前几天在一个技术讨论群里看到有位同学贴了些代码问问题，看了一下代码，虽然没搞明白他的程序问题出在哪，但觉得他的程序在图像遍历时效率较低。在使用OpenCV遍历图像时有好几种方式，这里将自己经常用的遍历方式（指针方式）与那位同学的遍历方式（at方法遍历）做下简单对比，希望能对正在学习OpenCV的同学有帮助。下面的实例代码实际上实现了一个小功能，即图像的反色，反色原理很简单，在一个rgb色彩空间中，可将任何一种颜色看成笛卡尔坐标中的一个点，对于任意点，反色就是计算以（128，
128，128）为中心时该点的对称点，比如rgb(100, 150, 200)对应的反色就是rgb(155, 105, 55)。
（1）at方法遍历。该方法用起来非常简单、省事，对于待遍历的第i行、第j列像素，只需将（i，j）这个像素点空间位置坐标传给at方法即可。用法如下：
int row = img.rows;
int step = img.step;
for (int i = 0; i < row; i++)
{
for (int j = 0; j < step; j++)
{
img.at<uchar>(i, j) = 255 - img.at<uchar>(i, j);
}
}
或者：
int row = img.rows;
int col = img.cols;
for (int i = 0; i < row; i++)
{
for (int j = 0; j < col; j++)
{
img.at<Vec3b>(i, j)[0] = 255 - img.at<Vec3b>(i, j)[0];
img.at<Vec3b>(i, j)[1] = 255 - img.at<Vec3b>(i, j)[1];
img.at<Vec3b>(i, j)[2] = 255 - img.at<Vec3b>(i, j)[2];
}
}
（2）指针方式遍历。由于图像是按照行和列顺序存储的，所以该方法遍历图像时需要先获取图像每一行的首地址，然后从该行首地址向后遍历至行末尾。用法如下：
int row = img.rows;
int step = img.step;
uchar * pImg = img.data;
for (int i = 0; i < row; i++)
{
for (int j = 0; j < step; j++)
{
pImg[j] = 255 - pImg[j];
}
pImg += img.step;
}
或者：
int row = img.rows;
int step = img.step;
uchar * pImg = NULL;
for ( int i = 0; i < row; i++)
{
pImg = img.ptr< uchar>(i);
for ( int j = 0; j < step; j++)
{
pImg[ j] = 255 - pImg[j];
}
}
我的测试图像分辨率为：4288 * 2848，对于上述代码，debug模式下，使用at方法用时约9700毫秒，使用指针方式用时约140毫秒；release模式下，at方法用时约63毫秒，指针方式用时约30毫秒。可见使用at方法遍历图像时效率很低，比较耗时，推荐使用指针方式。
另外由于像素灰度值范围为0至255，对于某些复杂计算，计算结果难免会超出灰度值范围，这时需要做下数据饱和判断，即结果为负，则取0，结果超出255，则取255。在做饱和判断时可以使用OpenCV提供的saturate_cast函数，对于上述程序，用法为：
pImg[j] = saturate_cast<uchar>(255 - pImg[j]);
不过此时程序用时让人大跌眼镜，release模式下，at方法用时约100毫秒，指针方式用时约62毫秒。即加了饱和判断后，用时增加了近一倍。所以，非必须情况下要慎用这样类似函数。下面是反色的效果图。