【opencv学习笔记七】访问图像中的像素与图像亮度对比度调整

今天我们来看一下如何访问图像的像素，以及如何改变图像的亮度与对比度。

在之前我们先来看一下图像矩阵数据的排列方式。我们以一个简单的矩阵来说明：

对单通道图像排列如下：

对于双通道图像排列如下：

那么对于三通道的RGB图像则为：

知道了排列方式之后我们来讨论一下访问图像像素常用的三种方式：

1.使用指针访问；

2.使用迭代器访问；

3.使用动态地址访问；

为了比较一下三种方式的效率，我们介绍两个函数来统计一下每种方式所需的时间。

int64 getTickCount()函数：返回CPU自某个时间(如开启电脑)以来走过的时钟周期数。

double getTickFrequency()函数：返回每秒钟CPU走过的时钟周期数。

然后我们来看第一种方式。

1.使用指针访问图像像素：我们将输入图像img_src的每一个像素值加上50后赋值给输出图像img_dst。

 int main()
 {
     int c;
     Mat img_src = imread("1.jpg");
     Mat img_dst;
 
     namedWindow("原图");
     namedWindow("处理图");
 
     int channels = img_src.channels();//获取图像通道数
     img_dst = img_src.clone();
 
     double time1 = static_cast<double>(getTickCount());//获取开始处理前时间
 
     for (int i = ; i < img_src.rows; i++)//访问图像行数据
     {
         uchar* p_data1 = img_src.ptr(i);//获取图像行首地址
         uchar* p_data2 = img_dst.ptr(i);//获取图像行首地址
         for (int k = ; k < img_src.cols*channels; k++)//获取图像列(含通道)
         {
             p_data2[k] = saturate_cast<uchar>(p_data1[k] + );//图像处理
 
             //*p_data2++ = saturate_cast<uchar>((*p_data1++) + 100);//与上一行图像处理的等效方式
             //*(p_data2 + k) = saturate_cast<uchar>(*(p_data1 + k) + 50);//同上
         }
     }
 
     double time2 = static_cast<double>(getTickCount());//获取结束处理时间
 
     time1 = (time2 - time1) / getTickFrequency();//计算处理所用时间
     cout << "指针访问像素时间(S)：" << time1 << endl;
 
         while ()
         {
             imshow("原图", img_src);//显示图像
             imshow("处理图", img_dst);//显示图像
             c = waitKey();
             if (c ==  || char(c) == 'q' || char(c) == 'Q')//按下Q键或者ESC键退出程序
                 break;
         }
     return ;
 }

2.使用迭代器方式：

 int main()
 {
     int c;
     Mat img_src = imread("1.jpg");
     Mat img_dst;
 
     namedWindow("原图");
     namedWindow("处理图");
 
     int channels = img_src.channels();//获取图像通道数
     img_dst = img_src.clone();
 
     double time1 = static_cast<double>(getTickCount());//获取开始处理前时间
 
     Mat_<Vec3b>::iterator it = img_src.begin<Vec3b>();//获取原图开始地址
     Mat_<Vec3b>::iterator itend = img_src.end<Vec3b>();//获取原图结束地址
     Mat_<Vec3b>::iterator it2 = img_dst.begin<Vec3b>();//获取输出图开始地址
     for (; it != itend; ++it, ++it2)
     {
         for (int i = ; i < ; i++)
         {
             (*it2)[i] = saturate_cast<uchar>((*it)[i] + );//图像处理
         }
     }
 
     double time2 = static_cast<double>(getTickCount());//获取结束处理时间
 
     time1 = (time2 - time1) / getTickFrequency();//计算处理所用时间
     cout << "指针访问像素时间(S)：" << time1 << endl;
 
         while ()
         {
             imshow("原图", img_src);//显示图像
             imshow("处理图", img_dst);//显示图像
             c = waitKey();
             if (c ==  || char(c) == 'q' || char(c) == 'Q')//按下Q键或者ESC键退出程序
                 break;
         }
     return ;
 }

3.动态地址方式：

 int main()
 {
     int c;
     Mat img_src = imread("1.jpg");
     Mat img_dst;
 
     namedWindow("原图");
     namedWindow("处理图");
 
     int channels = img_src.channels();//获取图像通道数
     img_dst = img_src.clone();
 
     double time1 = static_cast<double>(getTickCount());//获取开始处理前时间
 
     for (int i = ; i < img_src.rows; i++)
     {
         for (int k = ; k < img_src.cols; k++)
         {
             for (int j = ; j < channels; j++)
             {
                 img_dst.at<Vec3b>(i, k)[j] = saturate_cast<uchar>(img_src.at<Vec3b>(i, k)[j] + );
             }
         }
     }
 
     double time2 = static_cast<double>(getTickCount());//获取结束处理时间
 
     time1 = (time2 - time1) / getTickFrequency();//计算处理所用时间
     cout << "指针访问像素时间(S)：" << time1 << endl;
 
         while ()
         {
             imshow("原图", img_src);//显示图像
             imshow("处理图", img_dst);//显示图像
             c = waitKey();
             if (c ==  || char(c) == 'q' || char(c) == 'Q')//按下Q键或者ESC键退出程序
                 break;
         }
     return ;
 }

我们来看一下处理的结果吧：

实例

下面我们来看一个完整调用三种方式的例子，我们定义三个函数Mat image_bright1(Mat src);Mat image_bright2(Mat src);Mat image_bright3(Mat src);分别用来用三种方式处理图片。

 //************头文件包含*************
 #include "stdafx.h"
 #include<iostream>
 #include<opencv.hpp>//包含opencv的头文件
 //***********************************
 
 //************命名空间***************
 using namespace cv;//使用opencv命名空间
 using namespace std;
 //***********************************
 
 //************全局变量***************
 
 //***********************************
 
 //************全局函数***************
 Mat image_bright1(Mat src);//使用指针访问像素
 
 Mat image_bright2(Mat src);//使用迭代器访问像素
 
 Mat image_bright3(Mat src);//使用动态地址访问像素
 //***********************************
 
 //************主函数*****************
 int main()
 {
     int c;
     Mat img_src = imread("1.jpg");
     Mat img_dst1, img_dst2, img_dst3;
 
     namedWindow("原图",);
     namedWindow("指针访问像素",);
     namedWindow("迭代器访问像素",);
     namedWindow("动态地址访问像素",);
 
     double time1 = static_cast<double>(getTickCount());
     img_dst1 = image_bright1(img_src);//使用指针访问像素
 
     double time2 = static_cast<double>(getTickCount());
     img_dst2 = image_bright2(img_src);//使用迭代器访问像素
 
     double time3 = static_cast<double>(getTickCount());
     img_dst3 = image_bright3(img_src);//使用动态地址访问像素
 
     double time4 = static_cast<double>(getTickCount());
 
     time1 = (time2 - time1) / getTickFrequency();
     time2 = (time3 - time2) / getTickFrequency();
     time3 = (time4 - time3) / getTickFrequency();
 
     cout << "指针访问像素时间(S)："<<time1<<endl;
     cout << "迭代器访问像素时间(S)：" << time2 << endl;
     cout << "动态地址访问像素时间(S)：" << time3 << endl;
 
     while ()
     {
         imshow("原图", img_src);//显示图像
         imshow("指针访问像素", img_dst1);//显示图像
         imshow("迭代器访问像素", img_dst2);//显示图像
         imshow("动态地址访问像素", img_dst3);//显示图像
 
         c = waitKey();
         if (c ==  || char(c) == 'q' || char(c) == 'Q')//按下Q键或者ESC键退出程序
             break;
     }
 
     return ;
 }
 
 //使用指针访问像素
 Mat image_bright1(Mat src)
 {
     Mat dst;
     int channels = src.channels();
     dst = src.clone();
 
     for (int i = ; i < src.rows; i++)
     {
         uchar* p_data1 = src.ptr(i);
         uchar* p_data2 = dst.ptr(i);
 
         for (int k = ; k < src.cols*channels; k++)
         {
             //*p_data2++ = saturate_cast<uchar>((*p_data1++) + 100);
             //*(p_data2 + k) = saturate_cast<uchar>(*(p_data1 + k) + 50);
             p_data2[k] = saturate_cast<uchar>(p_data1[k] + );//输出图像像素=原图像像素+50
         }
     }
     return dst;
 }
 
 //使用迭代器访问像素
 Mat image_bright2(Mat src)
 {
     Mat dst;
     dst = src.clone();
 
     Mat_<Vec3b>::iterator it = src.begin<Vec3b>();
     Mat_<Vec3b>::iterator itend = src.end<Vec3b>();
     Mat_<Vec3b>::iterator it2 = dst.begin<Vec3b>();
     for (; it != itend; ++it, ++it2)
     {
     for (int i = ; i < ; i++)
     {
     (*it2)[i] = saturate_cast<uchar>(*(*it)[i]);//输出图像像素=2*原图像像素
     }
     }
     return dst;
 }
 
 //使用动态地址访问像素
 Mat image_bright3(Mat src)
 {
     Mat dst;
     int channels = src.channels();
     dst = src.clone();
     for (int i = ; i < src.rows; i++)
     {
         for (int k = ; k < src.cols; k++)
         {
             for (int j = ; j < channels; j++)
             {
                 dst.at<Vec3b>(i, k)[j] = saturate_cast<uchar>(*src.at<Vec3b>(i, k)[j] + );//输出图像像素=2*原图像像素+50
             }
         }
     }
     return dst;
 }

结果：

从时间上我们可以看出来，使用指针的速度是最快的。

有些童鞋应该已经看出来了，在三种方法中我们将图像像素的处理方法变了一下，得出的图像也不一样了。在三种方法中我们处理像素的计算方式分别为：

• 输出图像像素=原图像像素+50；
• 输出图像像素=2*原图像像素；
• 输出图像像素=2*原图像像素+50；

其实这就是处理亮度与对比度的方法，从图像上也能看出来。

总结一下：g(x)=k*f(x)+b;其中g(x)为输出图像，f(x)为输入图像；

• 调节k的值则可以改变图像的对比度；
• 调节b的值则可以改变图像的亮度；

下载

功能很简单，代码很少，建议自己写一下或者在博文中复制一下，当然实在是懒的不要不要的土豪可以去下面的连接直接下载。

【opencv学习笔记七】访问图像中的像素与图像亮度对比度调整