【OpenCV + VS】OpenCV中的图像像素读写

在OpenCV中，图像是以Mat（矩阵）类型存储的。每个像素可以通过访问图像矩阵中的元素来进行读取和修改。理解如何读取和修改图像的像素是图像处理的基础。

一、图像像素的存储结构

单通道图像：每个像素用一个数值表示，通常是灰度值（例如0-255的值）。

多通道图像：例如BGR图像，每个像素由三个数值表示，分别代表蓝色、绿色和红色的强度。

OpenCV提供了多种方法来访问图像的像素值，我们将介绍几种常用的方法。

二、访问单通道图像像素

对于单通道图像（如灰度图像），每个像素的值直接表示亮度信息。访问像素时，Mat对象的每个元素可以通过at<T>(i, j)来访问，其中T是图像的数据类型（例如uchar）。

示例：读取和修改灰度图像的像素



// 访问单通道图像像素
//读取和修改灰度图像的像素
void rwGrayPic(Mat image = cv::imread("gray.jpg"))
{
    // 获取图像的大小
    int rows = image.rows;
    int cols = image.cols;
 
    std::cout << "图像尺寸：" << rows << "行（高），" << cols << "列（宽）" << std::endl;
    std::cout << "通道数：" << image.channels() << std::endl;
 
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);
    std::cout << "转换后通道数：" << gray.channels() << std::endl; // 若仍为3，则异常
 
    // 读取某个像素的值
    uchar pixel_value = gray.at<uchar>(100, 100);  // 读取(100, 100)位置的像素值
    std::cout << "Pixel value at (100, 100): " << (int)pixel_value << std::endl;
 
    // 修改某个像素的值
    gray.at<uchar>(100, 100) = 255;  // 设置(100, 100)位置的像素值为255（白色）
 
    //修改一堆像素的值
    for(int i=0;i<1000;i++) 
        for(int j=0;j<1000;j++)
            gray.at<uchar>(i, j) = 255;
 
    // 设定缩放比例（例如缩小到原来的50%）
    double scale = 0.1;
    Mat resized;
    resize(gray, resized, Size(), scale, scale); // 按比例缩放
 
    // 显示修改后的图像
    imshow("Modified Image", resized);
    waitKey(0);
}
 
 
int main()
{
   rwGrayPic();
 
    return 0;
}

读取：通过image.at<uchar>(i, j)获取位置(i, j)的像素值。

修改：通过image.at<uchar>(i, j) = value来修改某个像素的值。


Pixel value at (100, 100): 34

三、访问多通道图像像素

对于多通道图像（如BGR图像），每个像素包含多个通道，每个通道用一个值表示颜色分量。例如，BGR图像的每个像素有三个分量：蓝色、绿色和红色。

示例：读取和修改BGR图像的像素



void rwRGBPic(Mat image = cv::imread("恐非太.jpg"))
{
    //if (image.empty()) {
    //    std::cout << "Image not loaded!" << std::endl;
    //    return -1;
    //}
 
    // 获取图像的大小
    int rows = image.rows;
    int cols = image.cols;
 
    // 读取某个像素的BGR值
    Vec3b pixel_value = image.at<Vec3b>(100, 100);  // 读取(100, 100)位置的像素值
    std::cout << "BGR Pixel value at (100, 100): "
        << "B: " << (int)pixel_value[0] << " "
        << "G: " << (int)pixel_value[1] << " "
        << "R: " << (int)pixel_value[2] << std::endl;
 
    // 修改某个像素的BGR值
    image.at<Vec3b>(100, 100) = Vec3b(0, 255, 0);  // 设置(100, 100)位置的像素为绿色
 
    //修改一堆像素的值
    for (int i = 0; i < 1000; i++)
        for (int j = 0; j < 1000; j++)
            image.at<Vec3b>(i, j) = Vec3b(0, 255, 0);
 
    // 设定缩放比例（例如缩小到原来的50%）
    double scale = 0.1;
    Mat resized;
    resize(image, resized, Size(), scale, scale); // 按比例缩放
 
    // 显示修改后的图像
    imshow("Modified Image", resized);
    waitKey(0);
}
 
 
int main()
{
    rwRGBPic();
 
    return 0;
}

读取：通过image.at<Vec3b>(i, j)读取像素的BGR值，Vec3b是一个三通道的向量，表示BGR三个通道的值。你可以通过pixel_value[0]访问蓝色通道，pixel_value[1]访问绿色通道，pixel_value[2]访问红色通道。

修改：通过image.at<Vec3b>(i, j) = Vec3b(B, G, R)修改像素的BGR值。

四、通过指针直接访问像素

如果你需要更高效的访问（特别是处理大量图像像素时），可以使用指针直接访问Mat数据。指针访问更适合在处理大图像时减少时间消耗。

示例：使用指针遍历和修改图像像素



#include<opencv2/opencv.hpp>
#include <string.h>
using namespace cv;
const std::string picpath = "C:UsersZZMPictures豆绘AI_3711794.jpg";
 
int main() {
	// 读取彩色图像
	Mat image = imread(picpath);
 
	if (image.empty()) {
		std::cout << "Image not loaded!" << std::endl;
		return -1;
	}
 
	// 获取图像的行数和列数
	int rows = image.rows;
	int cols = image.cols;
 
	// 访问每个像素并修改
	for (int i = 0; i < rows; i++) {
		for (int j = 0; j < cols; j++) {
			// 使用指针访问像素值
			Vec3b& pixel = image.at<Vec3b>(i, j);  // 获取(i, j)位置的像素的引用
			pixel[0] = 0;  // 修改蓝色通道值
			pixel[1] = 0;  // 修改绿色通道值
			pixel[2] = 255;  // 修改红色通道值
		}
	}
 
	// 缩放比例（0.1 表示缩小到 10%）
	double scale = 0.1;
	int targetWidth = image.cols * scale;  // 新宽度 = 原宽度 × 比例
	int targetHeight = image.rows * scale; // 新高度 = 原高度 × 比例
 
	Mat resizedImage;
	resize(image, resizedImage, Size(targetWidth, targetHeight));
 
	// 显示修改后的图像
	imshow("Modified Image", resizedImage);
	waitKey(0);
 
	return 0;
}

通过Vec3b &pixel = image.at<Vec3b>(i, j)获取像素值的引用，这样就可以直接修改像素的各个通道的值。此方法比通过at()每次访问都拷贝数据更高效。

五、通过`data`指针访问像素

对于更高效的读取和写入，尤其是在操作较大图像时，可以使用Mat的data指针直接访问图像数据。

示例：使用`data`指针遍历和修改图像像素



#include <opencv2/opencv.hpp>
using namespace cv;
 
int main() {
    // 读取彩色图像
    Mat image = imread("image.jpg");
 
    if (image.empty()) {
        std::cout << "Image not loaded!" << std::endl;
        return -1;
    }
 
    // 获取图像的总字节数
    int channels = image.channels();  // 获取图像的通道数
    int rows = image.rows;
    int cols = image.cols;
    uchar* data = image.data;  // 获取图像的指针
 
    // 通过指针访问和修改像素
    for (int i = 0; i < rows; i++) {
        for (int j = 0; j < cols; j++) {
            int index = (i * cols + j) * channels;  // 计算像素的位置
            data[index] = 0;        // 修改蓝色通道
            data[index + 1] = 0;    // 修改绿色通道
            data[index + 2] = 255;  // 修改红色通道
        }
    }
 
    // 显示修改后的图像
    imshow("Modified Image", image);
    waitKey(0);
 
    return 0;
}

使用data指针：Mat对象的data指针指向图像数据的第一个字节，可以通过直接操作这个指针来访问图像的所有像素。对于每个像素，可以通过计算索引来直接修改图像。