cv::Mat中，
cols代表图像的宽度（图像的列数），
rows代表图像的高度（图像的行数），
step代表以字节为单位的图像的有效宽度，
elemSize返回像素的大小，
channels（）方法返回图像的通道数，
total函数返回图像的像素数。
像素的大小 = 颜色大小（字节）*通道数，
比如：
三通道short型矩阵（CV_16SC3）的大小为2*3 = 6，
三通道Byte型矩阵（CV_8UC3）的大小为1*3= 3，像素的channels方法返回图像的通道数，total函数返回图像的像素数。
RGB图像的颜色数目是256*256*256，本文对图像进行量化，缩减颜色数目到256的1/8（即32*32*32）为目标，分别利用一下几种方法实现，比较几种方法的安全和效率。
彩色的耳机：使用Mat的成员函数ptr<>()
cv::Mat中提供ptr函数访问任意一行像素的首地址，特别方便图像的一行一行的横向访问，如果需要一列一列的纵向访问图像，就稍微麻烦一点。但是ptr访问效率比较高，程序也比较安全，有越界判断。
[cpp] view plain copy int nl = image.rows; //行数 int nc = image.cols * image.channels(); for (int j = 0; j<nl; j++) { uchar* data = image.ptr<uchar>(j); for (int i = 0; i<nc; i++) { data[i] = data[i] / div*div + div / 2; } }
活力的中心：使用迭代器遍历图像
cv::Mat同样有标准模板库（STL），可以使用迭代器访问数据。
用迭代器来遍历图像像素，可简化过程降低出错的机会，比较安全，不过效率较低；如果想避免修改输入图像实例cv::Mat，可采用const_iterator。iterator有两种调用方法，cv::MatIterator_<cv::Vec3b>it;cv::Mat_<cv::Vec3b>::iterator it;中间cv::Vec3b是因为图像是彩色图像，3通道，cv::Vec3b可以代表一个像素。
[cpp] view plain copy cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>(); cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>(); for (; it != itend; ++it) { (*it)[0] = (*it)[0] / div*div + div / 2; (*it)[1] = (*it)[1] / div*div + div / 2; (*it)[2] = (*it)[2] / div*div + div / 2; }
方法三：使用Mat的成员函数at<>()
cv::Mat也是向量，可以使at方法取值，使用调用方法image.at<cv::Vec3b>(j,i)，at方法方便，直接给i，j赋值就可以随意访问图像中任何一个像素，其中j表示第j行，i表示该行第i个像素。但是at方法效率是这3中访问方法中最慢的一个，所以如果遍历图像或者访问像素比较多时，建议不要使用这个方法，毕竟程序的效率还是比程序的可读性要重要的。下面是完整的调用方法，其运行时间在下面会介绍。
[cpp] view plain copy for (int j = 0; j< image.rows; j++) { for (int i = 0; i< image.cols; i++) { image.at<cv::Vec3b>(j, i)[0] = image.at<cv::Vec3b>(j, i)[0] / div*div + div / 2; image.at<cv::Vec3b>(j, i)[1] = image.at<cv::Vec3b>(j, i)[1] / div*div + div / 2; image.at<cv::Vec3b>(j, i)[2] = image.at<cv::Vec3b>(j, i)[2] / div*div + div / 2; } // end of line }这里涉及到一个问题at()里面的数据类型应该填什么呢？
首先，应该确定原来的mat的数据类型，这个可以参考我的这篇博客里的方法点击打开链接，然后知道了Mat的数据类型还不行，参考opencv官网（链接在这里点击打开链接）的介绍，找到at（）函数，如下图
注意红色框框里的所说，指的是at()括号里的数据类型不能随即写，要按照下面的对应关系，比如如果是CV_32F就用float来代替。（我在写程序的时候就没注意，用了CV_32用了double，编译没错，但是运行却没有得到想要的结果，估计就是数据类型指定错误）
注意：使用at函数时，应该知道矩阵元素的类型和通道数，根据矩阵元素类型和通道数来确定at函数传递的类型,使用的是Vec3b这个元素类型，他是一个包含3个unsigned char类型向量。之所以采用这个类型来接受at的返回值，是因为，我们的矩阵im是3通道，类型为unsigned char类型
完整实例：
[cpp] view plain copy #include <iostream> #include < opencv.hpp> using namespace cv; using namespace std; int main() { //新建一个uchar类型的3通道矩阵 Mat img(5, 3, CV_8UC3, Scalar(50,50,50)); cout << img.rows << endl; //5 cout << img.cols << endl; //3 cout << img.channels() << endl; //3 cout << img.depth() << endl; //CV_8U 0 cout << img.dims << endl; //2 cout << img.elemSize() << endl; //1 * 3,一个位置，三个通道的CV_8U cout << img.elemSize1() << endl; //1 cout << img.size[0] << endl; //5 cout << img.size[1] << endl; //3 cout << img.step[0] << endl; //3 * ( 1 * 3 ) cout << img.step[1] << endl; //1 * 3 cout << img.step1(0) << endl; //3 * 3 cout << img.step1(1) << endl; //3 cout << img.total() << endl; //3*5 //-------------------------------------- 地址运算 --------------------------------// for (int row = 0; row < img.rows; row++) { for (int col = 0; col < img.cols; col++) { //[row, col]像素的第 1 通道地址被 * 解析(blue通道) *(img.data + img.step[0] * row + img.step[1] * col) += 15; //[row, col]像素的第 2 通道地址被 * 解析(green通道) *(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1()) += 15; //[row, col]像素的第 3 通道地址被 * 解析(red通道) *(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1() * 2) += 15; } } cout << img << endl; //-------------------------------------- Mat的成员函数at<>( ) --------------------------------// for (int row = 0; row < img.rows; row++) { for (int col = 0; col < img.cols; col++) { img.at<Vec3b>(row, col) = Vec3b(0, 0, 0); } } cout << img << endl; //-------------------------------------- 使用Mat的成员函数ptr<>() --------------------------------// for (int row = 0; row < img.rows; row++) { // data 是 uchar* 类型的, m.ptr(row) 返回第 row 行数据的首地址 // 需要注意的是该行数据是按顺序存放的,也就是对于一个 3 通道的 Mat, 一个像素3个通道值, [B,G,R][B,G,R][B,G,R]... // 所以一行长度为:sizeof(uchar) * m.cols * m.channels() 个字节 uchar* data = img.ptr(row); for (int col = 0; col < img.cols; col++) { data[col * 3] = 50; //第row行的第col个像素点的第一个通道值 Blue data[col * 3 + 1] = 50; // Green data[col * 3 + 2] = 50; // Red } } cout << img << endl; Vec3b *pix(NULL); for (int r = 0; r < img.rows; r++) { pix = img.ptr<Vec3b>(r); for (int c = 0; c < img.cols; c++) { pix[c] = pix[c] * 2; } } cout << img << endl; //-------------------------------------- 使用Mat的成员函数ptr<>() --------------------------------// MatIterator_<Vec3b> it_im, itEnd_im; it_im = img.begin<Vec3b>(); itEnd_im = img.end<Vec3b>(); for(; it_im != itEnd_im; it_im++) { *it_im = (*it_im) * 2; } cout << img << endl; cvWaitKey(); return 0; }