如何通过cv::Mat的uchar*原始数据遍历图像像素？

嘿，这个问题我太熟悉了！直接操作cv::Mat的原始数据指针确实能提升效率，但要注意OpenCV图像的内存对齐和通道数，不然很容易踩坑。下面给你两种场景的等效实现，完全对应你原来的行列遍历逻辑：

1. 单通道图像（比如灰度图，CV_8UC1） #

这种情况每个像素就是一个uchar值，核心是用step[0]获取每行的实际字节数（避免内存对齐导致的错误）：

cv::Mat pImg = ...; // 你的目标图像
uchar* data = reinterpret_cast<uchar*>(pImg.data);
const int rows = pImg.rows;
const int cols = pImg.cols;
const size_t row_step = pImg.step[0]; // 每行的真实字节数，比单纯cols更可靠

for (int i = 0; i < rows; ++i) {
    // 定位到第i行的起始内存地址
    uchar* current_row = data + i * row_step;
    for (int j = 0; j < cols; ++j) {
        // 完全对应你原来的`cv::Point(i,j)`像素
        uchar pixel_value = current_row[j];
        // 这里编写你的像素处理逻辑
    }
}

2. 多通道图像（比如RGB/BGR图，CV_8UC3） #

多通道下每个像素对应多个uchar值（OpenCV默认是BGR顺序），需要结合通道数计算每个通道的位置：

cv::Mat pImg = ...; // 你的多通道图像
uchar* data = reinterpret_cast<uchar*>(pImg.data);
const int rows = pImg.rows;
const int cols = pImg.cols;
const size_t row_step = pImg.step[0];
const int channels = pImg.channels(); // 比如3通道就是3

for (int i = 0; i < rows; ++i) {
    uchar* current_row = data + i * row_step;
    for (int j = 0; j < cols; ++j) {
        // 计算当前像素的起始偏移量
        size_t pixel_offset = j * channels;
        // 对应`cv::Point(i,j)`的三个通道值（BGR顺序）
        uchar b = current_row[pixel_offset];
        uchar g = current_row[pixel_offset + 1];
        uchar r = current_row[pixel_offset + 2];
        // 处理像素...
    }
}

关键提醒：为什么要用step[0]？ #

你可能会疑惑，直接用cols * channels计算每行字节数不行吗？其实真的不行——OpenCV为了优化CPU缓存访问，会对行内存做对齐处理（比如对齐到4字节或8字节），这时候step[0]会比cols * channels略大。如果强行用后者计算行起始地址，会导致后续行的像素读取错位，甚至触发内存越界问题。

用上面的代码，就能完美替代你原来的嵌套循环，精准访问每个cv::Point(i,j)对应的像素啦！

内容的提问来源于stack exchange，提问作者anti