IplImage的像素的访问.doc

IplImage的像素的访问 当处理图象数据时，通常需要快速高效。使用如cvSet*D或和它等效的函数会造成调用时的开销。我们应该尽可能使用直接存取图象内部数据的方法。有了IplImage内部结构的知识，我们现在可以理解最好的方法。 尽管通常OpenCV提供很多对图象的操作优化良好的例程，但是经常会有些任务是库里找不到包装好的例程的。下面我们考虑一个例子，我们想要把三通道HSV图象的饱合度调整为255（8位图象的最大值）而保持色调不变。要完成这个任务最好是我们自己处理图象的每个象素。这和我们前边对矩阵的操作相似，但在IplImage和CvMat之间也有一些主要的不同。例3-11演示了高效的方式。 例3-11，把HSV图象的S、V分量最大化： void saturate_sv( IplImage* img ) {??? for( int y=0; yimg-height; y++ ) {??????? uchar* ptr = (uchar*) (img-imageData + y * img-widthStep);??????? for( int x=0; ximg-width; x++ ) {??????????? ptr[3*x+1] = 255;??????????? ptr[3*x+2] = 255;??????? }??? }} 我们只是简单的直接计算相关行y最左边的象素的指针ptr（We simply compute the pointer ptr directly as the head of the relevant row y）。从那里为参考，我们引用第x列的饱合度数值。因为图象是三通道的，第c通道的地址为3*x+c。 在OpenCV中，一副HSV图象和RGB图象，除了对通道的翻译有所不同，其它是没有区别的。因此由一副HSV图象构建一副RGB图象实际所有的操作完全只在“数据”区域。在图象头中，没有任何成员用来表明数据通道的意义。 IplImage和CvMat相比一个重要的不同是imageData的行为。CvMat的数据元素是一个联合体，所以必须说明你想要的指针类型;imageData是一个byte型（uchar*）。我们已经知道被指向的数据不一定是uchar类型，这意味着当对指针作算术运算时，你可以简单的加上widthSetp（同样是以字节数为度量的）而不用担心实际的数据类型，直需在做完加法后，把你计算所得的指针转换成你想要的数据类型。总结：当对矩阵操作时，你必须对偏移量进行缩减，因为数据指针可能不是byte型；而当对图象操作时，你可以使用“看上去”那么多的偏移量，因为数据指针永远是byte型，因此在你准备使用它时，只需把整部分做类型转换。? 访问图象数据的补充资料 资料来源：OpenCV中文网站 （1） 假设你要访问第k通道、第i行、第j列的像素。 （2） 间接访问: (通用，但效率低，可访问任意格式的图像) 对于单通道字节型图像: IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);CvScalar s;s=cvGet2D(img,i,j);// get the (i,j) pixel valueprintf(intensity=%f\n,s.val[0]);s.val[0]=111;cvSet2D(img,i,j,s);// set the (i,j) pixel value? 对于多通道字节型/浮点型图像: IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3);CvScalar s;s=cvGet2D(img,i,j);// get the (i,j) pixel valueprintf(B=%f, G=%f, R=%f\n,s.val[0],s.val[1],s.val[2]);s.val[0]=111;s.val[1]=111;s.val[2]=111;cvSet2D(img,i,j,s);// set the (i,j) pixel value? （3） 直接访问: (效率高，但容易出错) 对于单通道字节型图像: IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);((uchar *)(img-imageData + i*img-widthStep))[j]=111;? 对于多通道字节型图像: IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,3);((uchar *)(img-im