遍历图像像素的14种方法

最新推荐文章于 2022-11-11 17:39:37 发布
原创 最新推荐文章于 2022-11-11 17:39:37 发布 · 2.8k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#遍历像素 


//--------------------------------------【程序说明】-------------------------------------------
//        程序描述：来自一本国外OpenCV2书籍的示例-遍历图像像素的14种方法

//---------------------------------【头文件、命名空间包含部分】-----------------------------
//        描述：包含程序所使用的头文件和命名空间
//-------------------------------------------------------------------------------------------------
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;
using namespace std;



//---------------------------------【宏定义部分】---------------------------------------------
//        描述：包含程序所使用宏定义
//-------------------------------------------------------------------------------------------------
#define NTESTS 14
#define NITERATIONS 20



//----------------------------------------- 【方法一】-------------------------------------------
//        说明：利用.ptr 和 []
//-------------------------------------------------------------------------------------------------
void colorReduce0(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); //每行元素的总元素数量
              
      for (int j=0; j<nl; j++)
      {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++)
          {
            //-------------开始处理每个像素-------------------
                 
                  data[i]= data[i]/div*div + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束                  
      }
}

//-----------------------------------【方法二】-------------------------------------------------
//        说明：利用 .ptr 和 * ++
//-------------------------------------------------------------------------------------------------
void colorReduce1(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); //每行元素的总元素数量
              
      for (int j=0; j<nl; j++)
      {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++)
          {
            //-------------开始处理每个像素-------------------
                 
                 *data++= *data/div*div + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束              
      }
}

//-----------------------------------------【方法三】-------------------------------------------
//        说明：利用.ptr 和 * ++ 以及模操作
//-------------------------------------------------------------------------------------------------
void colorReduce2(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); //每行元素的总元素数量
              
      for (int j=0; j<nl; j++)
      {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++)
          {
            //-------------开始处理每个像素-------------------
       
                  int v= *data;
                  *data++= v - v%div + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束                   
      }
}

//----------------------------------------【方法四】---------------------------------------------
//        说明：利用.ptr 和 * ++ 以及位操作
//----------------------------------------------------------------------------------------------------
void colorReduce3(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); //每行元素的总元素数量
      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 对于 div=16, mask= 0xF0
              
      for (int j=0; j<nl; j++) {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++) {
            //------------开始处理每个像素-------------------
                 
            *data++= *data&mask + div/2;
            //-------------结束像素处理------------------------
            }  //单行处理结束            
      }
}


//----------------------------------------【方法五】----------------------------------------------
//        说明：利用指针算术运算
//---------------------------------------------------------------------------------------------------
void colorReduce4(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); //每行元素的总元素数量
      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      int step= image.step; //有效宽度
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 对于 div=16, mask= 0xF0
              
      //获取指向图像缓冲区的指针
      uchar *data= image.data;

      for (int j=0; j<nl; j++)
      {

          for (int i=0; i<nc; i++)
          {
            //-------------开始处理每个像素-------------------
                 
            *(data+i)= *data&mask + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束              

            data+= step;  // next line
      }
}

//---------------------------------------【方法六】----------------------------------------------
//        说明：利用 .ptr 和 * ++以及位运算、image.cols * image.channels()
//-------------------------------------------------------------------------------------------------
void colorReduce5(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 例如div=16, mask= 0xF0
              
      for (int j=0; j<nl; j++)
      {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<image.cols * image.channels(); i++)
          {
            //-------------开始处理每个像素-------------------
                 
            *data++= *data&mask + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束            
      }
}

// -------------------------------------【方法七】----------------------------------------------
//        说明：利用.ptr 和 * ++ 以及位运算(continuous)
//-------------------------------------------------------------------------------------------------
void colorReduce6(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols * image.channels(); //每行元素的总元素数量

      if (image.isContinuous())  
      {
          //无填充像素
          nc= nc*nl;
          nl= 1;  // 为一维数列
       }

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 比如div=16, mask= 0xF0
              
      for (int j=0; j<nl; j++) {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++) {
            //-------------开始处理每个像素-------------------
                 
            *data++= *data&mask + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束                   
      }
}

//------------------------------------【方法八】------------------------------------------------
//        说明：利用 .ptr 和 * ++ 以及位运算 (continuous+channels)
//-------------------------------------------------------------------------------------------------
void colorReduce7(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols ; //列数

      if (image.isContinuous())  
      {
          //无填充像素
          nc= nc*nl;
          nl= 1;  // 为一维数组
       }

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 比如div=16, mask= 0xF0
              
      for (int j=0; j<nl; j++) {

          uchar* data= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++) {
            //-------------开始处理每个像素-------------------
                 
            *data++= *data&mask + div/2;
            *data++= *data&mask + div/2;
            *data++= *data&mask + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束                    
      }
}


// -----------------------------------【方法九】 ------------------------------------------------
//        说明：利用Mat_ iterator
//-------------------------------------------------------------------------------------------------
void colorReduce8(Mat &image, int div=64) {

      //获取迭代器
      Mat_<Vec3b>::iterator it= image.begin<Vec3b>();
      Mat_<Vec3b>::iterator itend= image.end<Vec3b>();

      for ( ; it!= itend; ++it) {
        
        //-------------开始处理每个像素-------------------

        (*it)[0]= (*it)[0]/div*div + div/2;
        (*it)[1]= (*it)[1]/div*div + div/2;
        (*it)[2]= (*it)[2]/div*div + div/2;

        //-------------结束像素处理------------------------
      }//单行处理结束  
}

//-------------------------------------【方法十】-----------------------------------------------
//        说明：利用Mat_ iterator以及位运算
//-------------------------------------------------------------------------------------------------
void colorReduce9(Mat &image, int div=64) {

      // div必须是2的幂
      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 比如 div=16, mask= 0xF0

      // 获取迭代器
      Mat_<Vec3b>::iterator it= image.begin<Vec3b>();
      Mat_<Vec3b>::iterator itend= image.end<Vec3b>();

      //扫描所有元素
      for ( ; it!= itend; ++it)
      {
        
        //-------------开始处理每个像素-------------------

        (*it)[0]= (*it)[0]&mask + div/2;
        (*it)[1]= (*it)[1]&mask + div/2;
        (*it)[2]= (*it)[2]&mask + div/2;

        //-------------结束像素处理------------------------
      }//单行处理结束  
}

//------------------------------------【方法十一】---------------------------------------------
//        说明：利用Mat Iterator_
//-------------------------------------------------------------------------------------------------
void colorReduce10(Mat &image, int div=64) {

      //获取迭代器
      Mat_<Vec3b> cimage= image;
      Mat_<Vec3b>::iterator it=cimage.begin();
      Mat_<Vec3b>::iterator itend=cimage.end();

      for ( ; it!= itend; it++) {
        
        //-------------开始处理每个像素-------------------

        (*it)[0]= (*it)[0]/div*div + div/2;
        (*it)[1]= (*it)[1]/div*div + div/2;
        (*it)[2]= (*it)[2]/div*div + div/2;

        //-------------结束像素处理------------------------
      }
}

//--------------------------------------【方法十二】--------------------------------------------
//        说明：利用动态地址计算配合at
//-------------------------------------------------------------------------------------------------
void colorReduce11(Mat &image, int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols; //列数
              
      for (int j=0; j<nl; j++)
      {
          for (int i=0; i<nc; i++)
          {
            //-------------开始处理每个像素-------------------
                 
                  image.at<Vec3b>(j,i)[0]=     image.at<Vec3b>(j,i)[0]/div*div + div/2;
                  image.at<Vec3b>(j,i)[1]=     image.at<Vec3b>(j,i)[1]/div*div + div/2;
                  image.at<Vec3b>(j,i)[2]=     image.at<Vec3b>(j,i)[2]/div*div + div/2;
            //-------------结束像素处理------------------------
            } //单行处理结束                 
      }
}

//----------------------------------【方法十三】-----------------------------------------------
//        说明：利用图像的输入与输出
//-------------------------------------------------------------------------------------------------
void colorReduce12(const Mat &image, //输入图像
                 Mat &result,      // 输出图像
                 int div=64) {

      int nl= image.rows; //行数
      int nc= image.cols ; //列数

      //准备好初始化后的Mat给输出图像
      result.create(image.rows,image.cols,image.type());

      //创建无像素填充的图像
      nc= nc*nl;
      nl= 1;  //单维数组

      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g.比如div=16, mask= 0xF0
              
      for (int j=0; j<nl; j++) {

          uchar* data= result.ptr<uchar>(j);
          const uchar* idata= image.ptr<uchar>(j);

          for (int i=0; i<nc; i++) {
            //-------------开始处理每个像素-------------------
                 
            *data++= (*idata++)&mask + div/2;
            *data++= (*idata++)&mask + div/2;
            *data++= (*idata++)&mask + div/2;
            //-------------结束像素处理------------------------
          } //单行处理结束                   
      }
}

//--------------------------------------【方法十四】-------------------------------------------
//        说明：利用操作符重载
//-------------------------------------------------------------------------------------------------
void colorReduce13(Mat &image, int div=64) {
    
      int n= static_cast<int>(log(static_cast<double>(div))/log(2.0));
      //掩码值
      uchar mask= 0xFF<<n; // e.g. 比如div=16, mask= 0xF0

      //进行色彩还原
      image=(image&Scalar(mask,mask,mask))+Scalar(div/2,div/2,div/2);
}




//-----------------------------------【main( )函数】--------------------------------------------
//        描述：控制台应用程序的入口函数，我们的程序从这里开始
//-------------------------------------------------------------------------------------------------
int main( )
{
    int64 t[NTESTS],tinit;
    Mat image0;
    Mat image1;
    Mat image2;

    system("color 4F");

    image0= imread("1.png");
    if (!image0.data)
        return 0;

    //时间值设为0
    for (int i=0; i<NTESTS; i++)
        t[i]= 0;


    // 多次重复测试
    int n=NITERATIONS;
    for (int k=0; k<n; k++)
    {
        cout << k << " of " << n << endl;

        image1= imread("1.png");
        //【方法一】利用.ptr 和 []
        tinit= getTickCount();
        colorReduce0(image1);
        t[0]+= getTickCount()-tinit;

        //【方法二】利用 .ptr 和 * ++
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce1(image1);
        t[1]+= getTickCount()-tinit;

        //【方法三】利用.ptr 和 * ++ 以及模操作
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce2(image1);
        t[2]+= getTickCount()-tinit;

        //【方法四】 利用.ptr 和 * ++ 以及位操作
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce3(image1);
        t[3]+= getTickCount()-tinit;

        //【方法五】 利用指针的算术运算
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce4(image1);
        t[4]+= getTickCount()-tinit;

        //【方法六】利用 .ptr 和 * ++以及位运算、image.cols * image.channels()
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce5(image1);
        t[5]+= getTickCount()-tinit;

        //【方法七】利用.ptr 和 * ++ 以及位运算(continuous)
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce6(image1);
        t[6]+= getTickCount()-tinit;

        //【方法八】利用 .ptr 和 * ++ 以及位运算 (continuous+channels)
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce7(image1);
        t[7]+= getTickCount()-tinit;

        //【方法九】 利用Mat_ iterator
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce8(image1);
        t[8]+= getTickCount()-tinit;

        //【方法十】 利用Mat_ iterator以及位运算
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce9(image1);
        t[9]+= getTickCount()-tinit;

        //【方法十一】利用Mat Iterator_
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce10(image1);
        t[10]+= getTickCount()-tinit;

        //【方法十二】 利用动态地址计算配合at
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce11(image1);
        t[11]+= getTickCount()-tinit;

        //【方法十三】 利用图像的输入与输出
        image1= imread("1.png");
        tinit= getTickCount();
        Mat result;
        colorReduce12(image1, result);
        t[12]+= getTickCount()-tinit;
        image2= result;
        
        //【方法十四】 利用操作符重载
        image1= imread("1.png");
        tinit= getTickCount();
        colorReduce13(image1);
        t[13]+= getTickCount()-tinit;

        //------------------------------
    }
     //输出图像   
    imshow("原始图像",image0);
    imshow("结果",image2);
    imshow("图像结果",image1);

    // 输出平均执行时间
    cout << endl << "-------------------------------------------" << endl << endl;
    cout << "\n【方法一】利用.ptr 和 []的方法所用时间为 " << 1000.*t[0]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法二】利用 .ptr 和 * ++ 的方法所用时间为" << 1000.*t[1]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法三】利用.ptr 和 * ++ 以及模操作的方法所用时间为" << 1000.*t[2]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法四】利用.ptr 和 * ++ 以及位操作的方法所用时间为" << 1000.*t[3]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法五】利用指针算术运算的方法所用时间为" << 1000.*t[4]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法六】利用 .ptr 和 * ++以及位运算、channels()的方法所用时间为" << 1000.*t[5]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法七】利用.ptr 和 * ++ 以及位运算(continuous)的方法所用时间为" << 1000.*t[6]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法八】利用 .ptr 和 * ++ 以及位运算 (continuous+channels)的方法所用时间为" << 1000.*t[7]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法九】利用Mat_ iterator 的方法所用时间为" << 1000.*t[8]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法十】利用Mat_ iterator以及位运算的方法所用时间为" << 1000.*t[9]/getTickFrequency()/n << "ms" << endl;
    cout << "\n【方法十一】利用Mat Iterator_的方法所用时间为" << 1000.*t[10]/getTickFrequency()/n << "ms" << endl;    
    cout << "\n【方法十二】利用动态地址计算配合at 的方法所用时间为" << 1000.*t[11]/getTickFrequency()/n << "ms" << endl;    
    cout << "\n【方法十三】利用图像的输入与输出的方法所用时间为" << 1000.*t[12]/getTickFrequency()/n << "ms" << endl;    
    cout << "\n【方法十四】利用操作符重载的方法所用时间为" << 1000.*t[13]/getTickFrequency()/n << "ms" << endl;    
    
    waitKey();
    return 0;
}
Opencv2系列学习笔记2(图像的遍历)
小村长技术blog
11-16 1万+
图像遍历主要有三种方法，本节主要介绍和比较这三种方法。 一：简单存取像素值        首先介绍一个名词—椒盐噪点：它是一种特殊的噪点，它随机的将图像中的部分像素设置为白色或者黑色。 Code： #include #include #include #include using namespace std; using namespace cv; void salt(Mat
opencv2-遍历图像像素的14种方法
never give up的博客
10-20 3254
opencv2-遍历图像像素的14种方法
遍历图像的方法
Asgard
12-05 844
//--------------------------------------【程序说明】------------------------------------------- // 程序说明：《OpenCV3编程入门》OpenCV2版书本配套示例程序24 // 程序描述：来自一本国外OpenCV2书籍的示例-遍历图像像素的14种方法 // 测试所用IDE版本：Visual Studio ...
图像遍历方法
Taiyang625的博客
11-11 1038
图像 遍历方式
从零开始学OpenCV（三）——图像像素的遍历
PittAndJolie的博客
08-06 1304
前言 提示：官方文档参见 image processing。 模块主要功能：本模块主要包含了图像滤波、几何变换 文章目录前言一、图像滤波（image Filtering）二、几何变换（Geometric image Transformations)三、绘图函数（Drawing function)四、颜色空间变换（Color Space Conversions)1.引入库2.读入数据总结 一、图像滤波（image Filtering） 主要功能：对二维图像的线性和非线性滤波操作。 二、几何变换（Geom
OpenCV遍历图像像素的14种方法（C++实现）.zip
04-12
以上14种方法展示了OpenCV在C++中遍历图像像素的灵活性和多样性。理解并熟练掌握这些技巧，能够帮助开发者更高效地处理图像数据，实现各种复杂的计算机视觉应用。在实际项目中，可以根据需求选择最合适的遍历方式，...
4遍历图像像素的14种方法.rar_VS 图像处理_opencv vs_opencv像素点_图像处理
09-14
本篇将详细讲解如何在VS+OpenCV环境中利用不同的方法遍历图像像素点，并进行图像处理。 1. **基础遍历** 最基础的遍历方式是通过二维循环实现，如`for`循环。遍历图像的每个像素，可以获取到像素的RGB值或其他通道...
F10#__Emgucv高效遍历图像像素的Demo.zip
08-28
总的来说，这个Demo展示了如何利用Emgucv在C#中高效地遍历图像像素，通过直接操作图像数据指针和可能的多线程优化，为开发者提供了一种快速处理大规模图像的解决方案。对于需要大量处理像素的应用，如图像分析、图像...
F10#----Emgucv高效遍历图像像素的两种方法
dafenqie的博客
08-28 3336
Emgucv以及Opencv封装了大量的API，但大多数图像处理算法内部都是从操作每个像素开始的。有时候在工程应用中，我们不得不遍历图像的每个像素来实现我们的算法。 举一个应用场景说明：一张图像的矩阵元素若存储的是3通道像素值，那么每个像素值的取值共有256*256*256种，用如此多的颜色来进行处理，会对我们的算法造成严重的影响，其实，我们只需要一部分像素值就可以...
图的两种遍历
01-16
void CreateGraph Graph graph 图的创建图 { ENode p q e; int i; cout<<"请输入连通无向图的顶点数和边数 例如 3 3： n"; scanf "%d %d" &graph >numberOfVerts &graph >numberOfEerts ; for i 1;i< graph >numberOfVerts;i++ { cout<<"请输入第"<<i<<"个顶点的信息： n"; cin>>graph >amlist [i] data; graph >amlist [i] number i; graph >amlist[i] firstedge NULL; graph >amlist [i] mark 0; } for i 1;i< graph >numberOfEerts;i++ { p ENode malloc sizeof ENode ; cout<<"请输入每条边的信息（编号小的在前 例如1 3回车1 2回车2 3） n"; cin>>p >ivex>>p >jvex; p >ilink p >jlink NULL; if graph >amlist [p >ivex ] firstedge NULL graph >amlist [p >ivex ] firstedge p; else { q graph >amlist [p >ivex ] firstedge ; while q NULL { e q; if q >ivex p >ivex q q >ilink ; else q q >jlink ; } if e >ivex p >ivex e >ilink p; else e >jlink p; } if graph >amlist [p >jvex ] firstedge NULL graph >amlist [p >jvex ] firstedge p; else { q graph >amlist [p >jvex ] firstedge ; while q NULL { e q; if q >ivex p >ivex q q >ilink ; else q q >jlink ; } if e >ivex p >ivex e >ilink p; else e >jlink p; } } } void SetMark Graph graph 设置访问标记 { int i; for i 1;i< graph >numberOfVerts ;i++ graph >amlist [i] mark 0; } void DFS Graph graph int v 深度遍历 { ENode p; cout<<v<<" "; graph >amlist [v] mark 1; p graph >amlist [v] firstedge ; while p NULL { if p >ivex v { if graph >amlist [p >jvex ] mark 0 { cout<<"<"<<p >ivex<<" "<<p >jvex<<">"<<endl; DFS graph p >jvex ; } p p >ilink ; } else { if graph >amlist [p >ivex] mark 0 { cout<<"<"<<p >jvex<<" "<<p >ivex<<">"<<endl; DFS graph p >ivex ; } p p >jlink ; } } }">void CreateGraph Graph graph 图的创建图 { ENode p q e; int i; cout<<"请输入连通无向图的顶点数和边数 例如 3 3： n"; scanf "%d %d" &graph >numberOfVerts &graph >numberOfEerts ; for i 1;i< graph >numberOfVerts;i++ { cou [更多]
OpenCV 2.4 遍历图像的方式实现图像卷积
10-24
通过遍历图像像素的方式实现卷积操作，可作为优化计算性能实验的基础，例如并行编程(多线程、多进程、OpenMP、OpenMPI或CUDA编程等)
图像的遍历
qq_20585527的博客
08-13 616
1、遍历图像的4种方式：at&lt;typename&gt;(i,j) 通过上面的例子我们可以看出，at方法取图像中的点的用法： image.at&lt;uchar&gt;(i,j)：取出灰度图像中i行j列的点。 image.at&lt;Vec3b&gt;(i,j)[k]：取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型，不要对Vec3b这种类型感觉害怕...
OpenCV遍历图像
m0_37737957的博客
03-23 3516
1、os.walk 函数原型 def walk(top, topdown=True, onerror=None, followlinks=False) #top -- 是你所要遍历的目录的地址, 返回的是一个三元组(root,dirs,files)。 # root 表示当前正在访问的文件夹路径 # dirs 表示该文件夹下的子目录名list(该文件夹下的文件夹) # files 表示该文件夹下的文件list #topdown --可选，为 True，则优先遍历 top 目录，否则优先遍历 to
遍历图片显示
tian_xin_ke的博客
04-07 1295
srcDir=uigetdir('C:\Documents and Settings\YY-01\My Documents\MATLAB\test'); %获得选择的文件夹 cd(srcDir); allnames=struct2cell(dir('*.jpg')); %只处理.jpg格式文件 [k,len]=size(allnames); %获得jpg文件的个数 for ii=1:len %逐次取
图的遍历
lu_long的博客
10-26 324
给出一个图G和其中任意一个顶点V0，从V0出发系统的访问G中所有的顶点，每个顶点访问一次，这叫图的遍历。 深度优先搜索（depth-first search）简称DFS 基本思想 访问一个顶点V，然后访问该顶点邻接到的未被访问过的顶点V’ 再从V’出发递归地按照深度优先的方式遍历； 当遇到一个所有邻接于它多的顶点都被访问过了的顶点U时，则回到已访问顶点序列中最后一个未被访问的相邻顶点的顶点W； ...
遍历图像的方法及速度
miss libra
08-20 1534
晒晒图像遍历速度对比
如何遍历网页内图片
king_xing的专栏
05-27 1743
     以前做邮件客户端时，收发Html邮件情况下需要将内嵌图片枚举，当时Google了一遍，没有找到可用的资料，都是些不全或错误代码。为了赶工，只有采用笨办法：通过查找网页源码的办法枚举内嵌图片。     后来，查了一阵MSDN啃了其中干巴巴的英文，并度了N次，找到了想要的方法。在窗体上放WebBrowser、Memo、按钮，下面是源码，如果有什么疑问请查阅MSDN。var  doc: IHt
遍历图片文件，返回目录集合
adarcy的博客
01-24 552
查询本地图片，按列表返回
OpenCV3图像处理：遍历像素的14种方法详解
压缩包子文件的文件名称列表中显示的“【24】遍历图像像素的14种方法”，意味着在该压缩包中包含了一个文档或文件集合，这些文件专注于介绍OpenCV3中遍历图像像素的14种不同的方法。这些方法可能包括基于基本的二维...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

量子象限

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值