OpenCV 像素遍历常用的几种方式

OpenCV 像素遍历常用的几种方式

           在介绍OpenCV 中像素遍历的几种方式之前，先了解一下OpenCV中存储图像的数据结构IplImage 与 Mat。IplImage 是OpenCV2.1之前旧版本的接口，之后的OpenCV新版本中使用的是Mat。早期的 OpenCV 中，使用 IplImage 和 CvMat 数据结构来表示图像。IplImage和 CvMat 都是 C 语言的结构。使用这两个结构的问题是内存需要手动管理，开发者必须清楚的知道何时需要申请内存，何时需要释放内存。这个开发者带来了一定的负担，开发者应该将更多精力用于算法设计，因此在新版本的 OpenCV 中引入了 Mat 类。新加入的 Mat 类能够自动管理内存。使用 Mat 类，你不再需要花费大量精力在内存管理上。而且你的代码会变得很简洁，代码行数会变少。

IplImage 结构

        IplImage是OpenCV中CxCore部分基础的数据结构，用来表示图像，其中Ipl是Intel Image Processing Library的简写。以下是IplImage的结构分析（来自OpenCV中文网站：http://www.opencv.org.cn/index.php/Cxcore%E5%9F%BA%E7%A1%80%E7%BB%93%E6%9E%84#IplImage）

typedef struct _IplImage
    {
        int  nSize;         /* IplImage大小，=sizeof(IplImage)*/
        int  ID;            /* 版本 (=0)*/
        int  nChannels;     /* 大多数OPENCV函数支持1,2,3 或 4 个通道 */
        int  alphaChannel;  /* 被OpenCV忽略 */
        int  depth;         /* 像素的位深度: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,
                               IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F 可支持 */
        char colorModel[4]; /* 被OpenCV忽略 */
        char channelSeq[4]; /* 被OpenCV忽略 */
        int  dataOrder;     /* 0 - 交叉存取颜色通道，对三通道RGB图像，像素存储顺序为BGR BGR BGR ... BGR；
                                     1 - 分开的颜色通道，对三通道RGB图像，像素存储顺序为RRR...R GGG...G BBB...B。
                                  cvCreateImage只能创建交叉存取图像 */
        int  origin;        /* 0 - 顶—左结构,
                               1 - 底—左结构 (Windows bitmaps 风格) */
        int  align;         /* 图像行排列 (4 or 8). OpenCV 忽略它，使用 widthStep 代替 */
        int  width;         /* 图像宽像素数 */
        int  height;        /* 图像高像素数*/
        struct _IplROI *roi;/* 图像感兴趣区域. 当该值非空只对该区域进行处理 */
        struct _IplImage *maskROI; /* 在 OpenCV中必须置NULL */
        void  *imageId;     /* 同上*/
        struct _IplTileInfo *tileInfo; /*同上*/
        int  imageSize;   /* 图像数据大小(在交叉存取格式下imageSize=image->height*image->widthStep），单位字节*/
        char *imageData;  /* 指向排列的图像数据 */
        int  widthStep;   /* 排列的图像行大小，以字节为单位 */
        int  BorderMode[4];  /* 边际结束模式, 被OpenCV忽略 */
        int  BorderConst[4]; /* 同上 */
        char *imageDataOrigin; /* 指针指向一个不同的图像数据结构（不是必须排列的），是为了纠正图像内存分配准备的 */
    }
    IplImage;

IplImage结构来自于 Intel Image Processing Library（是其本身所具有的）。OpenCV 只支持其中的一个子集:

• alphaChannel 在OpenCV中被忽略。
• colorModel 和channelSeq 被OpenCV忽略。OpenCV颜色转换的唯一函数 cvCvtColor将原图像的颜色空间和目标图像的颜色空间都作为一个参数。
• dataOrder 必须是IPL_DATA_ORDER_PIXEL (颜色通道是交叉存取)，然而平面图像的被选择通道可以被处理，就像COI（感兴趣的通道）被设置过一样。
• align 是被OpenCV忽略的，而用 widthStep 去访问后继的图像行。
• 不支持maskROI 。处理MASK的函数把他当作一个分离的参数。MASK在 OpenCV 里是 8-bit，然而在 IPL他是 1-bit。
• tileInfo 不支持。
• BorderMode和BorderConst是不支持的。每个 OpenCV 函数处理像素的邻近的像素，通常使用单一的固定代码边际模式。

除了上述限制，OpenCV处理ROI有不同的要求。要求原图像和目标图像的尺寸或 ROI的尺寸必须（根据不同的操作，例如cvPyrDown 目标图像的宽（高）必须等于原图像的宽（高）除以2 ±1)精确匹配，而IPL处理交叉区域，如图像的大小或ROI大小可能是完全独立的。

访问图像中每个像素过程中涉及到比较重要的两个元素是：char *imageData以及widthStep。imageData是指向存放图像像素数据的指针，而widStep是图像行大小，即以字节为单位的行数据长度。

一、灰度图像

1、一个m*n的单通道字节型图像（灰度图像），其imageData排列如下：

1）直接访问

///IplImage* src 图像遍历的N种方法.
/// <summary>
/// OK
/// 灰度图像像素遍历.直接访问.
/// </summary>
/// <param name="src"></param>输入：灰度图像.
void f_grayImage(IplImage* src)
{
	if (NULL == src->imageData)
	{
		printf("src not exist!!!");
		return;
	}

	int nchannel = src->nChannels;

	//IplImage* img = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
	
	uchar* temp = new uchar;
	if (1 == nchannel)
	{
		for (int i = 0; i < src->height; i++)
		{
			for (int j = 0; j < src->width; j++)
			{
				*temp = ((uchar*)(src->imageData + i * src->widthStep))[j];

				if ((i > 10 && i < 50) && (j > 10 && j < 80))
				{
					((uchar*)(src->imageData + i * src->widthStep))[j] = 0;
				}
			}
		}

		//cvSaveImage("dst.jpg", src);
		cvNamedWindow("gray", 0);
		cvShowImage("gray", src);
		cvWaitKey(0);
	}
	delete temp;
}

2）指针访问

void f_grayImage(IplImage* src)
{
	if (NULL==src->imageData)
	{
		printf("src not exist!!!");
		return;
	}

	int i=0;
	int j=0;
	int nchannel = src->nChannels;

	//单通道-灰度图
	uchar* upixel = nullptr;
	if (1 == nchannel)
	{
		//方式1：
		for (i = 0; i < src->height; i++)
		{
			upixel = (uchar*)(src->imageData + i * src->widthStep);

			for (j = 0; j < src->width; j++)
			{
				if ((i > 10 && i < 50) && (j > 10 && j < 80))
				{
					upixel[j] = 0;
				}

				//std::cout << "upixel=" << (*upixel) + 0 << std::endl;//+0隐式转换为整型，否则会打印出字符
			}
		}

		cvSaveImage("dst1.jpg", src);
		cvNamedWindow("gray1",0);
		cvShowImage("gray1", src);
		cvWaitKey(0);
	}
}
void f_grayImage2(IplImage* src)
{
	if (NULL==src->imageData)
	{
		printf("src not exist!!!");
		return;
	}

	int i=0;
	int j=0;
	int nchannel = src->nChannels;

	//单通道-灰度图
	uchar* upixel = nullptr;
	if (1 == nchannel)
	{
		//方式2：
		for (i = 0; i < src->height; i++)
		{
			for (j = 0; j < src->width; j++)
			{
				upixel = (uchar*)(src->imageData + i * src->widthStep + j);

				if ((i > 10 && i < 50) && (j > 10 && j < 80))
				{
					*upixel = 0;
				}

				//std::cout << "upixel=" << (*upixel) + 0 << std::endl;//+0隐式转换为整型，否则会打印出字符
			}
		}

		cvSaveImage("dst2.jpg", src);
		cvNamedWindow("gray2",0);
		cvShowImage("gray2", src);
		cvWaitKey(0);
	}
}

二、彩色图像（三通道）

三通道彩色图像在字节图像中，imageData排列如下：

其中（Bi,Bj）（Gi,Gj）（Ri,Rj）表示图像（i,j）处BGR分量的值。

1）使用指针的遍历方法如下：

/// <summary>
/// OK
/// 彩色图像遍历,分离出B/G/R通道的图像.
/// </summary>
/// <param name="src"></param>输入：彩色图像
void f_colorImage(IplImage* src)
{
	if (NULL == src->imageData)
	{
		printf("src not exist!!!");
		return;
	}

	int nchannel = src->nChannels;

	IplImage* b_img;
	IplImage* g_img;
	IplImage* r_img;
	b_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
	g_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
	r_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);

	if (3==nchannel)
	{
		for (int y=0; y<src->height; y++)
		{
			uchar* ptr = (uchar*)(src->imageData + y * src->widthStep);
			uchar* btr = (uchar*)(b_img->imageData + y * b_img->widthStep);
			uchar* gtr = (uchar*)(g_img->imageData + y * g_img->widthStep);
			uchar* rtr = (uchar*)(r_img->imageData + y * r_img->widthStep);

			for (int x=0; x<src->width; x++)
			{
				/*ptr[3 * x + 0] = 0;
				ptr[3 * x + 1] = 255;
				ptr[3 * x + 2] = 255;*/

				btr[x] = ptr[3 * x + 0];
				gtr[x] = ptr[3 * x + 1];
				rtr[x] = ptr[3 * x + 2];
			}
		}
	}

	cvNamedWindow("b");
	cvNamedWindow("g");
	cvNamedWindow("r");
	cvShowImage("b", b_img);
	cvShowImage("g", g_img);
	cvShowImage("r", r_img);

	cvWaitKey(0);
}

Mat 类

Mat类定义如下所示，关键的属性如下方代码所示：

class CV_EXPORTS Mat
{
public:
//一系列函数
...

/* flag 参数中包含许多关于矩阵的信息，如:
      -Mat 的标识
      -数据是否连续
      -深度
      -通道数目
*/
int flags;

//矩阵的维数，取值应该大于或等于 2
int dims;

//矩阵的行数和列数，如果矩阵超过 2 维，这两个变量的值都为-1
int rows, cols;

//指向数据的指针
uchar* data;

//指向引用计数的指针
//如果数据是由用户分配的，则为 NULL
int* refcount;

//其他成员变量和成员函数
...

};

Mat类的内存管理

         Mat 是一个类，由两个数据部分组成：矩阵头(包含矩阵尺寸，存储方法，存储地址等信息)和一个指向存储所有像素值的矩阵的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。复制矩阵数据往往花费较多时间，因此除非有必要，不要复制大的矩阵。
        为了解决矩阵数据的传递，OpenCV 使用了引用计数机制。其思路是让每个Mat 对象有自己的矩阵头信息，但多个 Mat 对象可以共享同一个矩阵数据。让矩阵指针指向同一地址而实现这一目的。很多函数以及很多操作(如函数参数传值)只复制矩阵头信息，而不复制矩阵数据。 如果 Mat 类自己申请数据空间，那么该类会多申请 4 个字节，多出的 4 个字节存储数据被引用的次数。引用次数存储于数据空间的后面，refcount 指向这个位置，如图所示。当计数等于 0 时，则释放该空间。

 

Mat的存储形式和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 <uchar>类型；如果是RGB彩色图，存放 <Vec3b>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。