OpenCV如何改变图像中某个点的数据信息，下面一段代码阐述的非常明白
void salt(cv::Mat &image, int n) {
for (int k=0; k<n; k++) {
// rand() is the MFC random number generator
int i= rand()%image.cols;
int j= rand()%image.rows;
if (image.channels() == 1) { // gray-level image
image.at<uchar>(j,i)= 255;
} else if (image.channels() == 3) { // color image
image.at<cv::Vec3b>(j,i)[0]= 255;
image.at<cv::Vec3b>(j,i)[1]= 255;
image.at<cv::Vec3b>(j,i)[2]= 255;
}
}
}
核心的代码只有一行：image.at<uchar>(j,i)= 255;
要注意的是，如果是灰度图像的话，只需要更改一个数据就可以了。如果是rgb图像的话，就要用“[]”来获取改变那个channel的值。
另外，下面这两行也能修改图像的值：
cv::Mat_<uchar> im2 = image; // im2 refers to image
im2(50, 100) = 0; // access to row 50 and column 100
上面的方法每取一点就有一个函数调用，如果要一批次处理大量的数据的话，显然不是很合适，所以：
void colorReduce(cv::Mat &image, int div=64) {
int nl= image.rows; // number of lines
// total number of elements per line
int nc= image.cols * image.channels();
for (int j=0; j<nl; j++) {
// get the address of row j
uchar* data= image.ptr<uchar>(j);
for (int i=0; i<nc; i++) {
// process each pixel
data[i] = data[i] / div * div + div / 2;
// or: data[i] - data[i] % div + div / 2
这个方法来得更快速，因为它采用了指针的方式来处理信息。它的主要做法是，每一行调用一次函数，然后每一行作一次数据处理。这样的话调用函数的次数就大大地减小了。
最后，一个用iterator的实例：
void colorReduce(cv::Mat &image, int div=64) {
// obtain iterator at initial position
cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
// obtain end position
cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
// loop over all pixels
for ( ; it!= itend; ++it) {
// process each pixel ---------------------
(*it)[0]= (*it)[0]/div*div + div/2;
(*it)[1]= (*it)[1]/div*div + div/2;
(*it)[2]= (*it)[2]/div*div + div/2;
// end of pixel processing ----------------
}
}
iterator是一种特殊的类，它可以在一个数据结构中遍历，然后隐藏遍历的方法。
比如说，一个复杂的数据结构可能并不是以线性排列的，它是随机存取的。那么iterator可以在这个数据结构里面以“某种方式”进行遍历。而作为使用者的我们来说，就不需要了解它具体的遍历方式。