遍历图像在OpenCV中经常用到，高效的方法是使用Pointer，需要考虑图像size，避免出错：
Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
CV_Assert(I.depth() == CV_8U); // 断言是否8bit uchar
const int channels = I.channels();
int rows = I.rows;
int cols = I.cols * channels;
if (I.isContinuous())
{
cols *= rows; // 连续存储则将列数设为row*col，行数row设为1
rows = 1;
}
// 遍历图像，修改
uchar *p;
for (int i = 0; i < rows; ++i)
{
p = I.ptr<uchar>(i);
for (int j = 0; j < cols; ++j)
// lookup table；读取则直接 X = p[j]
//也可以用I.at<uchar>(row, col)来读取指定元素(效率低)
p[j] = table[p[j]];
}
return I;
}
还可以使用 Iterator的方式进行迭代，可以不用考虑图像的size，会自动处理：
Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
CV_Assert(I.depth() == CV_8U);
const int channels = I.channels();
switch (channels)
{
case 1: // 单通道 gray
{
MatIterator_<uchar> it, end;
for (it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
*it = table[*it];
break;
}
case 3: // 3通道 RGB，使用 Vec3b
{
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]];
}
}
default:
break;
}
return I;
}
除了上述两种方法还有一种随机访问，使用I.at<type>(row, col)，但这种方法效率低，除非需要访问特定元素，遍历一般不考虑这种。使用指针的方式是最高效的，但是需要注意图像的size，避免越界；而迭代器则方便点，不需要考虑size问题，但是效率稍低。
