遍歷圖像在OpenCV中經(jīng)常用到，高效的方法是使用Pointer，需要考慮圖像size，避免出錯(cuò)：

Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
    CV_Assert(I.depth() == CV_8U); // 斷言是否8bit uchar
    const int channels = I.channels();
    int rows = I.rows;
    int cols = I.cols * channels;

    if (I.isContinuous()) 
    {
        cols *= rows; // 連續(xù)存儲(chǔ)則將列數(shù)設(shè)為row*col，行數(shù)row設(shè)為1
        rows = 1;
    }

    // 遍歷圖像，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；讀取則直接 X = p[j]
            //也可以用I.at<uchar>(row, col)來(lái)讀取指定元素(效率低)
            p[j] = table[p[j]]; 
    }
    return I;
}

還可以使用 Iterator的方式進(jìn)行迭代，可以不用考慮圖像的size，會(huì)自動(dòng)處理：

Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
    CV_Assert(I.depth() == CV_8U);
    const int channels = I.channels();
    
    switch (channels)
    {
    case 1: // 單通道 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;
}

除了上述兩種方法還有一種隨機(jī)訪問(wèn)，使用I.at<type>(row, col)，但這種方法效率低，除非需要訪問(wèn)特定元素，遍歷一般不考慮這種。使用指針的方式是最高效的，但是需要注意圖像的size，避免越界；而迭代器則方便點(diǎn)，不需要考慮size問(wèn)題，但是效率稍低。