【android opencv学习笔记】Day 4: 像素操作之椒盐噪声

OpenCV 像素操作之噪点

在计算机视觉的世界里，图像本质上是由数值构成的矩阵，而像素就是这个矩阵的基本单元。无论是修改图像、添加特效，还是做复杂的特征提取，都离不开对像素的直接操作。今天我们就从原理到实战，拆解OpenCV中像素访问的核心知识，帮你彻底搞懂这部分内容。

图像与像素

要操作像素，首先得理解图像在OpenCV中的存储方式：

• 灰度图像：是单通道矩阵，每个像素是一个8位无符号数（uchar），0代表黑色，255代表白色，数值越大越亮。
• 彩色图像：是三通道矩阵，每个像素对应B、G、R三个通道的数值（OpenCV默认存储顺序为蓝、绿、红），每个通道同样是8位无符号数，三个通道的组合决定了最终的颜色。
• 特殊图像：部分场景（如医学影像）会使用16位通道或浮点型通道，OpenCV也支持CV_32U/CV_32S/CV_32F等类型，用于存储中间计算结果或高精度数据。

OpenCV用cv::Mat结构来统一管理这些图像矩阵，它既支持基础的灰度/彩色图像，也能兼容各种特殊数据类型，是所有像素操作的基础载体。

像素访问的核心方法：

访问cv::Mat中像素的最基础方法，就是at<类型>(行, 列)模板函数，它的核心逻辑是：

1. 用image.rows获取图像高度（行数），image.cols获取图像宽度（列数）；
2. 用image.at<类型>(j, i)访问第j行、第i列的像素，注意行号在前、列号在后；
3. 必须指定和图像类型匹配的模板参数，否则会出现类型不匹配的错误，且at()不会自动做类型转换。

1. 灰度图像的像素访问

灰度图像是单通道矩阵，模板参数为uchar，直接赋值即可修改像素值：

// 访问灰度图像第j行、第i列的像素，设为白色image.at<uchar>(j,i)=255;

2. 彩色图像的像素访问

彩色图像每个像素是一个包含3个通道的向量，OpenCV中用cv::Vec3b表示三通道8位无符号数向量，通过索引[0]/[1]/[2]分别访问蓝、绿、红通道：

// 访问彩色图像第j行、第i列的像素，三个通道都设为255（白色）image.at<cv::Vec3b>(j,i)[0]=255;// 蓝色通道image.at<cv::Vec3b>(j,i)[1]=255;// 绿色通道image.at<cv::Vec3b>(j,i)[2]=255;// 红色通道

OpenCV还定义了其他向量类型，比如cv::Vec2b（双通道8位）、cv::Vec4b（四通道8位），以及浮点型/整型向量（如cv::Vec2f、cv::Vec3i），适配不同的图像和数据场景。

实战案例：给图像添加椒盐噪声

我们用一个经典的“椒盐噪声”案例，把像素访问的知识落地到代码中。椒盐噪声是图像中随机出现的黑白噪点，这里我们实现一个函数，给图像添加白色噪点。

1. 实现思路

1. 随机生成图像内的像素坐标；
2. 根据图像类型（灰度/彩色），将对应像素设为白色；
3. 循环执行指定次数，生成噪点效果。

2. 完整代码实现

C++ 核心代码（native-lib.cpp）

// 引入JNI头文件，用于Java和C++的交互#include<jni.h>// 引入OpenCV核心头文件，提供图像处理功能#include<opencv2/opencv.hpp>// 使用OpenCV的命名空间，简化代码调用usingnamespacecv;/** * 给图像添加全屏密集椒盐噪声（白点） * @param image 输入/输出的图像矩阵（ARGB格式） * @param noiseCount 噪声点数量（数值越大，白点越多） */voidaddSaltNoise(Mat&image,intnoiseCount){// 循环生成大量白点，遍历次数 = 图像总像素数，实现全屏覆盖for(intk=0;k<image.cols*image.rows;k++){// 随机生成列坐标 x（范围：0 到 图像宽度-1）inti=rand()%image.cols;// 随机生成行坐标 y（范围：0 到 图像高度-1）intj=rand()%image.rows;// 判断图像通道数：Android Bitmap是 ARGB_8888，共4个通道if(image.channels()==4){// 访问第j行、第i列的像素，将BGR通道设为255（纯白色）image.at<Vec4b>(j,i)[0]=255;// 蓝色通道 Bimage.at<Vec4b>(j,i)[1]=255;// 绿色通道 Gimage.at<Vec4b>(j,i)[2]=255;// 红色通道 R// 透明度通道 A 保持不变，不修改}}}/** * JNI 接口函数：供Android Java层调用 * 功能：接收原始像素数据 -> OpenCV处理 -> 返回处理后像素 * @param env JNI环境变量，用于操作Java数组 * @param thiz Java层的MainActivity对象引用 * @param pixels_ Java传递过来的图像像素数组（int[]） * @param width 图像宽度 * @param height 图像高度 * @return 处理完成后的像素数组（int[]） */extern"C"JNIEXPORT jintArray JNICALLJava_com_example_pixelop_MainActivity_processImageNative(JNIEnv*env,jobject thiz,jintArray pixels_,jint width,jint height){// 1. 将Java的int数组 转换为 C++可操作的int指针jint*pixels=env->GetIntArrayElements(pixels_,NULL);// 2. 将像素数据包装成OpenCV的Mat对象// CV_8UC4 表示：8位无符号数 + 4通道（对应Android的ARGB_8888）Matmat(height,width,CV_8UC4,pixels);// 3. 调用核心函数：给图像添加全屏白点噪声addSaltNoise(mat,1000000);// 4. 创建一个新的Java int数组，用于存放处理后的结果jintArray result=env->NewIntArray(width*height);// 5. 将C++处理后的像素数据 复制回 Java数组env->SetIntArrayRegion(result,0,width*height,pixels);// 6. 释放JNI数组资源（必须释放，防止内存泄漏）env->ReleaseIntArrayElements(pixels_,pixels,0);// 7. 将处理结果返回给Java层returnresult;}

MainActivity.java

packagecom.example.pixelop;importandroid.graphics.Bitmap;importandroid.graphics.BitmapFactory;importandroid.os.Bundle;importandroid.widget.ImageView;importandroidx.appcompat.app.AppCompatActivity;importjava.io.ByteArrayOutputStream;publicclassMainActivityextendsAppCompatActivity{static{System.loadLibrary("pixelop");}publicnativebyte[]processImageNative(byte[]imageData,intwidth,intheight);@OverrideprotectedvoidonCreate(BundlesavedInstanceState){super.onCreate(savedInstanceState);setContentView(R.layout.activity_main);ImageViewimgOrigin=findViewById(R.id.img_origin);ImageViewimgResult=findViewById(R.id.img_result);// 读取原图BitmaporiginBitmap=BitmapFactory.decodeResource(getResources(),R.drawable.test);imgOrigin.setImageBitmap(originBitmap);// Bitmap转字节数组ByteArrayOutputStreamstream=newByteArrayOutputStream();originBitmap.compress(Bitmap.CompressFormat.JPEG,100,stream);byte[]imageData=stream.toByteArray();// 调用Native处理byte[]resultData=processImageNative(imageData,originBitmap.getWidth(),originBitmap.getHeight());// 显示结果BitmapresultBitmap=BitmapFactory.decodeByteArray(resultData,0,resultData.length);imgResult.setImageBitmap(resultBitmap);}}

布局文件（activity_main.xml）

<?xml version="1.0" encoding="utf-8"?><LinearLayoutxmlns:android="http://schemas.android.com/apk/res/android"android:layout_width="match_parent"android:layout_height="match_parent"android:orientation="vertical"android:padding="16dp"><ImageViewandroid:id="@+id/img_origin"android:layout_width="match_parent"android:layout_height="wrap_content"android:layout_marginBottom="20dp"/><ImageViewandroid:id="@+id/img_result"android:layout_width="match_parent"android:layout_height="wrap_content"/></LinearLayout>

3. 关键细节说明

• 值传递的坑：这里image是值传递，但cv::Mat默认共享图像数据，所以函数内的修改会直接影响原图像，不需要额外传引用。
• 随机坐标：用rand() % cols和rand() % rows确保生成的坐标在图像范围内。
• 类型判断：通过image.type()区分灰度（CV_8UC1）和彩色（CV_8UC3）图像，避免模板类型不匹配的错误。

避坑指南与扩展

1. 模板类型必须匹配：at()的模板参数必须和图像的实际类型一致，比如CV_8UC3的图像用at<uchar>会直接报错，编译时不会有提示，运行时才会崩溃。
2. 行号列号别搞反：at<类型>(j, i)中，j是行号（y轴），i是列号（x轴），和我们平时“先列后行”的习惯相反，写代码时一定要注意。
3. 效率问题：at()方法简单直观，但在处理大图像时，逐像素访问的效率不如直接用指针遍历。如果需要处理数十万像素，后续可以学习指针访问或OpenCV的并行处理方法。
4. 特殊类型支持：除了8位图像，at()也支持其他类型，比如CV_32F的浮点图像，模板参数用float即可，写法是image.at<float>(j, i)。

总结

像素操作是OpenCV的基本功，掌握了at()方法和cv::Mat_的使用，你就能实现从简单的噪点添加，到复杂的图像滤镜、特征标记等各种功能。