1.存取单个像素值
最通常的方法就是
1. img.at<uchar>(i,j) = 255;
2. img.at<Vec3b>(i,j)[0] = 255;
如果你觉得
at
操作显得太笨重了,不想用
Mat
这个类,也可以考虑使用轻量级的
Mat_
类,使用重载操作符
()
实现取元素的操作。
1. cv::Mat_<uchar> im2= img; // im2 refers to image
2. // access to row 50 and column 100
2.用指针扫描一幅图像
对于一幅图像的扫描,用at就显得不太好了,还是是用指针的操作方法显得更加好。先介绍一种上一讲提到过的
1. for (int j=0; j<nl; j++)
2. {
3. uchar* data= image.ptr<uchar>(j);
4. for (int i=0; i<nc; i++)
5. {
6. data[i] = 255;
7. }
8. }
更高效的扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*(w*h)的一个一维数组,这个想法是不是有点奇葩,这里要利用
isContinuous
这个函数判断图像内的像素是否填充满,使用方法如下:
1. if (img.isContinuous())
2. {
3. nc = img.rows*img.cols*img.channels();
4. }
5. uchar* data = img.ptr<uchar>(0);
6. for (int i=0; i<nc; i++)
7. {
8. data[i] = 255;
9. }
更低级的指针操作就是使用Mat里的data指针,之前我称之为暴力青年,使用方法如下:
1. uchar* data = img.data;
2. // img.at(i, j)
3. data = img.data + i * img.step + j * img.elemSize();
整行整列操作像素,用这种方法还可以处理多通道图像
void perform_xyz(IplImage *img)
{
for(int y=0;y<img->height;y++) //y是控制列像素
{
uchar *ptr=(uchar *)(img->imageData + y*img->widthStep); //ptr=数据首指针+列指针
for(int x=0;x<img->width;x++) //x控制行像素
{
ptr[3*x+1]=255; //1,2,3表示3个通道
ptr[3*x+2]=255;
ptr[3*x+3]=255;
}
}
}
3.用迭代器iterator扫描图像
和C++STL里的迭代器类似,Mat的迭代器与之是兼容的。是MatIterator_。声明方法如下:
1. cv::MatIterator_<Vec3b> it;
或者是:
1. cv::Mat_<Vec3b>::iterator it;
扫描图像的方法如下:
1. Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
2. Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
3. for (; it!=itend; it++)
4. {
5. (*it)[0] = 255;
6. }
4.高效的scan image方案总结
还是用我们之前使用过的getTickCount、getTickFrequency函数测试速度。这里我就不一一列举我测试的结果了,直接上结论。测试发现,好的编写风格可以提高50%的速度!要想减少程序运行的时间,必要的优化包括如下几个方面:
内存分配是个耗时的工作,优化之;
在循环中重复计算已经得到的值,是个费时的工作,优化之;举例:
1. int nc = img.cols * img.channels();
2. for (int i=0; i<nc; i++)
3. {.......}
4. //**************************for循环里面最好不要计算
5. for (int i=0; i<img.cols * img.channels(); i++)
6. {......}
后者的速度比前者要慢上好多。
使用迭代器也会是速度变慢,但迭代器的使用可以减少程序错误的发生几率,考虑这个因素,可以酌情优化
at操作要比指针的操作慢很多,所以对于不连续数据或者单个点处理,可以考虑at操作,对于连续的大量数据,不要使用它
扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*(w*h)的一个一维数组这种办法也可以提高速度。短的循环比长循环更高效,即使他们的操作数是相同的
以上的这些优化可能对于大家的程序运行速度提高并不明显,但它们毕竟是个得到速度提升的好的编程策略,希望大家能多采纳。
还有就是利用多线程也可以高效提高运行速度。OpenMP和TBB是两种流行的APT,不过对于多线程的东西,我是有些迷糊的,呵呵
5.整行整列像素值的赋值
对于整行或者整列的数据,可以考虑这种方式处理
1. img.row(i).setTo(Scalar(255));
2. img.col(j).setTo(Scalar(255));