1 像素与颜色空间

存储像素值需要指定颜色空间和数据类型，其中颜色空间是指一个给定的颜色，如何组合颜色元素，及各元素如何编码。最简单的颜色空间时灰度空间，只处理黑色和白色，对它们进行编码组合，便可以产生不同程度的灰色。
在这里插入图片描述
对于彩色，则有多种不同类型的颜色空间，但不论哪种类型都是把颜色分成三个或四个基本元素，通过组合基本元素来表示和构成颜色空间。

例如 RGB 颜色空间就是最常用的一种颜色空间，它的基本元素是——红色，绿色，蓝色，alpha。

HSV 和 HLS 把颜色分解成色调、饱和度和亮度/明度。这种方式，更符合人类的视觉认知，比如调整图片的亮度，只需要操作 ‘亮度’ 元素的值就可以了，但是 RGB 方式，就需要三个元素一起调整。

CIE Lab 是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。

每个组成元素都有其自己的定义域，在定义域取决于其数据类型，如何存储一个元素决定了我们在其定义域上能够控制的精度。最小的数据类型是 char，占一个字节或者 8 位，可以是有符号或无符号，共 256 个值。使用 float 或 double 则能给出更加精细的颜色分辨能力。但是，增加像素元素的尺寸也会增加图像所占的内存空间。

在这里插入图片描述

2 图像在内存之中的存储方式

图像数据在内存中是以矩阵的形式存在，而矩阵的大小取决于所用的颜色空间模型和通道数。

对于多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。

单通道：

Mat mat = Mat.eye(new Size(3,4), CV_8UC1);
System.out.println(mat.dump());

在这里插入图片描述
双通道：

Mat mat = Mat.eye(new Size(3,4), CV_8UC2);
System.out.println(mat.dump());

在这里插入图片描述
三通道

Mat mat = Mat.eye(new Size(3,4), CV_8UC2);
System.out.println(mat.dump());

在这里插入图片描述

3 通过 Mat.ptr() 方法遍历像素

org.bytedeco.opencv.opencv_core.Mat

@Test
    public void test() {
        Mat mat = new Mat(new Size(3,3), CV_8UC3, new Scalar(5,4,3,0));

        System.out.println("rows = " + mat.rows());
        System.out.println("cols = " + mat.cols());
        System.out.println("channels = " + mat.channels());
        System.out.println("total = " + mat.total());
        for (int i = 0; i < mat.rows(); i++) {
            for (int j = 0; j < mat.cols(); j++) {
                byte[] values = new byte[mat.channels()];
                mat.ptr(i,j).get(values);
                System.out.println(Arrays.toString(values));
            }
            System.out.println();
        }
    }

输出：
在这里插入图片描述

org.opencv.core.Mat

    @Test
    public void test() {
        Mat mat = new Mat(new Size(3,3), CV_8UC3, new Scalar(5,4,3,0));

        System.out.println("rows = " + mat.rows());
        System.out.println("cols = " + mat.cols());
        System.out.println("channels = " + mat.channels());
        System.out.println("total = " + mat.total());
        for (int i = 0; i < mat.rows(); i++) {
            for (int j = 0; j < mat.cols(); j++) {
                double[] values = mat.get(i,j);
                System.out.print(Arrays.toString(values) + " ");
            }
            System.out.println();
        }
    }

输出：
在这里插入图片描述

4 LUT : 查找表映射

LUT 即 look up table 操作，OpenCV 官方文档推荐使用该方法进行像素操作，它用于批量进行图像元素查找、扫描、和操作。

函数原型：

/** 执行数组的查找表转换

@param src 包含 8 位元素的输入数组。
@param lut 256个元素的查找表；如果是多通道输入阵列，该表要么只有一个通道（在这种情况下，所有通道使用相同的映射），要么具有与输入数组相同的通道数。 
@param dst 输出阵列，大小和通道数与 src 相同，深度与 lut 相同。
*/
@Namespace("cv") public static native void LUT(@ByVal Mat src, @ByVal Mat lut, @ByVal Mat dst);

函数 LUT 用查找表中的值对输入元素值映射，并填充输出数组。条目的索引取自输入数组。也就是说，该函数按如下方式处理src的每个元素：
在这里插入图片描述
其中：

当 src 元素类型为 CV_8U 时，d = 0；
当 src 元素类型为 CV_8S 时，d = 128；

下面通过示例来说明 LUT 的映射过程：
在这里插入图片描述
代码：

    public void lutTest() {
    	// 1. 构建 5x5 单通道矩阵，元素初始值为 8
        Mat mat = new Mat(new Size(5,5), CV_8U, new Scalar(8));
        mat.row(3).setTo(new Mat(new Size(1, 1), CV_8U, new Scalar(9))); // 将第四行(索引为3)元素值，改为 9
        mat.col(3).setTo(new Mat(new Size(1, 1), CV_8U, new Scalar(7))); // 将第四列元素值，改为 7

		// 2. 构建 LUT 映射表： size = 256x1, 元素初始值为 1
        Mat lut = new Mat(new Size(256,1), CV_8U, new Scalar(1));
        lut.col(7).setTo(new Mat(new Size(1, 1), CV_8U, new Scalar(77))); // lut[7] == 77 
        lut.col(8).setTo(new Mat(new Size(1, 1), CV_8U, new Scalar(88))); // lut[8] == 88 
        lut.col(9).setTo(new Mat(new Size(1, 1), CV_8U, new Scalar(99))); // lut[9] == 99 

        Mat dst = new Mat();
		// 3. 调用 LUT 函数，执行映射
        opencv_core.LUT(mat, lut, dst);
        for (int i = 0; i < mat.rows(); i++) {
            for (int j = 0; j < mat.cols(); j++) {
                byte[] values = new byte[mat.channels()];
                dst.ptr(i,j).get(values);
                System.out.print(Arrays.toString(values) + " ");
            }

            System.out.println();
        }
    }