Cycle par le biais de pixels avec opencv

cv::Mat est préféré au IplImage, car elle simplifie votre code

cv::Mat img = cv::imread("lenna.png");
for(int i=0; i<img.rows; i++)
    for(int j=0; j<img.cols; j++) 
        //You can now access the pixel value with cv::Vec3b
        std::cout << img.at<cv::Vec3b>(i,j)[0] << " " << img.at<cv::Vec3b>(i,j)[1] << " " << img.at<cv::Vec3b>(i,j)[2] << std::endl;

Cela suppose que vous devez utiliser les valeurs RVB ensemble. Si vous ne le faites pas, vous pouvez utilise cv::split pour chaque canal séparément. Voir etarion de réponse pour le lien avec exemple.

Aussi, dans mon cas, vous avez besoin simplement de l'image en échelle de gris. Ensuite, vous pouvez charger l'image en niveaux de gris et d'y accéder comme un tableau de char.

cv::Mat img = cv::imread("lenna.png",0);
for(int i=0; i<img.rows; i++)
    for(int j=0; j<img.cols; j++)
        std::cout << img.at<uchar>(i,j) << std::endl;

Mise à JOUR: à l'Aide de split pour obtenir les 3 canaux

cv::Mat img = cv::imread("lenna.png");
std::vector<cv::Mat> three_channels = cv::split(img);

//Now I can access each channel separately
for(int i=0; i<img.rows; i++)
    for(int j=0; j<img.cols; j++)
        std::cout << three_channels[0].at<uchar>(i,j) << " " << three_channels[1].at<uchar>(i,j) << " " << three_channels[2].at<uchar>(i,j) << std::endl;

//Similarly for the other two channels

Mise à JOUR: Grâce à entarion pour repérer l'erreur que j'ai présenté lors de la copie et le collage à partir du cv::Vec3b exemple.

Les docs montrent bien écrit comparaison de différentes façons pour effectuer une itération sur un Tapis d'image ici.

Le moyen le plus rapide est d'utiliser le C style des pointeurs. Voici le code copié à partir de la documentation:

Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
//accept only char type matrices
CV_Assert(I.depth() != sizeof(uchar));

int channels = I.channels();

int nRows = I.rows;
int nCols = I.cols * channels;

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]];
    }
}
return I;
}

Accès aux éléments avec l'at est assez lent.

Notez que si votre opération peut être effectuée à l'aide d'une table de recherche, le construit en fonction de LUT est de loin la manière la plus rapide (également décrits dans les docs).

Si vous souhaitez modifier RVB des pixels un par un, l'exemple ci-dessous va vous aider!

void LoopPixels(cv::Mat &img) {
    //Accept only char type matrices
    CV_Assert(img.depth() == CV_8U);

    //Get the channel count (3 = rgb, 4 = rgba, etc.)
    const int channels = img.channels();
    switch (channels) {
    case 1:
    {
        //Single colour
        cv::MatIterator_<uchar> it, end;
        for (it = img.begin<uchar>(), end = img.end<uchar>(); it != end; ++it)
            *it = 255;
        break;
    }
    case 3:
    {
        //RGB Color
        cv::MatIterator_<cv::Vec3b> it, end;
        for (it = img.begin<cv::Vec3b>(), end = img.end<cv::Vec3b>(); it != end; ++it) {
            uchar &r = (*it)[2];
            uchar &g = (*it)[1];
            uchar &b = (*it)[0];
            //Modify r, g, b values
            //E.g. r = 255; g = 0; b = 0;
        }
        break;
    }
    }
}