【opencv學習筆記七】訪問圖像中的像素與圖像亮度對比度調整

 今天我們來看一下如何訪問圖像的像素，以及如何改變圖像的亮度與對比度。

 在之前我們先來看一下圖像矩陣數據的排列方式。我們以一個簡單的矩陣來說明：

對單通道圖像排列如下：

對於雙通道圖像排列如下：

那么對於三通道的RGB圖像則為：

 知道了排列方式之后我們來討論一下訪問圖像像素常用的三種方式：

1.使用指針訪問；

2.使用迭代器訪問；

3.使用動態地址訪問；

 

為了比較一下三種方式的效率，我們介紹兩個函數來統計一下每種方式所需的時間。

int64 getTickCount()函數：返回CPU自某個時間(如開啟電腦)以來走過的時鍾周期數。

double getTickFrequency()函數：返回每秒鍾CPU走過的時鍾周期數。

 

然后我們來看第一種方式。

1.使用指針訪問圖像像素：我們將輸入圖像img_src的每一個像素值加上50后賦值給輸出圖像img_dst。

int main()
{
    int c;
    Mat img_src = imread("1.jpg");
    Mat img_dst;

    namedWindow("原圖");
    namedWindow("處理圖");

    int channels = img_src.channels();//獲取圖像通道數
    img_dst = img_src.clone();

    double time1 = static_cast<double>(getTickCount());//獲取開始處理前時間

    for (int i = 0; i < img_src.rows; i++)//訪問圖像行數據
    {
        uchar* p_data1 = img_src.ptr(i);//獲取圖像行首地址
        uchar* p_data2 = img_dst.ptr(i);//獲取圖像行首地址
        for (int k = 0; k < img_src.cols*channels; k++)//獲取圖像列(含通道)
        {
            p_data2[k] = saturate_cast<uchar>(p_data1[k] + 50);//圖像處理

            //*p_data2++ = saturate_cast<uchar>((*p_data1++) + 100);//與上一行圖像處理的等效方式
            //*(p_data2 + k) = saturate_cast<uchar>(*(p_data1 + k) + 50);//同上
        }
    }

    double time2 = static_cast<double>(getTickCount());//獲取結束處理時間

    time1 = (time2 - time1) / getTickFrequency();//計算處理所用時間
    cout << "指針訪問像素時間(S)：" << time1 << endl;

        while (1)
        {
            imshow("原圖", img_src);//顯示圖像
            imshow("處理圖", img_dst);//顯示圖像
            c = waitKey(0);
            if (c == 27 || char(c) == 'q' || char(c) == 'Q')//按下Q鍵或者ESC鍵退出程序
                break;
        }
    return 0;
}

 

 

2.使用迭代器方式：

int main()
{
    int c;
    Mat img_src = imread("1.jpg");
    Mat img_dst;

    namedWindow("原圖");
    namedWindow("處理圖");

    int channels = img_src.channels();//獲取圖像通道數
    img_dst = img_src.clone();

    double time1 = static_cast<double>(getTickCount());//獲取開始處理前時間

    Mat_<Vec3b>::iterator it = img_src.begin<Vec3b>();//獲取原圖開始地址
    Mat_<Vec3b>::iterator itend = img_src.end<Vec3b>();//獲取原圖結束地址
    Mat_<Vec3b>::iterator it2 = img_dst.begin<Vec3b>();//獲取輸出圖開始地址
    for (; it != itend; ++it, ++it2)
    {
        for (int i = 0; i < 3; i++)
        {
            (*it2)[i] = saturate_cast<uchar>((*it)[i] + 50);//圖像處理
        }
    }

    double time2 = static_cast<double>(getTickCount());//獲取結束處理時間

    time1 = (time2 - time1) / getTickFrequency();//計算處理所用時間
    cout << "指針訪問像素時間(S)：" << time1 << endl;

        while (1)
        {
            imshow("原圖", img_src);//顯示圖像
            imshow("處理圖", img_dst);//顯示圖像
            c = waitKey(0);
            if (c == 27 || char(c) == 'q' || char(c) == 'Q')//按下Q鍵或者ESC鍵退出程序
                break;
        }
    return 0;
}

 

3.動態地址方式：

int main()
{
    int c;
    Mat img_src = imread("1.jpg");
    Mat img_dst;

    namedWindow("原圖");
    namedWindow("處理圖");

    int channels = img_src.channels();//獲取圖像通道數
    img_dst = img_src.clone();

    double time1 = static_cast<double>(getTickCount());//獲取開始處理前時間

    for (int i = 0; i < img_src.rows; i++)
    {
        for (int k = 0; k < img_src.cols; k++)
        {
            for (int j = 0; j < channels; j++)
            {
                img_dst.at<Vec3b>(i, k)[j] = saturate_cast<uchar>(img_src.at<Vec3b>(i, k)[j] + 50);
            }
        }
    }

    double time2 = static_cast<double>(getTickCount());//獲取結束處理時間

    time1 = (time2 - time1) / getTickFrequency();//計算處理所用時間
    cout << "指針訪問像素時間(S)：" << time1 << endl;

        while (1)
        {
            imshow("原圖", img_src);//顯示圖像
            imshow("處理圖", img_dst);//顯示圖像
            c = waitKey(0);
            if (c == 27 || char(c) == 'q' || char(c) == 'Q')//按下Q鍵或者ESC鍵退出程序
                break;
        }
    return 0;
}

 

 

我們來看一下處理的結果吧：

 

實例

 

下面我們來看一個完整調用三種方式的例子，我們定義三個函數Mat image_bright1(Mat src);Mat image_bright2(Mat src);Mat image_bright3(Mat src);分別用來用三種方式處理圖片。

//************頭文件包含*************
#include "stdafx.h"
#include<iostream>
#include<opencv.hpp>//包含opencv的頭文件
//***********************************


//************命名空間***************
using namespace cv;//使用opencv命名空間
using namespace std;
//***********************************


//************全局變量***************

//***********************************


//************全局函數***************
Mat image_bright1(Mat src);//使用指針訪問像素

Mat image_bright2(Mat src);//使用迭代器訪問像素

Mat image_bright3(Mat src);//使用動態地址訪問像素
//***********************************


//************主函數*****************
int main()
{
    int c;
    Mat img_src = imread("1.jpg");
    Mat img_dst1, img_dst2, img_dst3;

    namedWindow("原圖",0);
    namedWindow("指針訪問像素",0);
    namedWindow("迭代器訪問像素",0);
    namedWindow("動態地址訪問像素",0);

    double time1 = static_cast<double>(getTickCount());
    img_dst1 = image_bright1(img_src);//使用指針訪問像素

    double time2 = static_cast<double>(getTickCount());
    img_dst2 = image_bright2(img_src);//使用迭代器訪問像素

    double time3 = static_cast<double>(getTickCount());
    img_dst3 = image_bright3(img_src);//使用動態地址訪問像素
    
    double time4 = static_cast<double>(getTickCount());

    time1 = (time2 - time1) / getTickFrequency();
    time2 = (time3 - time2) / getTickFrequency();
    time3 = (time4 - time3) / getTickFrequency();

    cout << "指針訪問像素時間(S)："<<time1<<endl;
    cout << "迭代器訪問像素時間(S)：" << time2 << endl;
    cout << "動態地址訪問像素時間(S)：" << time3 << endl;

    while (1)
    {
        imshow("原圖", img_src);//顯示圖像
        imshow("指針訪問像素", img_dst1);//顯示圖像
        imshow("迭代器訪問像素", img_dst2);//顯示圖像
        imshow("動態地址訪問像素", img_dst3);//顯示圖像

        c = waitKey(0);
        if (c == 27 || char(c) == 'q' || char(c) == 'Q')//按下Q鍵或者ESC鍵退出程序
            break;
    }

    return 0;
}


//使用指針訪問像素
Mat image_bright1(Mat src)
{
    Mat dst;
    int channels = src.channels();
    dst = src.clone();

    for (int i = 0; i < src.rows; i++)
    {
        uchar* p_data1 = src.ptr(i);
        uchar* p_data2 = dst.ptr(i);

        for (int k = 0; 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] + 50);//輸出圖像像素=原圖像像素+50
        }
    }
    return dst;
}


//使用迭代器訪問像素
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 = 0; i < 3; i++)
    {
    (*it2)[i] = saturate_cast<uchar>(2*(*it)[i]);//輸出圖像像素=2*原圖像像素
    }
    }
    return dst;
}


//使用動態地址訪問像素
Mat image_bright3(Mat src)
{
    Mat dst;
    int channels = src.channels();
    dst = src.clone();
    for (int i = 0; i < src.rows; i++)
    {
        for (int k = 0; k < src.cols; k++)
        {
            for (int j = 0; j < channels; j++)
            {
                dst.at<Vec3b>(i, k)[j] = saturate_cast<uchar>(2*src.at<Vec3b>(i, k)[j] + 50);//輸出圖像像素=2*原圖像像素+50
            }
        }
    }
    return dst;
}

 

 

結果：

從時間上我們可以看出來，使用指針的速度是最快的。

 

有些童鞋應該已經看出來了，在三種方法中我們將圖像像素的處理方法變了一下，得出的圖像也不一樣了。在三種方法中我們處理像素的計算方式分別為：

• 輸出圖像像素=原圖像像素+50；
• 輸出圖像像素=2*原圖像像素；
• 輸出圖像像素=2*原圖像像素+50；

其實這就是處理亮度與對比度的方法，從圖像上也能看出來。

總結一下：g(x)=k*f(x)+b;其中g(x)為輸出圖像，f(x)為輸入圖像；

• 調節k的值則可以改變圖像的對比度；
• 調節b的值則可以改變圖像的亮度；

 

 

下載

 

功能很簡單，代碼很少，建議自己寫一下或者在博文中復制一下，當然實在是懶的不要不要的土豪可以去下面的連接直接下載。

 

【opencv學習筆記七】訪問圖像中的像素與圖像亮度對比度調整