對影象的畫素進行操作，我們可以實現空間增強，反色等目的。讓我們先來看一下記憶體空間中影象矩陣，也就是Mat的矩陣數值部分是怎麼儲存的：

如果影象是一幅灰度影象，他就像這樣，從左到右，從上到下，依次是矩陣的每一行每一列，這時候矩陣M(i,j)的值自然就是當前點的灰度值了。

而對於一幅彩色影象，由於它的畫素分量channel並不是一個，所以每一列又分為了幾個channel。拿常見的RGB影象來說，就像這樣：

從這張圖上，就可以比較清楚地看出來在記憶體中矩陣是如何儲存多channel影象的了。這裡要注意的是在RGB模型中，每一個子列依次為BGR，也就是正好是顛倒的，第一個分量是藍色，第二個是綠色，第三個是紅色。

清楚了影象在記憶體中的儲存方式，我們也就可以來進行畫素值的操作了。在這裡，我們舉這樣一個例子。我們對一幅灰度影象的灰度值進行變換：

小於100的灰度值被統一對映為0；100到200之間的灰度值被對映為100；大於200的灰度值被對映為200.

主函式如下：

int main()
{
	string picName="lena.jpg";
	Mat A=imread (picName,CV_LOAD_IMAGE_GRAYSCALE);    //讀入灰度影象
	uchar table[256];          //對映表，規定了變換前後灰度值的對應關係 table[gray_value_before]=gray_value_after
	for (int i=0;i<256;i++)
	{
		table[i]=i/100*100;   //這裡利用了C++的語言特性i/100只會留下整數部分
	}
	imshow("變換前",A);
	Mat B=ChangeImg (A,table);    //變換函式
	imshow ("變換後",B);
	waitKey ();
	return 0;
}
 

首先，我們用指標方式對影象的畫素點灰度值進行操作：

Mat  ChangeImg(Mat &img,const uchar* table)
{
	CV_Assert(img.depth ()!=sizeof(uchar));  //宣告只對深度8bit的影象操作
	int channels=img.channels ();            //獲取影象channel
	int nrows=img.rows;                     //矩陣的行數
	int ncols=img.cols*channels;             //矩陣的總列數=列數*channel分量數
	if (img.isContinuous ())               //判斷矩陣是否連續，若連續，我們相當於只需要遍歷一個一維陣列
	{
		ncols*=nrows;
		nrows=1;                 //一維陣列
	}
	//遍歷畫素點灰度值
	for (int i=0;i<nrows;i++)
	{
		uchar *p=img.ptr<uchar>(i);    //獲取行地址
		for (int j=0;j<ncols;j++)
		{
			p[j]=table[p[j]];           //修改灰度值
		}
	}
	return img;
}
 

這裡，我們獲取了每一行開始處的指標，然後遍歷至該行末尾。如果矩陣是以連續方式儲存的，我們只需請求一次指標、然後一路遍歷下去就行。彩色影象的情況有必要加以注意：因為三個通道的原因，我們需要遍歷的元素數目也是3倍。

或者，我們可以使用data。data會從Mat中返回指向矩陣第一行第一列的指標。注意如果該指標為NULL則表明物件裡面無輸入，所以這是一種簡單的檢查影象是否被成功讀入的方法。當矩陣是連續儲存時，我們就可以通過遍歷 data 來掃描整個影象。例如，一個灰度影象，其操作如下：

uchar* p = img.data;
for( unsigned int i =0; i < ncol*nrows; ++i)
	*p++ = table[*p];

或者，更安全的方法，我們可以使用迭代器。在迭代法中，所需要做的僅僅是獲得影象矩陣的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。

Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() != sizeof(uchar));     
    
    const int channels = I.channels();
    switch(channels)
    {
    case 1: 
        {
            MatIterator_<uchar> it, end; 
            for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
                *it = table[*it];
            break;
        }
    case 3: 
        {
            MatIterator_<Vec3b> it, end; 
            for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
            {
                (*it)[0] = table[(*it)[0]];
                (*it)[1] = table[(*it)[1]];
                (*it)[2] = table[(*it)[2]];
            }
        }
    }
    
    return I; 
}

注意，在這裡對3通道的影象進行操作的時候，使用到了Vec3b。Vec3b作為一個對三元向量的資料結構，用在這裡正好是能夠表示RGB的三個分量。如果對於彩色影象，仍然用uchar的話，則只能獲得3通道中的B分量。比如我們可以這樣打印出影象的RGB三個分量：

for (int i=0;i<img.rows;i++)
	{
		const Vec3b* Mpoint=img.ptr <Vec3b>(i);
		for (int j=0;j<img.cols;j++)
		{
			Vec3b intensity=*(Mpoint+j);
			cout<<"R:"<<int(intensity[2])<<" G"<<int(intensity[1])<<" B"<<int(intensity[0])<<"    ";
		}
		cout<<endl;
	}

這裡使用指標，當然也可以使用上面的迭代器。

然而，OpenCV裡面已經有了相應函式可以讓我們更加方便地對畫素進行操作，那便是LUT函式，而且推薦使用OpenCV的內建函式，因為已經針對晶片做了優化設計，使得速度有很大提升。

函式原型為：void LUT(InputArray src, InputArray lut, OutputArray dst, int interpolation=0 )

實現的對映關係如下所示：

也就是說比如原來src中值為1會對映為table[1]所對應的值再加上d。

所以上面的操作，我們其實只需要使用LUT函式就可以了。結合我們自己設計的table表，就能夠實現對影象的操作。

int main()
{
	string picName="lena.jpg";
	Mat A=imread (picName,CV_LOAD_IMAGE_GRAYSCALE);    //讀入灰度影象
	Mat lookUpLut(1,256,CV_8UC1);   //建立一個256個元素的對映表
	imshow ("變換前",A);
	for (int i=0;i<256;i++)
	{
		lookUpLut.at<uchar>(i)=i/100*100;
	}
	Mat B;
	LUT (A,lookUpLut,B);
	imshow ("變換後",B);
	waitKey ();
	return 0;
}

下面的圖就是效果啦~~~