我们在实际应用中对图像进行的操作，往往并不是将图像作为一个整体进行操作，而是对图像中的所有点或特殊点进行运算，所以遍历图像就显得很重要，如何高效的遍历图像是一个很值得探讨的问题。
一、遍历图像的4种方式：at<typename>(i,j)
Mat类提供了一个at的方法用于取得图像上的点，它是一个模板函数，可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。
在实际应用中，我们很多时候需要对图像降色彩，因为256*256*256实在太多了，在图像颜色聚类或彩色直方图时，我们需要用一些代表性的颜色代替丰富的色彩空间，我们的思路是将每个通道的256种颜色用64种代替，即将原来256种颜色划分64个颜色段，每个颜色段取中间的颜色值作为代表色。
void colorReduce(Mat& image,int div)
2 {
3 for(int i=0;i<image.rows;i++)
4 {
5 for(int j=0;j<image.cols;j++)
6 {
7 image.at<Vec3b>(i,j)[0]=image.at<Vec3b>(i,j)[0]/div*div+div/2;
8 image.at<Vec3b>(i,j)[1]=image.at<Vec3b>(i,j)[1]/div*div+div/2;
9 image.at<Vec3b>(i,j)[2]=image.at<Vec3b>(i,j)[2]/div*div+div/2;
10 }
11 }
12 }通过上面的例子我们可以看出，at方法取图像中的点的用法：
image.at<uchar>(i,j)：取出灰度图像中i行j列的点。
image.at<Vec3b>(i,j)[k]：取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型，不要对Vec3b这种类型感觉害怕，其实在core里它是通过typedef Vec<T,N>来定义的，N代表元素的个数，T代表类型。
更简单一些的方法：OpenCV定义了一个Mat的模板子类为Mat_，它重载了operator()让我们可以更方便的取图像上的点。
Mat_<uchar> im=image;
im(i,j)=im(i,j)/div*div+div/2;
二、高效一点：用指针来遍历图像
上面的例程中可以看到，我们实际喜欢把原图传进函数内，但是在函数内我们对原图像进行了修改，而将原图作为一个结果输出，很多时候我们需要保留原图，这样我们需要一个原图的副本。
void colorReduce(const Mat& image,Mat& outImage,int div)
2 {
3 // 创建与原图像等尺寸的图像
4 outImage.create(image.size(),image.type());
5 int nr=image.rows;
6 // 将3通道转换为1通道
7 int nl=image.cols*image.channels();
8 for(int k=0;k<nr;k++)
9 {
10 // 每一行图像的指针
11 const uchar* inData=image.ptr<uchar>(k);
12 uchar* outData=outImage.ptr<uchar>(k);
13 for(int i=0;i<nl;i++)
14 {
15 outData[i]=inData[i]/div*div+div/2;
16 }
17 }
18 }从上面的例子中可以看出，取出图像中第i行数据的指针：image.ptr<uchar>(i)。
值得说明的是：程序中将三通道的数据转换为1通道，在建立在每一行数据元素之间在内存里是连续存储的，每个像素三通道像素按顺序存储。也就是一幅图像数据最开始的三个值，是最左上角的那像素的三个通道的值。
但是这种用法不能用在行与行之间，因为图像在OpenCV里的存储机制问题，行与行之间可能有空白单元。这些空白单元对图像来说是没有意思的，只是为了在某些架构上能够更有效率，比如intel MMX可以更有效的处理那种个数是4或8倍数的行。但是我们可以申明一个连续的空间来存储图像，这个话题引入下面最为高效的遍历图像的机制。
三、更高效的方法
上面已经提到过了，一般来说图像行与行之间往往存储是不连续的，但是有些图像可以是连续的，Mat提供了一个检测图像是否连续的函数isContinuous()。当图像连通时，我们就可以把图像完全展开，看成是一行。
void colorReduce(const Mat& image,Mat& outImage,int div)
2 {
3 int nr=image.rows;
4 int nc=image.cols;
5 outImage.create(image.size(),image.type());
6 if(image.isContinuous()&&outImage.isContinuous())
7 {
8 nr=1;
9 nc=nc*image.rows*image.channels();
10 }
11 for(int i=0;i<nr;i++)
12 {
13 const uchar* inData=image.ptr<uchar>(i);
14 uchar* outData=outImage.ptr<uchar>(i);
15 for(int j=0;j<nc;j++)
16 {
17 *outData++=*inData++/div*div+div/2;
18 }
19 }
20 }用指针除了用上面的方法外，还可以用指针来索引固定位置的像素：
image.step返回图像一行像素元素的个数（包括空白元素），image.elemSize()返回一个图像像素的大小。
&image.at<uchar>(i,j)=image.data+i*image.step+j*image.elemSize();四、还有吗？用迭代器来遍历
下面的方法可以让我们来为图像中的像素声明一个迭代器：
MatIterator_<Vec3b> it;
Mat_<Vec3b>::iterator it;
如果迭代器指向一个const图像，则可以用下面的声明：
MatConstIterator<Vec3b> it; 或者
Mat_<Vec3b>::const_iterator it;下面我们用迭代器来简化上面的colorReduce程序：
void colorReduce(const Mat& image,Mat& outImage,int div)
2 {
3 outImage.create(image.size(),image.type());
4 MatConstIterator_<Vec3b> it_in=image.begin<Vec3b>();
5 MatConstIterator_<Vec3b> itend_in=image.end<Vec3b>();
6 MatIterator_<Vec3b> it_out=outImage.begin<Vec3b>();
7 MatIterator_<Vec3b> itend_out=outImage.end<Vec3b>();
8 while(it_in!=itend_in)
9 {
10 (*it_out)[0]=(*it_in)[0]/div*div+div/2;
11 (*it_out)[1]=(*it_in)[1]/div*div+div/2;
12 (*it_out)[2]=(*it_in)[2]/div*div+div/2;
13 it_in++;
14 it_out++;
15 }
16 }如果你想从第二行开始，则可以从image.begin<Vec3b>()+image.rows开始。
上面4种方法中，第3种方法的效率最高！
