1、图像的存储方式
图像矩阵的大小取决于所用的颜色模型,确切的说取决于所用通道数。
灰度图像模型的矩阵排列
灰度图像按行列存储,每列仅含一个通道。
RGB颜色模型的矩阵排列
对于多通道图像,矩阵中的列会包含多个子列,子列个数与通道数相等。子列的通道顺序是反过来的BGR。
因为内存足够大,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。有助于提升图像扫描速度。
2、颜色空间缩减
颜色空间缩减:将现有颜色空间值初一某个输入值,以获得较少的颜色数。
例如uchar类型的三通道图像,有256*256*256个不同的值。使用公式将颜色取值降低为26*26*26种情况。
处理图像时每个像素需要进行一遍上述计算,要花费一定的时间。可以把计算好的结果提前存在表table中。取值方法
P[j] = table[P[j]]
。
颜色空间缩减的两个步骤:
- 遍历图像矩阵的每一个像素。
- 对像素应用缩减公式。
运算时尽可能用代价较低的加、减、赋值等运算代替乘除运算。
3、LUT函数
对于Look up table操作,官方推荐使用operationsOnArrays::LUT()的函数进行图像元素查找、扫描与操作图像。
//建立一个Mat型用于查表
Mat lookUpTable(1, 256, CV_8U);
uchar *p = lookUpTable.data;
for (int i = 0; i < 256; ++i)
p[i] = table[i];
//调用函数(I是输入,J是输出)
for (int i = 0; i < times; ++i)
LUT(I, lookUpTable, J);
4、计时函数
计时函数:getTickCount()和getTickFrequency()。
getTickCount()函数返回CPU自某个事件以来走过的时钟周期数。
getTickFrequency()函数返回CPU一秒钟所走的时钟周期数。
double time0 = static_cast<double>(getTickCount()); //记录起始时间
//进行图像处理操作
time0 = ((double)getTickCount() - time0) / getTickFrequency();
5、访问像素的方法
OpenCV提供三种访问每个像素的方法:
- 指针访问:C操作符[];
- 迭代器iterator。
- 动态地址计算
debug模式下,三种方法访问速度差异明显,release模式下不明显。
主程序代码:
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
using namespace std;
using namespace cv;
void colorReduce(Mat& inputImage, Mat& outputImage, int div);
int main()
{
//1.创建原始图并显示
Mat srcImage = imread("1.jpg");
imshow("原始图像", srcImage);
//2.按原始图的参数规格来创建效果图
Mat dstImage;
dstImage.create(srcImage.rows, srcImage.cols, srcImage.type()); //效果图大小、类型与原图片相同
//3.记录起始时间
double time0 = static_cast<double>(getTickCount());
//4.调用颜色空间缩减函数
colorReduce(srcImage, dstImage, 4);
//5.计算运行时间并输出
time0 = ((double)getTickCount() - time0) / getTickFrequency();
cout << "此方法运行时间为: " << time0 << "秒" << endl;
//6.显示效果图
imshow("效果图", dstImage);
waitKey(0);
}
5.1 用指针访问像素
函数代码:
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //复制实参到临时变量
int rowNumber = outputImage.rows; //行数
int colNumber = outputImage.cols * outputImage.channels(); //列数*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++) {
uchar *data = outputImage.ptr<uchar>(i); //获取第i行的首地址
for (int j = 0; j < colNumber; j++) {
//处理每个像素
data[j] = data[j] / div * div + div / 2;
}
}
}
运行结果:
5.2 迭代器操作像素
获取图像的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,迭代器是非常安全的方法。
函数代码:
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //复制实参到临时变量
//获取迭代器
//8U 类型的 RGB 彩色图像可使用<Vec3b>
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++) {
//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;
}
}
运行结果:
迭代器的相关知识可以使用关键字“STL 迭代器”进行搜索。
5.3 动态地址计算
函数代码:
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //复制实参到临时变量
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++) {
//处理每个像素
outputImage.at<Vec3b>(i, j)[0] =
outputImage.at<Vec3b>(i, j)[0] / div * div + div / 2;
outputImage.at<Vec3b>(i, j)[1] =
outputImage.at<Vec3b>(i, j)[1] / div * div + div / 2;
outputImage.at<Vec3b>(i, j)[2] =
outputImage.at<Vec3b>(i, j)[2] / div * div + div / 2;
}
}
}
运行结果:
成员函数at(int y, int x)
用来存取图像元素。指定的数据类型要和矩阵中的数据路诶性相符合。
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)。一个包含彩色图像的Mat会返回一个由三个unsigned char组成的向量。OpenCV将此类型的向量定义为Vec3b,含义为由三个unsigned char组成的向量。
彩色图像像素的代码可以写为:
image.at<Vec3b>(j, i)[channel] = value;