平凉崆峒建设局网站,广东网站建设设计服务,广州网站建设技术外包,软件系统设计流程【欢迎关注编码小哥#xff0c;学习更多实用的编程方法和技巧】
一、常用的访问像素的方法
1、使用at()方法
// 灰度图
cv::Mat grayImage;
for (int y 0; y grayImage.rows; y) {for (int x 0; x grayImage.cols; x) {uchar pixel grayImage.atuchar…【欢迎关注编码小哥学习更多实用的编程方法和技巧】
一、常用的访问像素的方法
1、使用at()方法
// 灰度图
cv::Mat grayImage;
for (int y 0; y grayImage.rows; y) {for (int x 0; x grayImage.cols; x) {uchar pixel grayImage.atuchar(y, x);// 处理像素grayImage.atuchar(y, x) pixel 10;}
}// 彩色图
cv::Mat colorImage;
for (int y 0; y colorImage.rows; y) {for (int x 0; x colorImage.cols; x) {cv::Vec3b pixel colorImage.atcv::Vec3b(y, x);// 处理像素pixel[0] pixel[0] 10; // B通道pixel[1] pixel[1] 10; // G通道pixel[2] pixel[2] 10; // R通道colorImage.atcv::Vec3b(y, x) pixel;}
}
2、使用指针遍历
// 灰度图
cv::Mat grayImage;
for (int y 0; y grayImage.rows; y) {uchar* row grayImage.ptruchar(y);for (int x 0; x grayImage.cols; x) {row[x] row[x] 10;}
}// 彩色图
cv::Mat colorImage;
for (int y 0; y colorImage.rows; y) {cv::Vec3b* row colorImage.ptrcv::Vec3b(y);for (int x 0; x colorImage.cols; x) {row[x][0] row[x][0] 10; // B通道row[x][1] row[x][1] 10; // G通道row[x][2] row[x][2] 10; // R通道}
}
3、迭代器遍历
// 灰度图
cv::Mat grayImage;
cv::MatIterator_uchar it, end;
for (it grayImage.beginuchar(), end grayImage.enduchar(); it ! end; it) {*it *it 10;
}// 彩色图
cv::Mat colorImage;
cv::MatIterator_cv::Vec3b it, end;
for (it colorImage.begincv::Vec3b(), end colorImage.endcv::Vec3b(); it ! end; it) {(*it)[0] (*it)[0] 10; // B通道(*it)[1] (*it)[1] 10; // G通道(*it)[2] (*it)[2] 10; // R通道
}
4、forEach()方法C11
// 灰度图
cv::Mat grayImage;
grayImage.forEachuchar([](uchar pixel, const int * position) {pixel pixel 10;
});// 彩色图
cv::Mat colorImage;
colorImage.forEachcv::Vec3b([](cv::Vec3b pixel, const int * position) {pixel[0] pixel[0] 10; // B通道pixel[1] pixel[1] 10; // G通道pixel[2] pixel[2] 10; // R通道
});
二、基于image.data直接访问像素数据方法
1、数据访问基础
// 获取图像基本信息
int width image.cols;
int height image.rows;
int channels image.channels();
uchar* pixelPtr image.data;
2、灰度图像访问
cv::Mat grayImage;
for (int y 0; y grayImage.rows; y) {for (int x 0; x grayImage.cols; x) {// 直接通过data指针访问uchar* pixel grayImage.data y * grayImage.step x;*pixel *pixel 10; // 像素处理}
} 3、彩色图像访问
cv::Mat colorImage;
for (int y 0; y colorImage.rows; y) {for (int x 0; x colorImage.cols; x) {// 计算像素位置int index y * colorImage.step x * colorImage.channels();// BGR通道uchar blue colorImage.data[index];uchar green colorImage.data[index 1];uchar red colorImage.data[index 2];// 修改像素colorImage.data[index] blue 10;colorImage.data[index 1] green 10;colorImage.data[index 2] red 10;}
} 4、通用像素访问模板
templatetypename T
void processImage(cv::Mat image) {int channels image.channels();for (int y 0; y image.rows; y) {for (int x 0; x image.cols; x) {// 计算像素起始位置int index y * image.step x * channels;// 根据通道数处理if (channels 1) {T pixel reinterpret_castT(image.data[index]);pixel pixel 10;} else if (channels 3) {T* pixel reinterpret_castT*(image.data[index]);pixel[0] pixel[0] 10; // Bpixel[1] pixel[1] 10; // Gpixel[2] pixel[2] 10; // R}}}
}// 使用示例
cv::Mat grayImage(height, width, CV_8UC1);
cv::Mat colorImage(height, width, CV_8UC3);processImageuchar(grayImage);
processImageuchar(colorImage);
5、高级数据访问
class ImageProcessor {
private:cv::Mat image;uchar* data;int width, height, channels, step;public:ImageProcessor(cv::Mat img) : image(img) {data image.data;width image.cols;height image.rows;channels image.channels();step image.step;}// 安全的像素访问uchar pixel(int x, int y, int channel 0) {return data[y * step x * channels channel];}// 像素处理void process() {for (int y 0; y height; y) {for (int x 0; x width; x) {// 处理每个通道for (int c 0; c channels; c) {uchar p pixel(x, y, c);p cv::saturate_castuchar(p * 1.2);}}}}
};// 使用
cv::Mat image cv::imread(image.jpg);
ImageProcessor processor(image);
processor.process();
三、像素算术运算
1、基本像素算术运算
// 像素加法
cv::Mat result image1 image2;// 像素减法
cv::Mat result image1 - image2;// 像素乘法
cv::Mat result image1.mul(image2);// 像素除法
cv::Mat result image1 / image2;
2、标量运算
// 对整个图像进行标量运算
cv::Mat brightened image 50; // 增加亮度
cv::Mat darkened image - 50; // 降低亮度
cv::Mat increased_contrast image * 1.5; // 增加对比度
cv::Mat decreased_contrast image * 0.5; // 降低对比度
3、像素逐元素运算
// 自定义像素运算函数
cv::Mat pixelWiseOperation(const cv::Mat src) {cv::Mat dst src.clone();// 遍历每个像素for (int y 0; y dst.rows; y) {for (int x 0; x dst.cols; x) {// 灰度图if (dst.channels() 1) {uchar pixel dst.atuchar(y, x);pixel cv::saturate_castuchar(std::pow(pixel, 1.2));}// 彩色图else if (dst.channels() 3) {cv::Vec3b pixel dst.atcv::Vec3b(y, x);pixel[0] cv::saturate_castuchar(std::pow(pixel[0], 1.2));pixel[1] cv::saturate_castuchar(std::pow(pixel[1], 1.2));pixel[2] cv::saturate_castuchar(std::pow(pixel[2], 1.2));}}}return dst;
}
4、通道分离与运算
// 分离通道并对特定通道进行运算
cv::Mat performChannelOperation(const cv::Mat src) {std::vectorcv::Mat channels;cv::split(src, channels);// 对蓝色通道进行操作channels[0] channels[0] * 1.5;cv::Mat result;cv::merge(channels, result);return result;
}
5、安全像素运算模板
templatetypename T
cv::Mat safePixelOperation(const cv::Mat src, double factor) {cv::Mat dst src.clone();for (int y 0; y dst.rows; y) {for (int x 0; x dst.cols; x) {if (dst.channels() 1) {T pixel dst.atT(y, x);pixel cv::saturate_castT(pixel * factor);}else if (dst.channels() 3) {T* pixel dst.atT(y, x);pixel[0] cv::saturate_castT(pixel[0] * factor);pixel[1] cv::saturate_castT(pixel[1] * factor);pixel[2] cv::saturate_castT(pixel[2] * factor);}}}return dst;
}// 使用示例
cv::Mat result8U safePixelOperationuchar(image, 1.5);
cv::Mat result16U safePixelOperationushort(image16, 1.5);
6、复杂像素运算
// 多图像混合
cv::Mat blendImages(const cv::Mat img1, const cv::Mat img2, double alpha 0.5) {cv::Mat blended;cv::addWeighted(img1, alpha, img2, 1 - alpha, 0, blended);return blended;
}// 图像映射变换
cv::Mat gammaCorrection(const cv::Mat src, double gamma 1.0) {cv::Mat dst;src.convertTo(dst, CV_32F, 1.0/255);cv::pow(dst, gamma, dst);dst dst * 255;dst.convertTo(dst, CV_8U);return dst;
}
7、位运算
// 位运算
cv::Mat bitwiseOperations(const cv::Mat src) {cv::Mat mask src 128; // 创建二值化掩膜cv::Mat result1, result2;cv::bitwise_and(src, mask, result1); // 与运算cv::bitwise_or(src, mask, result2); // 或运算return result1;
}
8、高级像素映射
// 自定义像素映射
cv::Mat customPixelMapping(const cv::Mat src) {cv::Mat lookupTable(1, 256, CV_8U);uchar* lut lookupTable.ptr();// 创建查找表for (int i 0; i 256; i) {lut[i] cv::saturate_castuchar(std::sin(i * CV_PI / 255.0) * 255.0);}cv::Mat result;cv::LUT(src, lookupTable, result);return result;
}
注意事项
使用cv::saturate_cast防止溢出注意数据类型转换考虑图像通道数处理边界情况性能优化
性能建议
使用cv::Mat操作替代逐像素遍历利用OpenCV的矩阵运算对于大图像考虑并行处理使用cv::cuda进行GPU加速
