Mat中两种像素遍历方法比较

小白，入门中，不足其指正。刚刚接触opencv，从一个Matlab风格的编程环境忽然跳转到C++，实在有些不适。单就pixels scanning花了好长时间研究。opencv-tutorials给出了四种方法。这里将比较其中最高效的方法与Mat类里定义的at()的效率。

本文以opencv-tutorials中给出的color reduction 为例进行比较。

• 图像的读取

 

为了简化问题，直接对灰度图进行操做，灰度图的获取能够用Mat类里的imread函数（往往看到这个函数都很激动，又有了Matlab的感受）。

//read the image data
Mat GrayImage;
GrayImage = imread("test.jpg",0);
//show the image that read
namedWindow("OriginalGrayImage");
imshow("OriginalGrayImage",GrayImage);

其中imread的参数0表示的就是读取灰度图。相比于Matlab里面还要用rgb22gray转化，这里就方便一点了哈！

原图：

灰度读取效果：

• lookup table的产生

咱们的目的是把读取的图像像素值进行量化，若是将0~255的像素量化成4级，就需将0~63的像素计算成0，64~127的像素计算成为64……

由于在C++编译过程当中，uchar/int的结果仍是uchar,因此直接利用下面公式就能够获得

注意的是这里我用的是opencv.org上盗的图，图中的10能够用dividewidth替换，dividewidth的值须要根据量化的结果来肯定，好比若是dividewidth=64；那么0~63的像素都会计算成0，64~127的像素都会计算成为64……以此类推，这样就会被量化成4级。

可是值得注意的是，对于一张100*100的灰度图就须要计算10000次，因此lookup table产生了。lookup table的思路是产生一个0~255的向量，没个存放用上述公式计算的结果，而后遍历的时候只须要查表就能够了，这样对于一个100*100的灰度图，原本须要计算10000次的，如今只须要计算256次。

产生lookup table的代码段

uchar table[256];
int div = 64;
for(int i=0;i<256;i++)
    table[i] = (uchar)(div*(i/div));

• 灰度量化-classic C style operator[]

Mat.ptr<type>(i)能够得到第i行的指针,其中type表示的是Mat中存放的数据类型，通常的灰度图为uchar，rgb图则是Vec3b。Mat.rows和Mat.cols中分别存放的是图像的行数和列数。

具体代码段以下

//get some informations from GrayImage
int nr = GrayImage.rows;
int nc = GrayImage.cols;

uchar* p;
for(int i=0;i<nr;i++)
{
　　p = GrayImage.ptr<uchar>(i);
　　for(int j=0;j<nc;j++)
　　{
　　　　p[j] = table[p[j]];
　　}
}

运行结果：

• 灰度量化-Mat.at<type>(i,j)

Mat类里定义的at函数能够直接访问图像中的像素。其中type参见上一条的解释。（i,j)为图像中的坐标。

 

具体代码段以下：

for(int i=0;i<nr;i++)
    for(int j=0;j<nc;j++)
        GrayImage.at<uchar>(i,j) = table[GrayImage.at<uchar>(i,j)];

运行结果：

• 如何得到运行时间

opencv中提供了两个函数，getTickCount()和getTickFrequency()；

Well OpenCV offers two simple functions to achieve this getTickCount() and getTickFrequency().

opencv.org盗来的代码段:

double t = (double)getTickCount();
// do something ...
t = ((double)getTickCount() - t)/getTickFrequency();
cout << "Times passed in seconds: " << t << endl;

• 结果比较

运行环境:

OS: Windows 10-64bit

IDE: codeblocks 13.12 with g++

CPU: i3

内存: 4GB

 

运行结果：

classic C style operator[]	0.00136458
Mat.at<type>(i,j)	0.00498963

从结果能够看出，指针操做明显更高效，这也就是为何 opencv-tutorials中把它称为the effective way的缘由。可是，指针操做有危险性，因此不少人仍是缘由用Mat.at的方法。