OpenCV(三) Mat像素操作

最新推荐文章于 2025-06-04 00:46:46 发布

原创

最新推荐文章于 2025-06-04 00:46:46 发布 · 5.5k 阅读

10 ·

CC 4.0 BY-SA版权

像素读写

Mat作为图像容器，其数据部分存储了图像的像素数据，我们可以通过相关的API来获取图像的数据部分。在获取图像数据的时候，知道Mat的类型与通道数目至关重要，根据Mat的类型与通道数目，开辟适当大小的内存空间，然后通过get方法就可以循环实现每个像素点值的读取、修改，然后再通过put方法修改与Mat对应的数据部分即可

常见的Mat的像素读写get与put方法支持如下表。表中是当前OpenCV支持读取图像的方法、将像素值写入到Mat对象中使用与每个get方法相对于的put方法即可。根据开辟的缓存区域data数据的大小，读写像素即可以每次从Mat中读取一个像素点数据。或者可以每次从Mat中读取一行像素数据，还可以一次从Mat中读取所有全部数据。

方法	支持类型
double[] get(int row,int col)	以下全部
int get(int row,int col,double[] data)	CV_64FC1~CV_64FC4
int get(int row,int col,float[] data)	CV_32FC1~CV_32FC4
int get(int row,int col,int[] data)	CV_32SC1~CV_32SC4
int get(int row,int col,short[] data)	CV_16SC1~CV_16SC1
int get(int row,int col,byte[] data)	CV8UC1~CV_8UC1

从Mat 中读取一个像素点数据

 byte[] bytes =new byte[channels];
        int b,g,r;
        for (int i = 0; i <rows ; i++) {
            for (int j = 0; j < cols; j++) {
                mRgba.get(rows,cols,bytes);
                b=bytes[0]&0xff;
                g= bytes[1]&0xff;
                r =bytes[2]&0xff;

                b = 255-b;
                g = 255-g;
                r = 255-r;

                bytes[0]= (byte) b;
                bytes[1]= (byte) g;
                bytes[2]= (byte) r;
                mRgba.put(rows,cols,bytes);
            }
        }
    
	//频繁访问JNI而效率低下，但是内存需求小

从Mat中每次读取一行像素数据

byte[] data = new byte[channels*width];
int pv;
for(int i=0;i<height;i++){
     
     
    src.get(i,0,data);
    for(int j=0;col<data.length;j++){
     
     
        pv = data[j]&0xff;
        pv  = 255-pv;
        data[j]=(byte)pv;
    }
    src.put(i,0,data)
}
//相比第一种方式有所提高，但是内存增加

从Mat中一次读取全部数据,完整数据长度T=图像宽 * 图像高 * 通道数

 byte[] data = new byte[width*height*channels];
        int pv;
        mRgba.get(0,0,data);
        for (int i = 0; i <data.length ; i++) {
     
     
            pv = data[i]&0xFF;
            data[i]=(byte) (250-pv);
        }
        mRgba.put(0,0,data);
//调用jni次数少，效率也高，但是对于高分辨图像容易OOM

图像通道与均值方差计算

图像中通道数目的多少可以通过Mat对象channels()进行查询获取。对于多通道图像，Mat提供Api方法可以把它分为多个单通道图像；同样对于多个单通道的数据也可以组合成一个多通道的图像。此外，OpenCV还提供了计算机图像每个通道像素值与标准方差的API方法，通过它们可以计算得到图像的像素平均值与方差，根据平均值可以实现基于平均值的二值图像分割，根据标准方差可以找到空白图像或者无效图像。

图像通道分离与合并

图像通道数通过Mat的channels()获取，如果通道数目大于1，那么久调用split方法就可以实现通道分离，通过merge方法就可以实现通道合并。

split(Mat m,List<Mat> mv)//通道分离
//m:表示输入多通道图像
//mv:表示分离之后多个单通道图像，mv的长度与m的通道数目一致。
    
merge(List<Mat>mv,Mat dst)//通道合并
//mv:表示多个待合并的单通道图像
//dst:表示合并之后生成的多通道图像    
    
//上面两个方法都来自Core模块，Core模块只要包含一些Mat操作与基础矩阵数学功能。