int main(int argc, char** argv)
{    Mat src;src = imread("D:/opencv练习图片/薛之谦.jpg");imshow("Image", src);//创建一个和原图一致的空白图像Mat dst = Mat::zeros(src.size(), src.type());for (int i = 0; i < src.rows; i++){for (int j = 0; j < src.cols; j++){if (src.channels() == 1) //单通道遍历{dst.at<uchar>(i, j) = src.at<uchar>(i, j) + 100; }else if (src.channels() ==3)//三通道遍历{//通过数组遍历获取图像每个点float b = src.at<Vec3b>(i, j)[0];float g = src.at<Vec3b>(i, j)[1];float r = src.at<Vec3b>(i, j)[2];//进行点操作后赋值给空白图像dstfloat alpha = 1.5;float beta = 0.5;dst.at<Vec3b>(i, j)[0] = saturate_cast<uchar>(b*alpha + beta);dst.at<Vec3b>(i, j)[1] = saturate_cast<uchar>(g*alpha + beta);dst.at<Vec3b>(i, j)[2] = saturate_cast<uchar>(r*alpha + beta);}}}imshow("点操作", dst);waitKey(0);return 0;
} 

int main(int argc, char** argv)
{    Mat src;src = imread("D:/opencv练习图片/薛之谦.jpg");imshow("Image", src);//创建一个和原图一致的空白图像Mat dst = Mat::zeros(src.size(), src.type());int width ;//判断图像是否连续if (src.isContinuous() && dst.isContinuous()){// 将3通道转换为1通道    width = src.cols * src.channels();}for (int i = 0; i < src.rows; i++){// 获取第i行的首地址const uchar* src_rows = src.ptr<uchar>(i);uchar* dst_ptr = dst.ptr<uchar>(i);//像素点操作处理for (int j = 0; j < width; j++){dst_ptr[j] = saturate_cast<uchar>(src_rows[j] *1.5 + 0.5);dst_ptr[j + 1] = saturate_cast<uchar>(src_rows[j + 1] *1.5 + 0.5);dst_ptr[j + 2] = saturate_cast<uchar>(src_rows[j + 2] *1.5 + 0.5);}}imshow("点操作", dst);waitKey(0);return 0;
}

    for (int i = 0; i < src.rows; i++){//将灰度图片看成(src.rows,1)维度的二维矩阵，获取(i,0)数据的地址uchar* src_rows_ptr = &(src.at<uchar>(i, 0));uchar* dst_rows_ptr = &(dst.at<uchar>(i, 0));for (int j = 0; j < src.cols; j++){//将(i,0)数据的地址下的内容看成是一维数组，(i,0)数据的地址是一维数组的名字dst_rows_ptr[j] = src_rows_ptr[j] + 100;}}

for (int i = 0; i < src.rows; i++){//将彩色图片看成(src.rows,1)维度的二维矩阵，获取(i,0)数据的地址Vec3b* src_rows_ptr = &(src.at<Vec3b>(i, 0));Vec3b* dst1_rows_ptr = &(dst1.at<Vec3b>(i, 0));for (int j = 0; j < src.cols; j++){//将(i,0)数据的地址下的内容看成是二维数组，(i,0)数据的地址是二维数组的名字dst1_rows_ptr[j][0] = src_rows_ptr[j](0) + 100;dst1_rows_ptr[j][1] = src_rows_ptr[j](1) + 100;dst1_rows_ptr[j][2] = src_rows_ptr[j](2) + 100;}}

int main(int argc, char** argv)
{        Mat src;src = imread("D:/opencv练习图片/薛之谦.jpg");imshow("Image", src);// 初始化图像迭代器 Mat_<Vec3b>::iterator it = src.begin<Vec3b>();Mat_<Vec3b>::iterator itend = src.end<Vec3b>();while (it != itend){//像素点操作(*it)[0] = saturate_cast<uchar>((*it)[0]*1.5+0.5);(*it)[1] = saturate_cast<uchar>((*it)[1] * 1.5 + 0.5);(*it)[2] = saturate_cast<uchar>((*it)[2] * 1.5 + 0.5);it++;}imshow("点操作", src);waitKey(0);return 0;
}

void LUT(InputArray src, InputArray lut, OutputArray dst);
//src表示的是输入图像(可以是单通道也可是3通道)
//lut表示查找表(查找表也可以是单通道，也可以是3通道；
//...如果输入图像为单通道，那查找表必须为单通道；
//...若输入图像为3通道，查找表可以为单通道，也可以为3通道；
//...若为单通道则表示对图像3个通道都应用这个表，若为3通道则分别应用 )
//dst表示输出图像

int main(int argc, char** argv)
{        Mat src,dst1,dst3;src = imread("D:/opencv练习图片/薛之谦.jpg");imshow("Image", src);//查找表，数组的下标对应图片里面的灰度值//例如lutData[20]=0;表示灰度为20的像素其对应的值0.    uchar lutData[256];for (int i = 0; i < 256; i++){if (i <= 100)lutData[i] = 0;if (i > 100 && i <= 200)lutData[i] = 100;if (i > 200)lutData[i] = 255;}Mat lut(1, 256, CV_8UC1, lutData);LUT(src, lut, dst1);    imshow("LUC", dst1);    waitKey(0);return 0;
} 

如果矩阵元素存储的是单通道像素，使用uchar (无符号字符，即0到255之间取值的数)那么像素可有256个不同值。但若是三通道图像，这种存储格式的颜色数就是256*256*256个(有一千六百多万种)。用如此之多的颜色可能会对我们的算法性能造成严重影响。其实有时候，仅用这些颜色的一小部分，就足以达到同样效果。

这种情况下，常用的一种方法是 颜色空间缩减 。其做法是：将现有颜色空间值除以某个输入值，以获得较少的颜色数。例如，颜色值0-9的取为0，10-19的取为10，以此类推。就把256个不同值划分为26个，大大减少运算时间。

uchar 类型的值除以 int 值，结果仍是 char 。因为结果是char类型的，所以求出来小数也要向下取整。利用这一点，刚才提到在 uchar 定义域中进行的颜色缩减运算就可以表达为下列形式：

这样的话，简单的颜色空间缩减算法就可由下面两步组成：

一、遍历图像矩阵的每一个像素

二、对像素应用上述公式。

下面将图像压缩级设置为20(即0-19变为0，20-39变为20…)

int main(int argc, char** argv)
{        Mat src,dst;src = imread("D:/opencv练习图片/薛之谦.jpg");imshow("Image", src);uchar table[256];Mat lut(1, 256, CV_8U);//创建查找表int divideWith = 20; //压缩级 20灰度为1级for (int i = 0; i < 256; ++i){table[i] = divideWith * (i / divideWith);//颜色缩减运算}uchar *p = lut.data;for (int i = 0; i < 256; ++i){p[i] = table[i];//这样就实现了利用查找表table的方法来替换源图像中的数据，//这对图像就不是加减乘除这种计算了，而全部是直接去查询表中找对应的值然后再替换。}    LUT(src, lut, dst);imshow("LUT", dst);        waitKey(0);return 0;
}

效率探讨

一般图像规模比较大的话，图像的遍历是一项相当耗时的工作，因此为提高效率，以下几点值得我们注意：

• 对于可提前计算的变量应避免写在循环体内；如

int cols=img.cols*img.channels();
for(int i=0;i<cols;i++)   //而不是
// for(int i=p;i<img.cols*img.channels();i++)

• 在以上四种图像遍历方法中，从效率来看使用 OpenCV 内置函数LUT可以获得最快的速度，这是因为OpenCV库可以通过英特尔线程架构启用多线程。其次，指针遍历最快，迭代器遍历次之，at方法遍历最慢。一般情况下，我们只有在对任意位置的像素进行读写时才考虑at方法。

 最后顺便提一下图像的邻域操作