IplImage的像素的访问.doc

l 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; yheight; y+ ) uchar* ptr = (uchar*) (img-imageData + y * img-widthStep); for( int x=0; xwidth; x+ ) ptr3*x+1 = 255; ptr3*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=%fn,s.val0);s.val0=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=%fn,s.val0,s.val1,s.val2);s.val0=111;s.val1=111;s.val2=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-imageData + i*img-widthStep)j*img-nChannels + 0=111; / B(uchar *)(img-imageData + i*img-widthStep)j*img-nChannels + 1=112; / G(uchar *)(img-imageData + i*img-widthStep)j*img-nChannels + 2=113; / R 对于多通道浮点型图像:IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3);(float *)(img-imageData + i*img-widthStep)j*img-nChannels + 0=111; / B(float *)(img-imageData + i*img-widthStep)j*img-nChannels + 1=112; / G(float *)(img-imageData + i*img-widthStep)j*img-nChannels + 2=113; / R （4） 基于指针的直接访问: (简单高效)对于单通道字节型图像:IplImage* img = cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);int height = img-height;int width = img-width;int step = img-widthStep/sizeof(uchar);uchar* data = (uchar *)img-imageData;datai*step+j = 111; 对于多通道字节型图像:IplImage* img = cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,3);int height = img-height;int width = img-width;int step = img-widthStep/sizeof(uchar);int channels = img-nChannels;uchar* data = (uchar *)img-imageData;datai*step+j*channels+k = 111; 对于多通道浮点型图像（假设图像数据采用4字节（32位）行对齐方式）:IplImage* img = cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3);int height = img-height;int width = img-width;int step = img-widthStep/sizeof(float);int channels = img-nChannels;float * data = (float *)img-imageData;datai*step+j*channels+k = 111; ROI和widthStep更多的信息ROI和widthStep有非常重要的实用价值，因为它允许代码只处理图象的一部分子区域，从而在很多场和加速计算机视觉的处理。OpenCV对ROI和widthSetp的支持是普遍的：每一个函数都充许把操作只限定在一个子区域。使用cvSetImageROI( )和cvResetImageROI( )可以开启或关闭ROI。void cvSetImageROI( IplImage* image, CvRect rect );void cvResetImageROI( IplImage* image );为了看ROI是怎么使用的，我们载入一张图片，然后变更图象的一部分。在显示之前用cvResetImageROI( )释放ROI是很重要的，否则只会忠实的显示ROI区域。#include#includeintmain() IplImage *src = cvLoadImage(poppy.jpg, 1);/载入图象 cvSetImageROI(src, cvRect(200, 100, 100, 100);/为图象设置ROI区域 cvAddS(src, cvScalar(100, 100, 100), src);/对图象做与运算 cvResetImageROI(src);/释放ROI区域 cvSaveImage(poppy1.jpg, src);/保存处理后的图象 cvNamedWindow(Roi_add);/创建一个窗口 cvShowImage(Roi_add, src);/在窗口上显示图象 cvWaitKey();/延时 return0;如果我们灵活的使用widthStep，也可以达到相同的效果。#include#includeintmain() IplImage *src = cvLoadImage(poppy.jpg, 1); /载入图象 CvRect interest_rect = cvRect(200, 100, 100, 100);/用CvRect结构设定一个感兴趣的区域 IplImage *sub_img = cvCreateImageHeader( cvSize(interest_rect.width, interest_rect.height), src-depth, src-nChannels );/创建一个和源图象属性相同的子图象 sub_img-origin = src-origin; /设定相同P的原点标准 sub_img-widthStep = src-widthStep;/设定子图象的widthStep，这是此技术中最精妙的一笔 sub_img-imageData = src-imageData + interest_rect.y * src-widthStep + interest_rect.x * src-nChannels;/设定子图象的数据区域 cvAddS(sub_img, cvScalar(100, 100, 100), sub_img);/对图象做与运算 cvReleaseImageHeader(&sub_img); /释放子图象头 cvSaveImage(poppy1.jpg, src);/保存处理后的图象 cvNamedWindow(Roi_add); /创建一个窗口 cvShowImage(Roi_add, src); /显示图象 cvWaitKey();/延时 return0;设定和重置ROI区域好像更方便，那么为什么还想要用widthStep耍花招呢。这样做的原因是有时候在图像处理过程中需要保持多