测试代码：opencv\samples\cpp\tutorial_code\core\how_to_scan_images
测试函数耗时
cv::getTickCount() the number of clock cycle
cv::getTickFrequency() the number of cycles per seconds
double t = (double)getTickCount();
// 做点什么 ...
t = ((double)getTickCount() - t)/getTickFrequency();
cout << "Times passed in seconds: " << t << endl;
访问像素点
以颜色缩减为例，可通过查找表替换颜色从而缩减存储，查找表构建方法：
uchar table[256];
for (int i = 0; i < 256; ++i)
table[i] = divideWith* (i/divideWith);
有以下几种访问像素方法：
1. []运算符 加 查找表
int nRows = I.rows * I.channels();
int nCols = I.cols; 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]];
}
}
我们获取了每一行开始处的指针，然后遍历至该行末尾。如果矩阵是以连续方式存储的，我们只需请求一次指针、然后一路遍历下去就行。彩色图像的情况有必要加以注意：因为三个通道的原因，我们需要遍历的元素数目也是3倍。
2. 迭代器
const int channels = I.channels();
switch(channels)
{
case 1:
{
MatIterator_<uchar> it, end;
for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
*it = table[*it];
break;
}
case 3:
{
MatIterator_<Vec3b> it, end;
for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
{
(*it)[0] = table[(*it)[0]];
(*it)[1] = table[(*it)[1]];
(*it)[2] = table[(*it)[2]];
}
}
}
在cv::Mat_的子类中，下划线表示这是一个模板类。OpenCV将Mat设计为一个容器，可以这样声明迭代器：
cv::MatIterator_<cv::Vec3b> it;
cv::Mat_<cv::Vec3b>::iterator it;
// 之后就可以使用begin()和end()等方法了
cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
Mat_类型在使用begin和end方法时可以不加类型：
cv::Mat_<cv::Vec3b> cimage= image;
cv::Mat_<cv::Vec3b>::iterator it= cimage.begin();
cv::Mat_<cv::Vec3b>::iterator itend= cimage.end();
3. On-the-fly 动态计算地址：at()函数
const int channels = I.channels();
switch(channels)
{
case 1:
{
for( int i = 0; i < I.rows; ++i)
for( int j = 0; j < I.cols; ++j )
I.at<uchar>(i,j) = table[I.at<uchar>(i,j)];
break;
}
case 3:
{
Mat_<Vec3b> _I = I; for( int i = 0; i < I.rows; ++i)
for( int j = 0; j < I.cols; ++j )
{
_I(i,j)[0] = table[_I(i,j)[0]];
_I(i,j)[1] = table[_I(i,j)[1]];
_I(i,j)[2] = table[_I(i,j)[2]];
}
I = _I;
break;
}
}
注意：当且仅当在 debug 模式下 它会检查你的输入坐标是否有效或者超出范围。
cv::Mat_类型可以直接用operator()访问像素，省略.at()，少写两个字。
cv::Mat_<uchar> im2= image; // im2 refers to image
im2(50,100)= 0; // access to row 50 and column 100
4. 核心函数LUT（The core function）
Mat lookUpTable(1, 256, CV_8U);
uchar* p = lookUpTable.data;
for( int i = 0; i < 256; ++i)
p[i] = table[i];
LUT(I, lookUpTable, J);
对于一个给定的值，将其替换成其他的值是一个很常见的操作，OpenCV 提供里一个函数直接实现该操作，并不需要你自己扫描图像，就是:operationsOnArrays: ，一个包含于core module的函数。
性能表现
4. LUT > 1. Efficient way > 2. Iterator > 3. On-The-Fly random access
输入：600*450
输出：
Time of reducing with the C operator [] (averaged for 100 runs): 4.05264 milliseconds.
Time of reducing with the iterator (averaged for 100 runs): 137.583 milliseconds.
Time of reducing with the on-the-fly address generation - at function (averaged for 100 runs): 255.371 milliseconds.
Time of reducing with the LUT function (averaged for 100 runs): 3.51129 milliseconds.
结论: 尽量使用 OpenCV 内置函数. 调用LUT 函数可以获得最快的速度. 这是因为OpenCV库可以通过英特尔线程架构启用多线程.