值 为 10
20~29 范围的像素值为 20
。。。。。。
着这样的操作将颜色取值降低为 26*26*26 种情况。这个操作可以用一个简单的公式:



来实现,因为C++中int类型除法操作会自动截余。 类如 Iold=14; Inew=(Iold/10)*10=(14/10)*10=1*10=10;
在处理图像像素时,每个像素需要进行一遍上述计算也需要一定的时间花销。但我们注意到其实只有 0~255 种像素,即只有256种情况。进一步可以把256种计算好的结果提前存在表中 table 中,这样每种情况不需计算直接从 table 中取结果即可。

[cpp] view plaincopy


  • int divideWith=10;   
  • uchar table[256];  
  • for (int i = 0; i < 256; ++i)  
  •     table = divideWith* (i/divideWith);  

于是table存放的是值为i的像素减小颜色空间的结果,这样也就可以理解上述方法中的操作:
[cpp] view plaincopy


  • p[j] = table[p[j]];  

LUT : Look up tableOpenCV 很聪明的有个 LUT 函数就是针对这种 Look up talbe 的操作:

[cpp] view plaincopy


  • Mat lookUpTable(1, 256, CV_8U);  
  • uchar* p = lookUpTable.data;  
  • for( int i = 0; i < 256; ++i)  
  •     p = table;  
  • for (int i = 0; i < times; ++i)  
  •     LUT(I, lookUpTable, J);  



算法计时为了验证几种方法的效率,可以用一个简单的计时和输出:


[cpp] view plaincopy


  • double t;  
  • t = (double)getTickCount();  
  • t = 1000*((double)getTickCount() - t)/getTickFrequency();  
  • t /= times;  


实验结果


原图:




降低颜色空间结果:




算法时间:




更清楚的时间对比表:




转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7771760
实验代码下载:http://download.csdn.net/detail/xiaowei_cqu/4443761

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则



QQ|Archiver|手机版|小黑屋|爱乐眼底图像分析 ( 京ICP备1201155号          

GMT+8, 2020-10-23 15:44 , Processed in 0.106602 second(s), 28 queries .

Powered by Discuz! X3.1

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表