OpenCV学习之 IplImage*遍历每个像素点

IplImage是OpenCV中CxCore部分基础的数据结构，用来表示图像。IplImage结构体如下所示：

 typedef struct _IplImage  {  int  nSize;         /* IplImage大小 */  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]; /* 同上 */  int  dataOrder;     /* 0 - 交叉存取颜色通道, 1 - 分开的颜色通道. 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;

对我们来说比较重要的两个元素是：char *imageData以及widthStep

imageData指向"存储图像数据的一块数据区”、“排列的图像行大小”。我们都知道，一张图是由无数个像素点构成的，每个像素点的像素值都不同所以我们看到的图片才具有丰富的颜色。 imageData就是一个指针，指向某张图片像素值数据的首地址。如：(uchar )frameimg->imageData就是图像第一行首地址。
widthStep表示存储一行像素需要的字节数。因为opencv分配的内存是按4字节对齐的，所以widthStep必须是4的倍数，如果8U图像宽度为3，那么widthStep是4，加一个字节补齐。这个图像的一行需要4个字节，只使用前3个，最后一个空在那儿不用。也就是一个宽3高3的图像的imageData数据大小为43=12字节。

使用指针遍历图像像素：
1、单通道字节型图像像素访问：

#include <cv.h>
#include <highgui.h>  using namespace std;
using namespace cv;
int main(void)
{
IplImage* imgSrc = cvLoadImage("./inputData\\shuke1.jpg",0);
uchar* pixel = new uchar;
for (int i = 0; i < imgSrc->height; i++)  //遍历每一行
{
for (int j = 0; j < imgSrc->width; j++) //遍历每一列
{
pixel = (uchar*)(imgSrc->imageData + i*imgSrc->widthStep+j);
cout << "pixel=" <<(*pixel)+0<< endl;//+0隐式转换为整型，否则会打印出字符
}
}
delete pixel;return 0;}

输出结果是0-255灰度级的灰度值。
其中(uchar*)(imgSrc->imageData + iimgSrc->widthStep+j)的具体含义：
（1）一个mn的单通道字节型图像，其imageData排列如下：

（2）imgSrc->imageData指向图像第一行的首地址，i是指当前像素点所在的行,widthStep是指图像每行所占的字节数；所以imgSrc->imageData + iimgSrc->widthStep表示该像素点所在行的首地址；j表示当前像素点所在列，所以imgSrc->imageData + iimgSrc->widthStep+j即表示该像素点的地址。而因为IplImage->ImageData 的默认类型是 char 类型，所以再对图像像素值进行操作时，要使用强制类型转换为unsigned char，再对其进行处理。否则，图像像素值中，会有负值出现。

2、三通道字节型图像像素访问

IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,3);
uchar* data=(uchar *)img->imageData;
int step = img->widthStep/sizeof(uchar);   //因为是三通道，所以要做一下这个操作
int channels = img->nChannels;             //这个图片为3通道的
uchar *b,*g,*r;
for(int i=0;iheight;i++)for(int j=0;jwidth;j++){*b=data[i*step+j*chanels+0];    //此时可以通过更改bgr的值达到访问效果。*g=data[i*step+j*chanels+1];*r=data[i*step+j*chanels+2];}

注意：
int step = img->widthStep/sizeof(uchar);
b=data[istep+jchanels+0];
（1）多通道字节型图像的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。
（3）注意三通道和一通道的最主要区别就是：三通道并没有直接用widthStep，而是用了int step = img->widthStep/sizeof(uchar)中的step，但是实际上sizeof(uchar)=1。通道数为3。
istep 当i=0 即为上图的第一行为1就是第二行
jchanels+0 j通道数当j=0为第一列的第0个通道->b，其实是第一个元素的B的值
jchanels+1 j通道数当j=0为第一列的第1个通道->g ，其实是第一个元素的G的值
jchanels+2 j通道数当j=0为第一列的第2个通道->r ，其实是第一个元素的R的值
jchannels+0 当j=1，1X3+0=3，也就是第二列的第0个通道->b，其实是第二个元素的B的值
jchannels+1 当j=1，1X3+1=4，为第二列的第1个通道->g，其实是第二个元素的G的值

PS：
1、区分widthStep和width：
学习OpenCV过程中，使用IPLImage结构，调用数据时定位数据区别widthStep和width：
（1）width表示图像的象素个数，也就是图像的水平长度
（2）widthStep是保存的数组长度，等于widthChannes（通道数），比如对BGR图像，有三通道widthStep=width3；灰度图只有一个通道widthStep=width。

2、浮点型图像和字节型图像：
首先通道指的是图层，咱们一般的图像是3通道的，就是R G B三个图层的图像，将3个图层叠在一起就是一副图像了，单通道图像就是灰度图，说白了就是黑白图片。所谓的单字节，浮点这些指的是存放图像矩阵的数据类型，有char型（单字节）float（浮点型），其中矩阵中的每一个元素表示一个像素点，所以说类型的位数越多，表示的色彩就越多，好像单字节只能表示255中颜色，而float型能表示32位色，就是2的32次方减一中颜色。
图像有若干通道，灰度图有一个通道，彩色图像通常有红、绿、蓝三个构成成分（OpenCV 以蓝、绿、红来存储这三个分量）。每个像素使用若干位来存储，称之为图像深度（image depth）。对于灰度图像，每个像素通常存储为8位，因此允许256个（0~255）个灰度级。对于彩色图像，每个像素存储为3个字节，每个颜色通道占一个字节。

参考：
https://www.cnblogs.com/codingmengmeng/p/6559724.html
http://blog.sina.com.cn/s/blog_b4ce638e0101dlda.html
http://www.cnblogs.com/yuaisunmin/p/3154063.html
https://blog.csdn.net/qikaibinglan/article/details/6200751
https://blog.csdn.net/icurious/article/details/58585610
https://zhidao.baidu.com/question/556694564.html

OpenCV学习之 IplImage*遍历每个像素点相关推荐

OpenCV学习(C++)——像素点的读取
OpenCV学习(C++)--像素点的读取 C++中的像素遍历与访问对彩色图片处理:(原像素-255)反色基于数组下表改变每一个像素点数组遍历 void QuickDemo::pixel_vis ...
opencv学习笔记18：canny算子边缘检测原理及其函数使用
canny边缘检测原理去噪:边缘检测容易受到噪声的影响,在此之间,先去噪,通常采用高斯滤波器.opencv学习笔记11:图像滤波(均值,方框,高斯,中值) 梯度:对去噪后的图像采用sobel算子计算 ...
opencv学习笔记12：图像腐蚀和图像膨胀
语言:python+opencv 为什么使用图像腐蚀和图像膨胀如图,使用图像腐蚀进行去噪,但是为压缩噪声. 对腐蚀过的图像,进行膨胀处理,可以去除噪声,并保持原样形状. 图像腐蚀腐蚀主要针对的是二 ...
OpenCV学习笔记（五）：Mat结构
在之前的OpenCV学习笔记(一)用到的几种显示图像的方法中其中一种就是Mat.Mat结构在OpenCV 2.0后才得到广泛应用,相对于OpenCV1.0时代中的IplImage,它有个好处就是不用再 ...
OpenCV学习(二十二) ：反向投影:calcBackProject(),mixChannels()
OpenCV学习(二十二) :反向投影:calcHist(),minMaxLoc(),compareHist() 参考博客: 反向投影backproject的直观理解 opencv 反向投影颜色直方 ...
OpenCV学习(二十) ：分水岭算法:watershed()
OpenCV学习(二十) :分水岭算法:watershed() 参考博客: OpenCV-分水岭算法图像处理--分水岭算法 OpenCV学习(7) 分水岭算法(1) Opencv分水岭算法--wat ...
OpenCV学习笔记（十四）：重映射：remap( )
OpenCV学习笔记(十四):重映射:remap( ) 图像的坐标映射是通过原图像与目标图像之间建立一种映射关系,这种映射关系有两种,一种是计算原图像任意像素在映射后图像的坐标位置,另一种是计算变换后 ...
OpenCV学习笔记（十一）：阈值化：threshold(),adaptivethreshold()
OpenCV学习笔记(十一):阈值化:threshold(),adaptivethreshold() 一.定义: 1)固定阈值操作 double threshold( InputArray src, ...
youcans 的 OpenCV 学习课—10. 图像复原与重建
youcans 的 OpenCV 学习课-10. 图像复原与重建本系列面向 Python 小白,从零开始实战解说 OpenCV 项目实战. 图像复原是对图像退化过程建模,并以图像退化的先验知识来恢复 ...
youcans 的 OpenCV 学习课—6.灰度变换与直方图处理
youcans 的 OpenCV 学习课-6.灰度变换与直方图处理本系列面向 Python 小白,从零开始实战解说 OpenCV 项目实战. 空间域的图像处理方法直接对图像的像素点进行处理,空间域图 ...

OpenCV学习之 IplImage*遍历每个像素点

OpenCV学习之 IplImage*遍历每个像素点相关推荐

最新文章

热门文章

OpenCV学习 之 IplImage*遍历每个像素点

OpenCV学习 之 IplImage*遍历每个像素点相关推荐

最新文章

热门文章

OpenCV学习之 IplImage*遍历每个像素点

OpenCV学习之 IplImage*遍历每个像素点相关推荐