Opencv遍历像素和imadjust函数实现

本文介绍了使用Opencv进行像素遍历的三种高效方法,并对比了它们在处理4000*6000大小图像时的性能。通过直接访问、连续内存优化及lambda表达式,实现了快速图像处理。

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

Opencv遍历像素有四种方式

第一种

利用opencv中

    for (int i = 0; i < nrow; i++)
    {
        for (int j = 0; j < ncol; j++)
        {
            //qDebug() << "original pixel is" << source.at<uchar>(i, j);
            source.at<uchar>(i, j) = uchar(fn(source.at<uchar>(i, j), low_in, high_in, low_out, high_out));
            //qDebug() << "processed pixel is" << source.at<uchar>(i, j);
            
        }
    }

 

 

第二种

    for (int i = 0; i < nrow; i++)
    {
        uchar* data = source.ptr<uchar>(i);
        for (int j = 0; j < ncol; j++)
        {
            data[j] = uchar(fn(data[j], low_in, high_in, low_out, high_out));
        }
    }

 第三种

    if (source.isContinuous())
    {
        nc = nrow * ncol;
        uchar* inData = source.ptr<uchar>(0);
        for (int i = 0; i < nc; i++)
        {
            *inData = fn(*inData, low_in, high_in, low_out, high_out);
            inData++;
        }
    }

 

图像IMadjust利用lambda表达式

     auto fn = [](double x, double low_in, double high_in, double low_out, double high_out) {
        if (x < low_in)
            return low_out;
        if (x > high_in)
            return high_out;
        return (high_out - high_in) / (low_out - low_in)*(x - low_in) + high_in;
    };

整体测试结果对于4000*6000大小的图片,三种方法的用时分别为0.873s,0.203s,0.195s

 

% 读取原始图像 img = imread('1.bmp'); % 显示原始图像 figure; imshow(img); title('原始图片'); % 将图像转换为灰度图像 gray_img = rgb2gray(img); % 显示灰度图像 figure; imshow(gray_img); title('灰度化图片'); %% %显示原始直方图 figure; imhist(gray_img); title('原始直方图'); %各像素直方图 figure(2) subplot(1,3,1); imhist(img(:,:,1),100); title('Red灰度统计'); subplot(1,3,2); imhist(img(:,:,2),100); title('Green灰度统计');subplot(1,3,3); imhist(img(:,:,3),100); title('Blue灰度统计'); %% % 分段线性拉伸[^3] J = imadjust(img, [0.2 0.7], [0.2 0.9]); % 显示图像直方图对比 subplot(2,2,1), imshow(img), title('原图'); subplot(2,2,2), imshow(J), title('线性变换后'); subplot(2,2,3), imhist(img), title('原图直方图'); subplot(2,2,4), imhist(J), title('变换后直方图'); %% %对数变换示例 double_img = im2double(gray_img); % 核心变换公式 log_transformed = 2 * log(1 + double_img); % c=2 figure; subplot(1,2,1), imshow(gray_img), title('原图') subplot(1,2,2), imshow(log_transformed,[]), title('对数变换') %% %指数变换示例 gamma = 0.6; % 控制曲线形状 exp_transformed = 1.5 * (double_img .^ gamma); % c=1.5 figure; subplot(1,2,1), imshow(gray_img), title('原图') subplot(1,2,2), imshow(exp_transformed,[]), title('指数变换γ=0.6') %% % 均衡化 K = histeq(img); figure; subplot(2,2,1), imshow(img), title('原图'); subplot(2,2,2), imshow(K), title('均衡化后'); subplot(2,2,3), imhist(img), title('原图直方图'); subplot(2,2,4), imhist(K), title('均衡化直方图'); %% %读取要匹配的直方图的的图像 img1 = imread('2.bmp'); %计算要匹配的图像 hgram = imhist(img1); matched = histeq(img, hgram1); %显示图像及直方图 figure; subplot(2,3,1), imshow(img), title('目标图像'); subplot(2,3,2), imshow(img1), title('参考图像'); subplot(2,3,3), imshow(matched), title('匹配结果'); subplot(2,3,4), imhist(img), title('目标直方图'); subplot(2,3,5), imhist(img1), title('参考直方图'); subplot(2,3,6), imhist(matched), title('匹配直方图'); 尝试用C++语言实现上诉matlab中的代码
最新发布
03-18
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