對圖像的像素進行操作，我們可以實現空間增強，反色等目的。讓我們先來看一下內存空間中圖像矩陣，也就是Mat的矩陣數值部分是怎么存儲的：

如果圖像是一幅灰度圖像，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。

而對于一幅彩色圖像，由于它的像素分量channel并不是一個，所以每一列又分為了幾個channel。拿常見的RGB圖像來說，就像這樣：

從這張圖上，就可以比較清楚地看出來在內存中矩陣是如何存儲多channel圖像的了。這里要注意的是在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。

清楚了圖像在內存中的存儲方式，我們也就可以來進行像素值的操作了。在這里，我們舉這樣一個例子。我們對一幅灰度圖像的灰度值進行變換：

小于100的灰度值被統一映射為0；100到200之間的灰度值被映射為100；大于200的灰度值被映射為200.

主函數如下：

<pre name="code" class="cpp">int main() {string picName="lena.jpg";Mat A=imread (picName,CV_LOAD_IMAGE_GRAYSCALE); //讀入灰度圖像uchar table[256]; //映射表，規定了變換前后灰度值的對應關系 table[gray_value_before]=gray_value_afterfor (int i=0;i<256;i++){table[i]=i/100*100; //這里利用了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); //變換函數imshow ("變換后",B);waitKey ();return 0; }

首先，我們用指針方式對圖像的像素點灰度值進行操作：

<pre name="code" class="cpp">Mat ChangeImg(Mat &img,const uchar* table) {CV_Assert(img.depth ()!=sizeof(uchar)); //聲明只對深度8bit的圖像操作int channels=img.channels (); //獲取圖像channelint 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，我們相當于只需要遍歷一個一維數組{ncols*=nrows;nrows=1; //一維數組}//遍歷像素點灰度值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; }

這里，我們獲取了每一行開始處的指針，然后遍歷至該行末尾。如果矩陣是以連續方式存儲的，我們只需請求一次指針、然后一路遍歷下去就行。彩色圖像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針。注意如果該指針為NULL則表明對象里面無輸入，所以這是一種簡單的檢查圖像是否被成功讀入的方法。當矩陣是連續存儲時，我們就可以通過遍歷 data 來掃描整個圖像。例如，一個灰度圖像，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圖像矩陣的begin和end，然后增加迭代直至從begin到end。將*操作符添加在迭代指針前，即可訪問當前指向的內容。

Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table) {// accept only char type matricesCV_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，在這里對3通道的圖像進行操作的時候，使用到了Vec3b。Vec3b作為一個對三元向量的數據結構，用在這里正好是能夠表示RGB的三個分量。如果對于彩色圖像，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圖像的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;}

這里使用指針，當然也可以使用上面的迭代器。

然而，OpenCV里面已經有了相應函數可以讓我們更加方便地對像素進行操作，那便是LUT函數，而且推薦使用OpenCV的內建函數，因為已經針對芯片做了優化設計，使得速度有很大提升。

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

實現的映射關系如下所示：

也就是說比如原來src中值為1會映射為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函數就可以了。結合我們自己設計的table表，就能夠實現對圖像的操作。

int main() {string picName="lena.jpg";Mat A=imread (picName,CV_LOAD_IMAGE_GRAYSCALE); //讀入灰度圖像Mat lookUpLut(1,256,CV_8UC1); //建立一個256個元素的映射表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 ("變換后",B);waitKey ();return 0; }

下面的圖就是效果啦~~~

總結

以上是生活随笔為你收集整理的OpenCv 如何对图像的像素进行操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。