opencv访问图像中每个像素的值——完整代码

本文介绍使用OpenCV实现颜色量化的方法,通过三种不同技术途径:指针访问像素、迭代器操作像素及动态地址访问像素,来减少图像的颜色种类。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/core/core.hpp"
#include "iostream"

using namespace std;
using namespace cv;

void colorReduce1(Mat& inputImage, Mat& outputImage, int div);
void colorReduce2(Mat& inputImage, Mat& outputImage, int div);
void colorReduce3(Mat& inputImage, Mat& outputImage, int div);

int main()
{
Mat srcImage = imread("C:\\1.jpg");    //插入RGB图片
imshow("原始图像", srcImage);
Mat dstImage;
dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());
//colorReduce1(srcImage, dstImage, 32); //用指针访问像素
//colorReduce2(srcImage, dstImage, 32); //用迭代器操作像素
colorReduce3(srcImage, dstImage, 32);         //用动态地址访问像素
imshow("效果图", dstImage);
imwrite("C:\\1a.jpg", dstImage); //保存图像
waitKey(0);
return 0;
}

//方法一、用指针访问像素
void colorReduce1(Mat& inputImage, Mat& outputImage, int div)
{
outputImage = inputImage.clone(); //复制实参到临时变量 
int rowNumber = outputImage.rows; //行数 
int colNumber = outputImage.cols * outputImage.channels();//列数*通道数=每行元素的个数

//双重循环,遍历所有像素值
for (int i = 0; i < rowNumber; i++) { //行循环
uchar* data = outputImage.ptr<uchar>(i);    //ptr函数可以得到图像任意一行的地址。
for (int j = 0; j < colNumber; j++) {         //列循环
data[j] = data[j] / div*div + div / 2;         //开始处理每个像素 
}
}
}

//方法二、用迭代器操作像素
void colorReduce2(Mat& inputImage, Mat& outputImage, int div)    //引用传递方式,可以改变实参的值。
{
outputImage = inputImage.clone();    //复制实参到临时变量
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();    //初始位置的迭代器
Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();    //终止位置的迭代器

//存取彩色图像像素
for (; it != itend; ++it) {
//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;
}
}

//方法三、用动态地址访问像素
void colorReduce3(Mat& inputImage, Mat& outputImage, int div)
{
outputImage = inputImage.clone();            //图像复制  
int rowNumber = outputImage.rows;         //行数  
int colNumber = outputImage.cols;            //列数  

//双重循环,处理图像每一个像素  
for (int i = 0; i < rowNumber; i++)    //行循环  
{
for (int j = 0; j < colNumber; j++)    //列循环  
{
outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div*div + div / 2;    //[0]蓝色通道  
outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div*div + div / 2;    //[1]绿色通道  
outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div*div + div / 2;    //[2]红色通道  
/*outputImage.at<uchar>(i, j) = outputImage.at<uchar>(i, j)/ div*div + div / 2; */     //处理单通道方法 
}
}
}

### 使用PIL读取和输出图像每个像素 对于Python中的图像处理,PIL(即Pillow库)提供了一种简便的方式用于访问图像的各个像素。下面展示如何利用`Image.open()`函数加载一张图片,并通过循环遍历每一个像素位置来获取其RGB色彩数。 ```python from PIL import Image # 打开指定路径下的图像文件 im = Image.open("path_to_image") # 获得图像尺寸大小 width, height = im.size for h in range(height): for w in range(width): pixel_rgb = im.getpixel((w,h)) print(f"Pixel at ({w},{h}): {pixel_rgb}") ``` 此段代码会逐行扫描整张图,依次打印出坐标(x,y)处的颜色信息[^1]。 当涉及到大量数据时,上述方法效率较低;因此,在实际应用中通常建议采用NumPy数组形式加速批量操作: ```python import numpy as np from PIL import Image img = Image.open("path_to_image").convert('RGB') img_array = np.array(img) height,width,_= img_array.shape for h in range(height): for w in range(width): rgb=img_array[h][w] print(f"Pixel at ({w},{h}): R={rgb[0]}, G={rgb[1]}, B={rgb[2]}") ``` 这段改进后的脚本同样实现了相同的功能——提取并显示所有像素点的信息,但是性能上有所提升[^3]。 ### 使用OpenCV读取和输出图像每个像素 如果偏好于使用OpenCV来进行此类任务,则可按照如下方式编写程序: ```python import cv2 image=cv2.imread('path_to_image',cv2.IMREAD_COLOR) if image is None: raise ValueError("Could not read the provided file.") height=image.shape[0] width=image.shape[1] for y in range(0,height): for x in range(0,width): bgr_pixel=image[y,x] print(f"BGR Pixel at ({x},{y}): Blue={bgr_pixel[0]}, Green={bgr_pixel[1]}, Red={bgr_pixel[2]}") ``` 这里需要注意的是,默认情况下OpenCV是以BGR顺序而不是常见的RGB模式返回颜色分量。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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