我如何能够使用 opencv 循环浏览图像，就好像它是一个二维数组一样来获取每个像素的 rgb 值？此外，对于此操作，mat 是否比 iplimage 更可取？
【问题讨论】：
cv::Mat 优于 IplImage，因为它简化了您的代码
cv::Mat img = cv::imread("lenna.png");
for(int i=0; i<img.rows; i++)
for(int j=0; j<img.cols; j++)
// You can now access the pixel value with cv::Vec3b
std::cout << img.at<cv::Vec3b>(i,j)[0] << " " << img.at<cv::Vec3b>(i,j)[1] << " " << img.at<cv::Vec3b>(i,j)[2] << std::endl;
这假设您需要一起使用 RGB 值。如果不这样做，您可以使用 cv::split 分别获取每个通道。有关示例链接，请参见 etarion 的答案。
另外，在我的情况下，您只需要灰度图像。然后，您可以加载灰度图像并将其作为 uchar 数组访问。
cv::Mat img = cv::imread("lenna.png",0);
for(int i=0; i<img.rows; i++)
for(int j=0; j<img.cols; j++)
std::cout << img.at<uchar>(i,j) << std::endl;
更新：使用 split 获取 3 个频道
cv::Mat img = cv::imread("lenna.png");
std::vector<cv::Mat> three_channels = cv::split(img);
// Now I can access each channel separately
for(int i=0; i<img.rows; i++)
for(int j=0; j<img.cols; j++)
std::cout << three_channels[0].at<uchar>(i,j) << " " << three_channels[1].at<uchar>(i,j) << " " << three_channels[2].at<uchar>(i,j) << std::endl;
// Similarly for the other two channels
更新：感谢 entarion 发现我在从 cv::Vec3b 示例复制和粘贴时引入的错误。
【讨论】：
img.at<uchar>(i,j)[0] - 这是行不通的 :) [0] 必须离开
自 OpenCV 3.0 起，在 cv::Mat 的所有像素上都有官方和最快的方法来运行函数。
void cv::Mat::forEach (const Functor& operation)
如果你使用这个功能，操作会自动在多核上运行。
披露：我是此功能的贡献者。
【讨论】：
如果你使用C++，使用opencv的C++接口，然后你可以通过http://docs.opencv.org/2.4/doc/tutorials/core/how_to_scan_images/how_to_scan_images.html#the-efficient-way或者使用cv::Mat::at()来访问成员。
【讨论】：
从 OpenCV 3.3 (see changelog) 开始，也可以使用 C++11 样式的循环：
// Example 1
Mat_<Vec3b> img = imread("lena.jpg");
for( auto& pixel: img ) {
pixel[0] = gamma_lut[pixel[0]];
pixel[1] = gamma_lut[pixel[1]];
pixel[2] = gamma_lut[pixel[2]];
}
// Example 2
Mat_<float> img2 = imread("float_image.exr", cv::IMREAD_UNCHANGED);
for(auto& p : img2) p *= 2;
【讨论】：
这是一个老问题，但由于 opencv 正在积极开发中，因此需要更新。最近，OpenCV 引入了符合 c++11 lambda 函数的 parallel_for_。这是一个例子
parallel_for_(Range(0 , img.rows * img.cols), [&](const Range& range){
for(int r = range.start; r<range.end; r++ )
{
int i = r / img.cols;
int j = r % img.cols;
img.ptr<uchar>(i)[j] = doSomethingWithPixel(img.at<uchar>(i,j));
}
});
值得一提的是，这种方法使用了现代计算机架构中的 CPU 内核。
【讨论】：
文档展示了迭代 Mat 图像here 的不同方法的书面比较。
最快的方法是使用 C 风格的指针。以下是从文档中复制的代码：
Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
// accept only char type matrices
CV_Assert(I.depth() != sizeof(uchar));
int channels = I.channels();
int nRows = I.rows;
int nCols = I.cols * channels;
if (I.isContinuous())
{
nCols *= nRows;
nRows = 1;
}
int i,j;
uchar* p;
for( i = 0; i < nRows; ++i)
{
p = I.ptr<uchar>(i);
for ( j = 0; j < nCols; ++j)
{
p[j] = table[p[j]];
}
}
return I;
}
使用 at 访问元素非常慢。
请注意，如果您的操作可以使用查找表执行，则内置函数 LUT 是迄今为止最快的（也在文档中描述）。
【讨论】：
如果你想一一修改RGB像素，下面的例子会有所帮助！
void LoopPixels(cv::Mat &img) {
// Accept only char type matrices
CV_Assert(img.depth() == CV_8U);
// Get the channel count (3 = rgb, 4 = rgba, etc.)
const int channels = img.channels();
switch (channels) {
case 1:
{
// Single colour
cv::MatIterator_<uchar> it, end;
for (it = img.begin<uchar>(), end = img.end<uchar>(); it != end; ++it)
*it = 255;
break;
}
case 3:
{
// RGB Color
cv::MatIterator_<cv::Vec3b> it, end;
for (it = img.begin<cv::Vec3b>(), end = img.end<cv::Vec3b>(); it != end; ++it) {
uchar &r = (*it)[2];
uchar &g = (*it)[1];
uchar &b = (*it)[0];
// Modify r, g, b values
// E.g. r = 255; g = 0; b = 0;
}
break;
}
}
}
【讨论】：