寫的很好，我就轉來了，不錯。

方法零：.ptr和[]操作符

Mat最直接的訪問方法是通過.ptr<>函式得到一行的指標，並用[]操作符訪問某一列的畫素值。

1. // using .ptr and []
2. void colorReduce0(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int nc= image.cols * image.channels(); // total number of elements per line
5.       for
    (int j=0; j<nr; j++) {  
6.           uchar* data= image.ptr<uchar>(j);  
7.           for (int i=0; i<nc; i++) {  
8.                   data[i]= data[i]/div*div + div/2;  
9.             }                    
10.       }  
11. }  

方法一：.ptr和指標操作

除了[]操作符，我們可以移動指標*++的組合方法訪問某一行中所有畫素的值。

1. // using .ptr and * ++ 
2. void colorReduce1(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int nc= image.cols * image.channels(); // total number of elements per line
5.       for (int j=0; j<nr; j++) {  
6.           uchar* data= image.ptr<uchar>(j);  
7.           for (int i=0; i<nc; i++) {  
8.                  *data++= *data/div*div + div/2;  
9.             } // end of row                 
10.       }  
11. }  

方法二：.ptr、指標操作和取模運算

方法二和方法一的訪問方式相同，不同的是color reduce用模運算代替整數除法

1. // using .ptr and * ++ and modulo
2. void colorReduce2(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int nc= image.cols * image.channels(); // total number of elements per line
5.       for (int j=0; j<nr; j++) {  
6.           uchar* data= image.ptr<uchar>(j);  
7.           for (int i=0; i<nc; i++) {  
8.                   int v= *data;  
9.                   *data++= v - v%div + div/2;  
10.             } // end of row                 
11.       }  
12. }  

方法三：.ptr、指標運算和位運算

由於進行量化的單元div通常是2的整次方，因此所有的乘法和除法都可以用位運算表示。

1. // using .ptr and * ++ and bitwise
2. void colorReduce3(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int nc= image.cols * image.channels(); // total number of elements per line
5.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
6.       // mask used to round the pixel value
7.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
8.       for (int j=0; j<nr; j++) {  
9.           uchar* data= image.ptr<uchar>(j);  
10.           for (int i=0; i<nc; i++) {  
11.             *data++= *data&mask + div/2;  
12.             } // end of row                 
13.       }  
14. }  

方法四：指標運算

方法四和方法三量化處理的方法相同，不同的是用指標運算代替*++操作。

1. // direct pointer arithmetic
2. void colorReduce4(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int nc= image.cols * image.channels(); // total number of elements per line
5.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
6.       int step= image.step; // effective width
7.       // mask used to round the pixel value
8.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
9.       // get the pointer to the image buffer
10.       uchar *data= image.data;  
11.       for (int j=0; j<nr; j++) {  
12.           for (int i=0; i<nc; i++) {  
13.             *(data+i)= *data&mask + div/2;  
14.             } // end of row                 
15.             data+= step;  // next line
16.       }  
17. }  

方法五：.ptr、*++、位運算以及image.cols * image.channels()

這種方法就是沒有計算nc，基本是個充數的方法。

1. // using .ptr and * ++ and bitwise with image.cols * image.channels()
2. void colorReduce5(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
5.       // mask used to round the pixel value
6.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
7.       for (int j=0; j<nr; j++) {  
8.           uchar* data= image.ptr<uchar>(j);  
9.           for (int i=0; i<image.cols * image.channels(); i++) {  
10.             *data++= *data&mask + div/2;  
11.             } // end of row                 
12.       }  
13. }  

方法六：連續影象

Mat提供了isContinuous()函式用來檢視Mat在記憶體中是不是連續儲存，如果是則圖片被儲存在一行中。

1. // using .ptr and * ++ and bitwise (continuous)
2. void colorReduce6(cv::Mat &image, int div=64) {  
3.       int nr= image.rows; // number of rows
4.       int nc= image.cols * image.channels(); // total number of elements per line
5.       if (image.isContinuous())  {  
6.           // then no padded pixels
7.           nc= nc*nr;   
8.           nr= 1;  // it is now a 1D array
9.        }  
10.       int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));  
11.       // mask used to round the pixel value
12.       uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
13.       for (int j=0; j<nr; j++) {  
14. 相關推薦

    OpenCV訪問Mat中每個畫素的值

    寫的很好，我就轉來了，不錯。 方法零：.ptr和[]操作符 Mat最直接的訪問方法是通過.ptr<>函式得到一行的指標，並用[]操作符訪問某一列的畫素值。 // using .ptr and [] void colorRed

    【OpenCV】訪問Mat影象中每個畫素的值

    轉載自https://blog.csdn.net/warrenwg/article/details/48056363 優化C++和OpenCv過程中，總結的若干技巧如下：  1 訪問Opencv的Mat格式時，需要注意訪問方式，其中使用C語言的【】操作符訪問最快，使用.At<&g

    OpenCV取影象中的每個畫素值

    import cv2import numpy as pydef salt(img): IMAGE_FILE = img img = cv2.imread(IMAGE_FILE) print(img.shape[1]) for i in

    OpenCV：訪問影象中的畫素

    OpenCV影象處理運算元都是一個函式。 作用： 接受一個輸入或多個輸入，產生輸出影象。 格式： g(x)=f(h(x))//單個輸入， 或 g(x)=f(h0(x),h1(x),...,hn(x))//多個輸入 影象處理變換中典型的操作：點操作 點操作： 影象亮度和對

    《OpenCV3程式設計入門》——5.1 訪問影象中的畫素

    目錄 1、影象在記憶體之中的儲存方式 2、顏色空間縮減 3、LUT函式：Look up table操作 4、計時函式 5、訪問影象中畫素的三類方法         5.1、指標訪問畫素       &n

    《OpenCV3程式設計入門》——5.1 訪問影象中的畫素--計時函式

    計時函式： 簡便的計時函式：getTickCount()和get TickFrequency() getTickCount()函式：返回CPU自某個事件以來走過的時鐘週期數 getTickFrequency()函式：返回CPU一秒鐘所走的時鐘週期數。這樣，就能以秒為單位對某運算計時。

    《OpenCV3程式設計入門》——5.1 訪問影象中的畫素--顏色空間縮減及LUT函式：Look up table操作

    1、顏色空間縮減 顏色空間縮減的做法是：將現有顏色空間值除以某個輸入值，以獲得較少的顏色數。即做減法，比如顏色值0到9可取為新值0,10到19可取為10，以此類推。 有一個簡單的公式來實現顏色空間縮減： 在處理畫素時，每個畫素需要進行一遍上述公式計算，也需要一定的時間花銷。我們可以把25

    《OpenCV3程式設計入門》——5.1 訪問影象中的畫素--影象在記憶體之中的儲存方式

    影象在記憶體之中的儲存方式: 影象矩陣的大小取決於所用的顏色模型，確切說，取決於所用通道數。如果是灰度影象，矩陣就會如圖5.1所示。 對於多通道影象來說，矩陣中的列會包含多個子列，其子列個數與通道數相同，如圖5.2所示RGB顏色模型的矩陣。 可以看到，OpenCV中子列的通道

    【Python+OpenCV】圖片區域性區域畫素值處理（改進版）-一種特徵提取方法

    上一個版本看這裡:《Python+OpenCV實現【圖片】區域性區域畫素值處理》 上個版本的程式碼雖然實現了我需要的功能，但還是走了很多彎路，我意識到圖片本就是陣列形式，對於8位灰度圖，通道數為1,它

    Opencv獲取影象上的畫素值（Ubuntu版）

    前言：當需要製作自己的訓練集的時候，標註圖片上的檢測目標，是一件比較耗時費力的事情。下面記錄的就是其中一種方法。 1.程式碼： import argparse import cv2 refPt=[] cropping=False def click_and_crop(e

    【Python+OpenCV】視訊流區域性區域畫素值處理-一種特徵提取方法

    開發環境：Python3.6.0 + OpenCV3.2.0 任務目標：攝像頭採集影象（例如：480*640），並對視訊流每一幀（灰度圖）特定矩形區域（480*30）畫素值進行行求和，得到一個48

    OpenCV計算機視覺之訪問畫素值

    #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgpro

    opencv讀取彩色/灰度圖片畫素值並存儲在本地檔案中c++程式碼例項及執行結果

    c++程式碼彩色圖片#include<opencv2/opencv.hpp> #include<fstream> using namespace std; using namespace cv; int main(int argc, char* ar

    opencv 通過指標訪問影象畫素值，輸出為空的問題

    for (int i = 0; i < img_roi_gray_at.rows; ++i) { uchar* datatemp = img_roi_gray_at.ptr<uchar>(i);

    關於OpenCV Mat讀取畫素值

    最近開始使用OPenCV讀取影象畫素值，並做處理，裁剪出ROI區域，並做儲存。 對於Mat類生成的物件，包含諸多屬性，Mat.rows, Mat.cols分別表示影象的heighten和width屬性。 Mat的座標系從左上角(0,0)開始，到右下角(Mat.rows, M

    OpenCV--讀取影象中任意點的畫素值，並顯示座標

    需求：在滑鼠左鍵按下時，顯示該位置的畫素值和座標。 在vs2010下新建了Win32控制檯專案，在此只處理灰度影象，顯示的畫素值為灰度值 #include "iostream"

    關於opencv的Mat型別的imwrite()函式寫入.jpg影象畫素值會改變的解決方案

     #include <string> #include <opencv2/opencv.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace std; using na

    【OpenCV】訪問影象畫素值並修改--IplImage

    1.IplImage的結構： typedef struct _IplImage { int nSize; /* IplImage大小 */

    OpenCV中讀取影象畫素值

    OpenCV中用於讀取影象畫素點的值的方法很多，這裡主要提供了兩種常用的方法。 方法一 利用IplImage資料型別的imageData定位資料緩衝區來實現，imageData包含指向影象第一個畫素資料的指標 例： If( imgSource != 0 )//imgSource為IplImage* { fo

    opencv訪問圖片中畫素的方法（二）——迭代器iterator

    opencv訪問圖片畫素的第二種方法為：迭代法。在迭代法中，我們所需要的僅僅是獲得矩陣的begin和end，然後增加迭代直至 從begin到end。將*操作符新增在迭代指標前，即可訪問當前指向的內容。相比於指標直接訪問可能出現越界問題，迭代器絕對 是非常安全的方法。用關鍵字