Lecture 3 opencv2系列之遍历Mat - HelloWorld开发者社区

阅读本节内容，建议先阅读Lecture 2 opencv2系列之初识Mat,了解图像像素数据在Mat中的存储方式。

《The OpenCV Tutorials》给出3种遍历Mat中图像像素矩阵的方法，分别是指针遍历(ptr)、迭代器(MatIterator)、
at函数，前两者亦分别称作高效方法、安全方法。其中最为高效的是指针方法。
本文只介绍指针方法。

以下代码实现对图像像素数据的遍历，我们打印图像的红色分量。

`代码`

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

using namespace std;
using namespace cv;

int main(int argc, const char *argv[])
{
    if (argc != 2)
    {
        cout<<"Number of Parameters is Wrong!"<<endl;
        return -1;
    }

    Mat src = imread(argv[1],IMREAD_COLOR);

    int channels = src.channels();

    int nRows = src.rows;
    //图像数据列需要考虑通道数的影响；
    int nCols = src.cols * channels;    

    if (src.isContinuous())//连续存储的数据，按一行处理
    {
        nCols *= nRows;
        nRows = 1;
    }

    int i,j;
    uchar* p;
    for( i = 0; i < nRows; ++i)
    {
        p = src.ptr<uchar>(i);
        for ( j = 2; j < nCols; j+=3)//注意通道顺序为BGR，红色为第三个数据；
        {
            cout<<int(p[j])<<" ";   
        }
        cout<<endl;
    }


    return 0;
}

`释义`

如果只是单纯打印图像数据的话，可以直接用cout<<src来实现，OpenCV2重定义了<<运算符，实现
了矩阵的格式化输出。
详细内容参见The OpenCV Tutorials Release 2.4.9.0，p.148。
图像坐标系和像素矩阵。
图像左上角作为原点，按行和列展开。故图像左上角像素对应矩阵的0行0列数据，这里列不计通道。
OpenCV默认使用BGR的通道顺序。
行数据的填补。
宽W高H的真彩色图像，像素数据存储需要WxHx3个uchar构成的内存块，但是出于效率考虑，每行可能
会填补一些额外像素，亦即存储像素数据的宽度不一定是W，往往填补为4或8的倍数，因为这样一些多
媒体处理芯片可以更高效的处理图像。
图像的宽高分别由cols、rows给出，行像素个数由cols*channels()给出，实际行的字节数由step[0]
给出。对于有额外填补的行数据，cols！= step[0]/elemSize(),反之，cols==step[0]/elemSize()。
我们可以用成员函数isContinuous()判断图像是否对行进行了填补，对于没有进行填补的图像，我们视其
像素数据为一个长为WxHxchannels()的一维数组，加快循环速度。
行首地址。
Mat的成员函数ptr(int j)返回第j行的首地址。
如果仔细阅读过Lecture 2 opencv2系列之初识Mat，对于遍历Mat，自然想到用data+step+elemSize()来
实现，这也是基于指针的方法。
核心循环代码为：

   int i,j;
   uchar *p;
   for (i = 0; i < nRows; i++)
   {
       p = src.<uchar>data + i * src.step[0];
       for (j = 2; j < nCols; j += 3)
       {            
           cout<<int(p[j*src.elemSize1()])<<" ";//本例中，src.elemSize1()=1;故可简写为p[j]。
       }
   }

本质上是因为src.ptr(i) == src.data + i * src.step[0]。
在《OpenCV2 计算机视觉编程手册》一书中，Laganiere不建议用这种方法，原因是：容易出错，并且不适用于带“感兴趣
区域”的图像。