1.存取单个像素值
最通常的方法就是
img.at<uchar>(i,j) = 255;
img.at<Vec3b>(i,j)[0] = 255;
img.at<uchar>(i,j) = 255;
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。
cv::Mat_<uchar> im2= img; // im2 refers to image
im2(50,100)= 0; // access to row 50 and column 100
cv::Mat_<uchar> im2= img; // im2 refers to image
im2(50,100)= 0; // 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更加推荐。先介绍一种上一讲提到过的
for (int j=0; j<nl; j++)
{
uchar* data= image.ptr<uchar>(j);
for (int i=0; i<nc; i++)
{
data[i] = 255;
}
}
for (int j=0; j<nl; j++)
{
uchar* data= image.ptr<uchar>(j);
for (int i=0; i<nc; i++)
{
data[i] = 255;
}
}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：
if (img.isContinuous())
{
nc = img.rows*img.cols*img.channels();
}
uchar* data = img.ptr<uchar>(0);
for (int i=0; i<nc; i++)
{
data[i] = 255;
}
if (img.isContinuous())
{
nc = img.rows*img.cols*img.channels();
}
uchar* data = img.ptr<uchar>(0);
for (int i=0; i<nc; i++)
{
data[i] = 255;
}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：
uchar* data = img.data;
// img.at(i, j)
data = img.data + i * img.step + j * img.elemSize();
uchar* data = img.data;
// img.at(i, j)
data = img.data + i * img.step + j * img.elemSize();3.用迭代器iterator扫描图像
cv::MatIterator_<Vec3b> it;
cv::MatIterator_<Vec3b> it;或者是：
cv::Mat_<Vec3b>::iterator it;
cv::Mat_<Vec3b>::iterator it;扫描图像的方法如下：
Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
for (; it!=itend; it++)
{
(*it)[0] = 255;
}
Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
for (; it!=itend; it++)
{
(*it)[0] = 255;
}
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：
（1）内存分配是个耗时的工作，优化之；
（2）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：
int nc = img.cols * img.channels();
for (int i=0; i<nc; i++)
{.......}
//**************************
for (int i=0; i<img.cols * img.channels(); i++)
{......}
int nc = img.cols * img.channels();
for (int i=0; i<nc; i++)
{.......}
//**************************
for (int i=0; i<img.cols * img.channels(); i++)
{......}后者的速度比前者要慢上好多。
（3）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
（4）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
（5）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
img.row(i).setTo(Scalar(255));
img.col(j).setTo(Scalar(255));
img.row(i).setTo(Scalar(255));
img.col(j).setTo(Scalar(255));这节就先介绍这么多攻略吧~希望大家喜欢
