一、图像在内存中存储方式

图像矩阵的大小取决于我们所用的颜色模型，确切地说，取决于所用通道数。如果是灰度图像，矩阵就会像这样：

而对多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。例如，RGB颜色模型的矩阵：

注意到，子列的通道顺序是反过来的：BGR而不是RGB。很多情况下，因为内存足够大，可实现连续存储，因此，图像中的各行就能一行一行地连接起来，形成一个长行。连续存储有助于提升图像扫描速度，我们可以使用 isContinuous() 来去判断矩阵是否是连续存储的. 相关示例会在接下来的内容中提供。

二、扫描图像几种方式

2.1 指针访问

/*!* \brief scanImagePtr* \param image* \return*/
Mat& scanImagePtr(Mat &image){double start = static_cast<double>(getTickCount());//! 行int rowNumber = image.rows;//! 每一行元素个数 = 列数 x 通道数int colNumber = image.cols * image.channels();for (int i = 0; i < rowNumber; i++){//! 获取第i行的首地址uchar* data = image.ptr<uchar>(i);for (int j = 0; j < colNumber; j++){data[j] /= 2;}}double end = static_cast<double>(getTickCount());double time = (end - start) / getTickFrequency();cout << "type1:" << time << "s" << endl;return image;
}

2.2 迭代器iterator

/*!* \brief scanImageiterator* \param image* \return*/
Mat& scanImageiterator(Mat &image){double start = static_cast<double>(getTickCount());//! 初始位置的迭代器Mat_<Vec3b>::iterator it = image.begin<Vec3b>();//! 终止位置的迭代器Mat_<Vec3b>::iterator itend = image.end<Vec3b>();for (; it != itend; it++){//! 处理BGR三个通道(*it)[0] = 255;//B//(*it)[1] = 255;//G//(*it)[2] = 0;//R}double end = static_cast<double>(getTickCount());double time = (end - start) / getTickFrequency();//计算时间cout << "type2:" << time << "s" << endl;return image;
}

2.3 动态地址计算

/*!* \brief scanImageAt* \param image* \return*/
Mat& scanImageAt(Mat &image){double start = static_cast<double>(getTickCount());int rowNumber = image.rows;int colNumber = image.cols;for (int i = 0; i < rowNumber; i++)for (int j = 0; j < colNumber; j++){//! 处理BGR三个通道//image.at<Vec3b>(i, j)[0] = 0;//Bimage.at<Vec3b>(i, j)[1] = 255;//G//image.at<Vec3b>(i, j)[2] = 0;//R}double end = static_cast<double>(getTickCount());double time = (end - start) / getTickFrequency();//计算时间cout << "type3:" << time << "s" << endl;return image;
}

2.4 三种方法效能对比

type1:0.000189559s
type2:0.000832323s
type3:0.000424337s

经典的C风格运算符[]（指针）访问要更胜一筹。

代码详见《OpenCV扫描图像三种方式练习》

三、OpenCv坐标系

OpenCV中坐标体系中的零点坐标定义为图片的左上角，X轴为图像矩形的上面那条水平线，从左往右；Y轴为图像矩形左边的那条垂直线，从上往下。在Point(x,y)和Rect(x,y)中，第一个参数x代表的是元素所在图像的列数，第二个参数y代表的是元素所在图像的行数，而在at(x,y)中是相反的。

参考资料：

OpenCV坐标系与操作像素的四种方法
OpenCV如何扫描图像、利用查找表和计时
Opencv中三种操作像素的方法

OpenCV学习笔记之扫描图像相关推荐

OPENCV学习笔记2-5_扫描图像并访问相邻像素
To illustrate this recipe, we will apply a processing function that sharpens an image(锐化图像的处理函数). Th ...
opencv学习笔记20：图像轮廓
图像轮廓 Contours:轮廓轮廓是将没有连着一起的边缘连着一起. 边缘检测检测出边缘,边缘有些未连接在一起. 注意问题 1.对象为二值图像,首先进行阈值分割或者边缘检测. 2.查找轮廓需要更改原 ...
opencv学习笔记19：图像金字塔和图像拉普拉斯金字塔 (用于图像放大和缩小)
图像金字塔原理图像金字塔:只不同分辨率,不同尺寸子图构成的集合. 取样向下取样:有一个图像G0,对它重新采样,得到分辨率小些的G1,以此类推. 向上取样:有一个图像G3,然后变成像素更多的G2,以 ...
opencv学习笔记14：图像礼帽，图像黑帽
python + OpenCV 图像礼帽图像礼帽也叫图像顶帽礼帽图像=原始图像-开运算图像得到噪声图像开运算:先腐蚀再膨胀使用对象:二值图像使用方法:morphologyEx cv2.M ...
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11：图像滤波（均值，方框，高斯，中值）
为什么要使用滤波消除图像中的噪声成分叫作图像的平滑化或滤波操作.信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的,而在较高频段,感兴趣的信息经常被噪声淹没.因此一个能降低高频成分幅度的滤波 ...
opencv 学习笔记9：图像缩放与图像翻转
图像缩放缩放包括缩小和放大语法格式 cv2.resize()有很多参数,其中src和dsize必备 cv2.resize(src.dsize) src原始图像路径 dsize 目标图像大小 (列, ...
opencv学习笔记7：图像加法与图像融合
图像加法 1.使用Numpy加法运算方式:结果=图像1+图像2 原理:图像数据格式为unit8 8位二进制表示范围是0到255. 二进制相加 1.不超过255的,如100+58=158 2.两数相加 ...
[转载] opencv学习笔记7：图像加法与图像融合
参考链接: python opencv 基础 4: addWeighted() 融合两张图像图像加法 1.使用Numpy加法运算方式:结果=图像1+图像2 原理:图像数据格式为unit8 8位二进 ...

OpenCV学习笔记之扫描图像

一、图像在内存中存储方式

二、扫描图像几种方式

2.1 指针访问

2.2 迭代器iterator

2.3 动态地址计算

2.4 三种方法效能对比

三、OpenCv坐标系

参考资料：

OpenCV学习笔记之扫描图像相关推荐

最新文章

热门文章

OpenCV学习笔记之扫描图像

一、 图像在内存中存储方式

二、扫描图像几种方式

2.1 指针访问

2.2 迭代器iterator

2.3 动态地址计算

2.4 三种方法效能对比

三、OpenCv坐标系

参考资料：

OpenCV学习笔记之扫描图像相关推荐

最新文章

热门文章

一、图像在内存中存储方式