一种简单高效的OpenCV图像遍历方式

int row = img.rows;
int step = img.step;
for (int i = 0; i < row; i++)
{
    for (int j = 0; j < step; j++)
    {
        img.at<uchar>(i, j) = 255 - img.at<uchar>(i, j);
    }
}
或者：
int row = img.rows;
int col = img.cols;
for (int i = 0; i < row; i++)
{
    for (int j = 0; j < col; j++)
    {
        img.at<Vec3b>(i, j)[0] = 255 - img.at<Vec3b>(i, j)[0];
        img.at<Vec3b>(i, j)[1] = 255 - img.at<Vec3b>(i, j)[1];
        img.at<Vec3b>(i, j)[2] = 255 - img.at<Vec3b>(i, j)[2];
    }
}

int row = img.rows;
int step = img.step;
uchar * pImg = img.data;
for (int i = 0; i < row; i++)
{
    for (int j = 0; j < step; j++)
    {
        pImg[j] = 255 - pImg[j];
    }
    pImg += img.step;
}
或者：
int row = img.rows;
int step = img.step;
uchar * pImg = NULL;
for ( int i = 0; i < row; i++)
{
    pImg = img.ptr< uchar>(i);
    for ( int j = 0; j < step; j++)
    {
        pImg[ j] = 255 - pImg[j];
    }
}

       我的测试图像分辨率为：4288 * 2848，对于上述代码，debug模式下，使用at方法用时约9700毫秒，使用指针方式用时约140毫秒；release模式下，at方法用时约63毫秒，指针方式用时约30毫秒。可见使用at方法遍历图像时效率很低，比较耗时，推荐使用指针方式。       

       另外由于像素灰度值范围为0至255，对于某些复杂计算，计算结果难免会超出灰度值范围，这时需要做下数据饱和判断，即结果为负，则取0，结果超出255，则取255。在做饱和判断时可以使用OpenCV提供的saturate_cast函数，对于上述程序，用法为：

pImg[j] = saturate_cast<uchar>(255 - pImg[j]);

不过此时程序用时让人大跌眼镜，release模式下，at方法用时约100毫秒，指针方式用时约62毫秒。即加了饱和判断后，用时增加了近一倍。所以，非必须情况下要慎用这样类似函数。下面是反色的效果图。