您的位置:首页 > 财经 > 产业 > 今天郑州新闻头条_网站域名哪里买_湖南seo服务_营销网站建设选择

今天郑州新闻头条_网站域名哪里买_湖南seo服务_营销网站建设选择

2025/1/7 10:50:56 来源:https://blog.csdn.net/qq_20490175/article/details/144810266  浏览:    关键词:今天郑州新闻头条_网站域名哪里买_湖南seo服务_营销网站建设选择
今天郑州新闻头条_网站域名哪里买_湖南seo服务_营销网站建设选择

【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.at<uchar>(y, x);// 处理像素grayImage.at<uchar>(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.at<cv::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.at<cv::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.ptr<uchar>(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.ptr<cv::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.begin<uchar>(), end = grayImage.end<uchar>(); it != end; ++it) {*it = *it + 10;
}// 彩色图
cv::Mat colorImage;
cv::MatIterator_<cv::Vec3b> it, end;
for (it = colorImage.begin<cv::Vec3b>(), end = colorImage.end<cv::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(C++11)

// 灰度图
cv::Mat grayImage;
grayImage.forEach<uchar>([](uchar &pixel, const int * position) {pixel = pixel + 10;
});// 彩色图
cv::Mat colorImage;
colorImage.forEach<cv::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

template<typename 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_cast<T&>(image.data[index]);pixel = pixel + 10;} else if (channels == 3) {T* pixel = reinterpret_cast<T*>(&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);processImage<uchar>(grayImage);
processImage<uchar>(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_cast<uchar>(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.at<uchar>(y, x);pixel = cv::saturate_cast<uchar>(std::pow(pixel, 1.2));}// 彩色图else if (dst.channels() == 3) {cv::Vec3b& pixel = dst.at<cv::Vec3b>(y, x);pixel[0] = cv::saturate_cast<uchar>(std::pow(pixel[0], 1.2));pixel[1] = cv::saturate_cast<uchar>(std::pow(pixel[1], 1.2));pixel[2] = cv::saturate_cast<uchar>(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::vector<cv::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

template<typename 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.at<T>(y, x);pixel = cv::saturate_cast<T>(pixel * factor);}else if (dst.channels() == 3) {T* pixel = dst.at<T>(y, x);pixel[0] = cv::saturate_cast<T>(pixel[0] * factor);pixel[1] = cv::saturate_cast<T>(pixel[1] * factor);pixel[2] = cv::saturate_cast<T>(pixel[2] * factor);}}}return dst;
}// 使用示例
cv::Mat result8U = safePixelOperation<uchar>(image, 1.5);
cv::Mat result16U = safePixelOperation<ushort>(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_cast<uchar>(std::sin(i * CV_PI / 255.0) * 255.0);}cv::Mat result;cv::LUT(src, lookupTable, result);return result;
}

注意事项

  1. 使用cv::saturate_cast防止溢出
  2. 注意数据类型转换
  3. 考虑图像通道数
  4. 处理边界情况
  5. 性能优化

性能建议

  1. 使用cv::Mat操作替代逐像素遍历
  2. 利用OpenCV的矩阵运算
  3. 对于大图像,考虑并行处理
  4. 使用cv::cuda进行GPU加速

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com