图像处理之访问图像的像素

1 图像在内存之中的存储方式

在之前的章节中，我们已经了解到图像矩阵的大小取决于所用的颜色模型，确切地说，取决于所用通道数。如果是灰度图像，矩阵就会如下图所示。

而对多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。例如，如下图所示RGB颜色模型的矩阵。

可以看到，OpenCV中子列的通道顺序是反过来的—BGR而不是RGB。很多情况下，因为内存足够大，可实现连续存储，因此，图像中的各行就能一行行地连接起来，形成一个长行。连续存储有助于提升图像扫描速度，我们可以使用

isContinuous（）

来判断矩阵是否是连续存储的。相关示例会在接下来的内容中提供。

2 颜色空间缩减

我们知道，若矩阵元素存储的是单通道像素，使用C或C＋＋的无符号字符类型，那么像素可有256个不同值。但若是三通道图像，这种存储格式的颜色数就太多了（确切地说，有一千六百多万种）。用如此之多的颜色来进行处理，可能会对我们的算法性能造成严重影响。

其实，仅用这些颜色中具有代表性的很小的部分，就足以达到同样的效果。

如此，颜色空间缩减（color space reduction）便可以派上用场了，它在很多应用中可以大大降低运算复杂度。颜色空间缩减的做法是：将现有颜色空间值除以某个输入值，以获得较少的颜色数。也就是“做减法”，比如颜色值0到9可取为新值0，10到19可取为10，以此类推。

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256x256个不同的值。我们可以定义：

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。

这样的操作将颜色取值降低为26x26x26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。例如：

Iold＝14;
old/10)*10=(14/10)*10=1*10=10;

uchar（无符号字符，即0到255之间取值的数）类型的值除以int值，结果仍是char。因为结果是char类型的，所以求出来小数也要向下取整。利用这一点，刚才提到在uchar 定义域中进行的颜色缩减运算就可以表达为下面的形式：

因为C＋＋中int类型除法操作会自动截余。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。

int dividewith=10;
uchar table[256];
for (int i = 0; i < 256; ++1)
table[i] =divideWith * (i / divideWith);

于是 table［i］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：

p[j] = table[p[j]];

这样，简单的颜色空间缩减算法就可由下面两步组成：

（1）遍历图像矩阵的每一个像素；

（2）对像素应用上述公式。

值得注意的是，我们这里用到了除法和乘法运算，而这两种运算又特别费时，所以，应尽可能用代价较低的加、减、赋值等运算来替换它们。此外，还应注意到，上述运算的输入仅能在某个有限范围内取值，如uchar类型可取256个值。

由此可知，对于较大的图像，有效的方法是预先计算所有可能的值，然后需要这些值的时候，利用查找表直接赋值即可。查找表是一维或多维数组，存储了不同输入值所对应的输出值，其优势在于只需读取、无须计算。

3 访问图像中像素的三类方法

任何图像处理算法，都是从操作每个像素开始的。即使我们不会使用OpenCV提供的各种图像处理函数，只要了解了图像处理算法的基本原理，也可以写出具有相同功能的程序。在OpenCV中，提供了三种访问每个像素的方法。

• 方法一 指针访问：C操作符［］；
• 方法二迭代器 iterator：
• 方法三 动态地址计算。

这三种方法在访问速度上略有差异。debug 模式下，这种差异非常明显，不过在release模式下，这种差异就不太明显了。我们通过一组程序来说明这几种方法。程序的目的是减少图像中颜色的数量，比如原来的图像是是256种颜色，我们希望将它变成64种颜色，那只需要将原来的颜色除以4（整除）以后再乘以4就可以了。

3.1 用指针访问像素

用指针访问像素的这种方法利用的是C语言中的操作符［］。这种方法最快，但是略有点抽象。实验条件下单次运行时间为0.00665378。范例代码如下。

void colorReduce(Mat& inputImage, Mat& outputImage, int div)  
{  
  //参数准备
  outputImage = inputImage.clone();  //拷贝实参到临时变量
  int rowNumber = outputImage.rows;  //行数
  int colNumber = outputImage.cols*outputImage.channels();  //列数 x 通道数=每一行元素的个数

  //双重循环，遍历所有的像素值
  for(int i = 0;i < rowNumber;i++)  //行循环
  {  
    uchar* data = outputImage.ptr<uchar>(i);  //获取第i行的首地址
    for(int j = 0;j < colNumber;j++)   //列循环
    {   
      // ---------【开始处理每个像素】-------------     
      data[j] = data[j]/div*div + div/2;  
      // ----------【处理结束】---------------------
    }  //行处理结束
  }  
}

Mat类有若干成员函数可以获取图像的属性。公有成员变量cols和rows给出了图像的宽和高，而成员函数channels0用于返回图像的通道数。灰度图的通道数为1，彩色图的通道数为3。

每行的像素值由以下语句得到：

int colNumber=outputImage.cols*outputImage.channels；//列数x通道数＝每一行元素的个数

为了简化指针运算，Mat类提供了ptr函数可以得到图像任意行的首地址。ptr是一个模板函数，它返回第i行的首地址：

uchar* data = outputImage.ptr(i)；//获取第i行的首地址

而双层循环内部的那句处理像素的代码，我们可以等效地使用指针运算从一列移动到下一列。所以，也可以这样来写：

data++=*data/div*div+div/2;

3.2 用迭代器操作像素

第二种方法为用迭代器操作像素，这种方法与STL库的用法类似。

在迭代法中，我们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。

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。

void colorReduce(Mat& inputImage, Mat& outputImage, int div)  
{  
  //参数准备
  outputImage = inputImage.clone();  //拷贝实参到临时变量
  //获取迭代器
  Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();  //初始位置的迭代器
  Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();  //终止位置的迭代器

  //存取彩色图像像素
  for(;it != itend;++it)  
  {  
    // ------------------------【开始处理每个像素】--------------------
    (*it)[0] = (*it)[0]/div*div + div/2;  
    (*it)[1] = (*it)[1]/div*div + div/2;  
    (*it)[2] = (*it)[2]/div*div + div/2;  
    // ------------------------【处理结束】----------------------------
  }  
}

实验条件下单次运行时间为0.242588。

不熟悉面向对象编程中迭代器的概念的读者，可以阅读与STL中迭代器相关的入门书籍和文字。用关键字“STL 迭代器”进行搜索可以找到各种相关的博文和资料。

3.3 动态地址计算

第三种方法为用动态地址计算来操作像素。下面是使用动态地址运算配合at方法的 colorReduce函数的代码。这种方法简洁明了，符合大家对像素的直观认识。实验条件下单次运行时间约为0.334131。

void colorReduce(Mat& inputImage, Mat& outputImage, int div)  
{  
  //参数准备
  outputImage = inputImage.clone();  //拷贝实参到临时变量
  int rowNumber = outputImage.rows;  //行数
  int colNumber = outputImage.cols;  //列数

  //存取彩色图像像素
  for(int i = 0;i < rowNumber;i++)  
  {  
    for(int j = 0;j < colNumber;j++)  
    {   
      // ------------------------【开始处理每个像素】--------------------
      outputImage.at<Vec3b>(i,j)[0] =  outputImage.at<Vec3b>(i,j)[0]/div*div + div/2;  //蓝色通道
      outputImage.at<Vec3b>(i,j)[1] =  outputImage.at<Vec3b>(i,j)[1]/div*div + div/2;  //绿色通道
      outputImage.at<Vec3b>(i,j)[2] =  outputImage.at<Vec3b>(i,j)[2]/div*div + div/2;  //红是通道
      // -------------------------【处理结束】----------------------------
    }  // 行处理结束     
  }  
}

让我们讲解一下上述的代码。

Mat类中的cols和rows给出了图像的宽和高。而成员函数at（int y, int x)可以用来存取图像元素，但是必须在编译期知道图像的数据类型。需要注意的是，我们一定要确保指定的数据类型要和矩阵中的数据类型相符合，因为at方法本身不会对任何数据类型进行转换。

对于彩色图像，每个像素由三个部分构成：蓝色通道、绿色通道和红色通道（BGR）。因此，对于一个包含彩色图像的Mat，会返回一个由三个8位数组成的向量。OpenCV将此类型的向量定义为Vec3b，即由三个 unsigned char 组成的向 量。这也解释了为什么存取彩色图像像素的代码可以写出如下形式：

image.at<Vec3b>(j,i)[channel]=value;

其中，索引值channel标明了颜色通道号。

另外需要再次提醒大家的是，OpenCV中的彩色图像不是以RGB的顺序存放的，而是BGR，所以程序中的outputlmage e.at(ij)[0]代表的是该点的B分 量。同理还有(*it)[0]。