在做图像处理时，访问图像元素是非常重要的， 也是处理图像的基础和前题，所以找到了14种图像像素访问方法，先记录下来。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 |
// 程序描述：来自一本国外OpenCV2书籍的示例-遍历图像像素的14种方法 #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; using namespace std; #define NTESTS 14 #define NITERATIONS 20 //----------------------------------------- 【方法一】------------------------------------------- // 说明：利用.ptr 和 [] //------------------------------------------------------------------------------------------------- void colorReduce0(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols * image.channels(); //每行元素的总元素数量 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- data[i]= data[i]/div*div + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //-----------------------------------【方法二】------------------------------------------------- // 说明：利用 .ptr 和 * ++ //------------------------------------------------------------------------------------------------- void colorReduce1(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols * image.channels(); //每行元素的总元素数量 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++= *data/div*div + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //-----------------------------------------【方法三】------------------------------------------- // 说明：利用.ptr 和 * ++ 以及模操作 //------------------------------------------------------------------------------------------------- void colorReduce2(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols * image.channels(); //每行元素的总元素数量 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- int v= *data; *data++= v - v%div + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //----------------------------------------【方法四】--------------------------------------------- // 说明：利用.ptr 和 * ++ 以及位操作 //---------------------------------------------------------------------------------------------------- void colorReduce3(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols * image.channels(); //每行元素的总元素数量 int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g. 对于 div=16, mask= 0xF0 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //------------开始处理每个像素------------------- *data++= *data&mask + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //----------------------------------------【方法五】---------------------------------------------- // 说明：利用指针算术运算 //--------------------------------------------------------------------------------------------------- void colorReduce4(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols * image.channels(); //每行元素的总元素数量 int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); int step= image.step; //有效宽度 //掩码值 uchar mask= 0xFF<<n; // e.g. 对于 div=16, mask= 0xF0 //获取指向图像缓冲区的指针 uchar *data= image.data; for (int j=0; j<nl; j++) { for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- *(data+i)= *data&mask + div/2; //-------------结束像素处理------------------------ } //单行处理结束 data+= step; // next line } } //---------------------------------------【方法六】---------------------------------------------- // 说明：利用 .ptr 和 * ++以及位运算、image.cols * image.channels() //------------------------------------------------------------------------------------------------- void colorReduce5(Mat &image, int div=64) { int nl= image.rows; //行数 int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g. 例如div=16, mask= 0xF0 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<image.cols * image.channels(); i++) { //-------------开始处理每个像素------------------- *data++= *data&mask + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } // -------------------------------------【方法七】---------------------------------------------- // 说明：利用.ptr 和 * ++ 以及位运算(continuous) //------------------------------------------------------------------------------------------------- void colorReduce6(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols * image.channels(); //每行元素的总元素数量 if (image.isContinuous()) { //无填充像素 nc= nc*nl; nl= 1; // 为一维数列 } int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g. 比如div=16, mask= 0xF0 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++= *data&mask + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //------------------------------------【方法八】------------------------------------------------ // 说明：利用 .ptr 和 * ++ 以及位运算 (continuous+channels) //------------------------------------------------------------------------------------------------- void colorReduce7(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols ; //列数 if (image.isContinuous()) { //无填充像素 nc= nc*nl; nl= 1; // 为一维数组 } int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g. 比如div=16, mask= 0xF0 for (int j=0; j<nl; j++) { uchar* data= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++= *data&mask + div/2; *data++= *data&mask + div/2; *data++= *data&mask + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } // -----------------------------------【方法九】 ------------------------------------------------ // 说明：利用Mat_ iterator //------------------------------------------------------------------------------------------------- void colorReduce8(Mat &image, int div=64) { //获取迭代器 Mat_<Vec3b>::iterator it= image.begin<Vec3b>(); Mat_<Vec3b>::iterator itend= image.end<Vec3b>(); 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; //-------------结束像素处理------------------------ }//单行处理结束 } //-------------------------------------【方法十】----------------------------------------------- // 说明：利用Mat_ iterator以及位运算 //------------------------------------------------------------------------------------------------- void colorReduce9(Mat &image, int div=64) { // div必须是2的幂 int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g. 比如 div=16, mask= 0xF0 // 获取迭代器 Mat_<Vec3b>::iterator it= image.begin<Vec3b>(); Mat_<Vec3b>::iterator itend= image.end<Vec3b>(); //扫描所有元素 for ( ; it!= itend; ++it) { //-------------开始处理每个像素------------------- (*it)[0]= (*it)[0]&mask + div/2; (*it)[1]= (*it)[1]&mask + div/2; (*it)[2]= (*it)[2]&mask + div/2; //-------------结束像素处理------------------------ }//单行处理结束 } //------------------------------------【方法十一】--------------------------------------------- // 说明：利用Mat Iterator_ //------------------------------------------------------------------------------------------------- void colorReduce10(Mat &image, int div=64) { //获取迭代器 Mat_<Vec3b> cimage= image; Mat_<Vec3b>::iterator it=cimage.begin(); Mat_<Vec3b>::iterator itend=cimage.end(); 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; //-------------结束像素处理------------------------ } } //--------------------------------------【方法十二】-------------------------------------------- // 说明：利用动态地址计算配合at //------------------------------------------------------------------------------------------------- void colorReduce11(Mat &image, int div=64) { int nl= image.rows; //行数 int nc= image.cols; //列数 for (int j=0; j<nl; j++) { for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- image.at<Vec3b>(j,i)[0]= image.at<Vec3b>(j,i)[0]/div*div + div/2; image.at<Vec3b>(j,i)[1]= image.at<Vec3b>(j,i)[1]/div*div + div/2; image.at<Vec3b>(j,i)[2]= image.at<Vec3b>(j,i)[2]/div*div + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //----------------------------------【方法十三】----------------------------------------------- // 说明：利用图像的输入与输出 //------------------------------------------------------------------------------------------------- void colorReduce12(const Mat &image, //输入图像 Mat &result, // 输出图像 int div=64) { int nl= image.rows; //行数 int nc= image.cols ; //列数 //准备好初始化后的Mat给输出图像 result.create(image.rows,image.cols,image.type()); //创建无像素填充的图像 nc= nc*nl; nl= 1; //单维数组 int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g.比如div=16, mask= 0xF0 for (int j=0; j<nl; j++) { uchar* data= result.ptr<uchar>(j); const uchar* idata= image.ptr<uchar>(j); for (int i=0; i<nc; i++) { //-------------开始处理每个像素------------------- *data++= (*idata++)&mask + div/2; *data++= (*idata++)&mask + div/2; *data++= (*idata++)&mask + div/2; //-------------结束像素处理------------------------ } //单行处理结束 } } //--------------------------------------【方法十四】------------------------------------------- // 说明：利用操作符重载 //------------------------------------------------------------------------------------------------- void colorReduce13(Mat &image, int div=64) { int n= static_cast<int>(log(static_cast<double>(div))/log(2.0)); //掩码值 uchar mask= 0xFF<<n; // e.g. 比如div=16, mask= 0xF0 //进行色彩还原 image=(image&Scalar(mask,mask,mask))+Scalar(div/2,div/2,div/2); } //-----------------------------------【ShowHelpText( )函数】----------------------------- // 描述：输出一些帮助信息 //---------------------------------------------------------------------------------------------- void ShowHelpText() { printf("\n\n\t\t\t 当前使用的OpenCV版本为：" CV_VERSION ); printf("\n\n ----------------------------------------------------------------------------\n"); printf("\n\n正在进行存取操作，请稍等……\n\n"); } //-----------------------------------【main( )函数】-------------------------------------------- // 描述：控制台应用程序的入口函数，我们的程序从这里开始 //------------------------------------------------------------------------------------------------- int main( ) { int64 t[NTESTS],tinit; Mat image0; Mat image1; Mat image2; system("color 4F"); ShowHelpText(); image0= imread("1.png"); if (!image0.data) return 0; //时间值设为0 for (int i=0; i<NTESTS; i++) t[i]= 0; // 多次重复测试 int n=NITERATIONS; for (int k=0; k<n; k++) { cout << k << " of " << n << endl; image1= imread("1.png"); //【方法一】利用.ptr 和 [] tinit= getTickCount(); colorReduce0(image1); t[0]+= getTickCount()-tinit; //【方法二】利用 .ptr 和 * ++ image1= imread("1.png"); tinit= getTickCount(); colorReduce1(image1); t[1]+= getTickCount()-tinit; //【方法三】利用.ptr 和 * ++ 以及模操作 image1= imread("1.png"); tinit= getTickCount(); colorReduce2(image1); t[2]+= getTickCount()-tinit; //【方法四】 利用.ptr 和 * ++ 以及位操作 image1= imread("1.png"); tinit= getTickCount(); colorReduce3(image1); t[3]+= getTickCount()-tinit; //【方法五】 利用指针的算术运算 image1= imread("1.png"); tinit= getTickCount(); colorReduce4(image1); t[4]+= getTickCount()-tinit; //【方法六】利用 .ptr 和 * ++以及位运算、image.cols * image.channels() image1= imread("1.png"); tinit= getTickCount(); colorReduce5(image1); t[5]+= getTickCount()-tinit; //【方法七】利用.ptr 和 * ++ 以及位运算(continuous) image1= imread("1.png"); tinit= getTickCount(); colorReduce6(image1); t[6]+= getTickCount()-tinit; //【方法八】利用 .ptr 和 * ++ 以及位运算 (continuous+channels) image1= imread("1.png"); tinit= getTickCount(); colorReduce7(image1); t[7]+= getTickCount()-tinit; //【方法九】 利用Mat_ iterator image1= imread("1.png"); tinit= getTickCount(); colorReduce8(image1); t[8]+= getTickCount()-tinit; //【方法十】 利用Mat_ iterator以及位运算 image1= imread("1.png"); tinit= getTickCount(); colorReduce9(image1); t[9]+= getTickCount()-tinit; //【方法十一】利用Mat Iterator_ image1= imread("1.png"); tinit= getTickCount(); colorReduce10(image1); t[10]+= getTickCount()-tinit; //【方法十二】 利用动态地址计算配合at image1= imread("1.png"); tinit= getTickCount(); colorReduce11(image1); t[11]+= getTickCount()-tinit; //【方法十三】 利用图像的输入与输出 image1= imread("1.png"); tinit= getTickCount(); Mat result; colorReduce12(image1, result); t[12]+= getTickCount()-tinit; image2= result; //【方法十四】 利用操作符重载 image1= imread("1.png"); tinit= getTickCount(); colorReduce13(image1); t[13]+= getTickCount()-tinit; //------------------------------ } //输出图像 imshow("原始图像",image0); imshow("结果",image2); imshow("图像结果",image1); // 输出平均执行时间 cout << endl << "-------------------------------------------" << endl << endl; cout << "\n【方法一】利用.ptr 和 []的方法所用时间为 " << 1000.*t[0]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法二】利用 .ptr 和 * ++ 的方法所用时间为" << 1000.*t[1]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法三】利用.ptr 和 * ++ 以及模操作的方法所用时间为" << 1000.*t[2]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法四】利用.ptr 和 * ++ 以及位操作的方法所用时间为" << 1000.*t[3]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法五】利用指针算术运算的方法所用时间为" << 1000.*t[4]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法六】利用 .ptr 和 * ++以及位运算、channels()的方法所用时间为" << 1000.*t[5]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法七】利用.ptr 和 * ++ 以及位运算(continuous)的方法所用时间为" << 1000.*t[6]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法八】利用 .ptr 和 * ++ 以及位运算 (continuous+channels)的方法所用时间为" << 1000.*t[7]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法九】利用Mat_ iterator 的方法所用时间为" << 1000.*t[8]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法十】利用Mat_ iterator以及位运算的方法所用时间为" << 1000.*t[9]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法十一】利用Mat Iterator_的方法所用时间为" << 1000.*t[10]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法十二】利用动态地址计算配合at 的方法所用时间为" << 1000.*t[11]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法十三】利用图像的输入与输出的方法所用时间为" << 1000.*t[12]/getTickFrequency()/n << "ms" << endl; cout << "\n【方法十四】利用操作符重载的方法所用时间为" << 1000.*t[13]/getTickFrequency()/n << "ms" << endl; waitKey(); return 0; } |