基于QT的不同位深图像像素处理方法

周恋玲

摘 要 QT已经在图像处理方面得到了广泛应用，由于计算机系统数据对齐的限制，对不同位深图像的操作需要不同的方法。本文主要针对QT中的QImage类，对不同位深图像的像素值获取方法，以及图像数据类型转化的方法进行了论述。

关键词 QT 位深 数据对齐 像素处理

中图分类号：TP391.41 文献标识码：A

1 QT中的图像类

QT是一个支持跨平台的C++图形用户界面应用程序开发框架。在QT中，应用于图像处理方面最为常用的图像类是QImage，由于它良好的封装，使得人们可以很容易地编写C++代码，对图像数据进行处理，而不用关心底层设计，所以基于QT的图像处理应用越来越多。由于数字图像有多种数据格式，在进行图像处理时，能够正确地对图像数据进行操作直接影响到整体的图像处理结果。

2 QT中不同位深图像及其数据存储方式

在数字图像的表示中，每个像素用到的数据位数称为图像的位深度，简称位深。常见的数字图像分为以下几种：32位图像、24位图像、8位图像、1位图像。对于彩色图像，其颜色用R、G、B分量来表示，32位的图像额外增加了一个Alpha通道，用于表示图像的透明度；8位图像，则记录的是256种颜色的索引值。本文主要讨论32位、24位、8位图像的数据操作及转换方法。

在QImage类中，32位图像每个像素用4个字节表示，格式为0xAARRGGBB，表示为QImage：：Format_RGB32；24位图像每个像素用3个字节表示，格式为0xBBGGRR，表示为QImage：：Format_888；8位图像每个像素用1个字节表示，记录颜色索引值，可以记录256种颜色，表示为QImage：：Format_Indexed8。

图2.1： 不同位深图像像素的字节存储方式

3不同位深图像的像素处理

3.1图像数据对齐

图像的数据是以字节为单位保存的，每一行的字节数必须是4的整数倍，不足的需要在最后进行补0。当图像的宽度不是4的整数倍时，需要使用以下公式进行换算：

W=（width*bitcount+31）/32*4 （1）

上述公式中，width是图像的宽度，bitcount是图像的位深（取值为32、24、8等），W是在程序中图像每行的实际字节数。

3.2构造图像文件

在已知图像的长度和宽度时，有时需要自己构造图像数据，可以使用长度和宽度构造一幅空白图像数据，代码如下：

QImage image = QImage（width， height， format）；

上式中format根据图像的位深可以自行选择，32、24、8位图像对应的格式为QImage：：Format_32， QImage：：Format_888， QImage：：Format_Indexed8 。

3.3圖像的操作

在对像素进行遍历操作时，将图像看成二维数组，获取到图像的首地址，然后找到行下标，再寻找列下标，即可进行操作。例如彩色图像要获取第i行，第j列的像素的红色通道值记为R（i，j），索引图像获取索引值gray（i，j）。按照32位图像每个像素占4个字节，24位图像每个像素占3个字节，8位图像每个像素占1个字节的理解，对于不同位深图像的操作代码会写成如下：

R_32=imagebits_32[i * width * 4 + j * 4 + 2]；

R_24=imagebits_24[i * width * 3 + j * 3]；

gray_8=imagebits_8[i * width + j]；

由于数据需要32位对齐，因此对于32位的图像，上述操作不会有问题，但对于24位和8位的图像，上述操作就会存在问题，当图像的宽度不是4的整数倍时，上述操作无法取到正确的像素通道值。

3.3.1通用方法

为了得到正确的R（i，j），采用到公式（1）来重新计算图像数据的实际字节宽度，计算方法如下：

W_32 = （ width * 32 + 31 ）/32 * 4；

W_24 = （ width * 24 + 31 ）/32 * 4；

W_8 = （ width * 8 + 31）/32 * 4；

R_32 = imagebits_32[i * W_32 + j * 4 + 2]；

R_24 = imagebits_24[i * W_24 + j * 3]；

gray_8 = imagebits_8[i * W_8 + j]；

3.3.2 QT中对像素值操作的方法

由于QImage类提供了很多接口，能更加简便地获取图像的像素值。

方法一：利用数据补齐宽度进行计算。

W = image.bytesPerLine（ ）；

R_32 = imagebits_32 [i * W + j * 4 + 2]；

R_24 = imagebits_24 [i * W + j * 3]；

gray_8 = imagebits_8 [i * W + j]； （下转第281页）（上接第256页）

方法二：先获取图像数据每行的首地址，再获取具体的像素值。

uchar* imagebits = image.scanLine（i）；

R_32 = imagebits_32[ j * 4 + 2]；

R_24 = imagebits_24[ j * 3]；endprint

gray_8 = imagebits_8[ j ]；

通过上述两种方法来操作图像像素，不用再考虑数据对齐的问题，计算方式更加简便。

3.4图像数据类型转换方法

在处理大型图像数据时，为了节省空间，可能将图像数据保存在二维的数组中，如下：

uchar* data32 = new uchar[ width * height * 4]；

uchar* data24 = new uchar[ width * height * 3]；

uchar* data8 = new uchar[ width * height]；

有時需要将二维数组的数据转化成图像数据，以方便显示。QImage类可以从uchar数据类型中构造图像：QImage （ uchar * data， int width， int height， Format format ） 。

由于存在数据对齐，从data32构造图像时，不会有任何问题，但当width不是4的整数倍时，上述方法就不能从data24和data8构造出正确的图像。

为了正确地将图像构造出来，首先需要计算出图像的真实数据量（字节数）。一种方法是根据QImage.byteCount（）函数来获取图像的字节数；另一种方法则是通过公式（2）计算：

byteCount = height * W； （2）

这里的W就是每行的实际字节数，通过公式（1）可以进行计算。

然后，利用QT的QByteArray类来进行中间转化。例如，原始图像数据存放在数组srcData中，根据以下步骤进行图像数据的转化，可以获得正确的图像。

QByteArray imageArray = QByteArray（（const char*）srcData， byteCount ）；

uchar* transData = （unsigned char*） imageByteArray.data（ ）；

QImage desImage = QImage（transData， width， height， QImage：：Format_…）；

通过上述转换方法，transData中将是补齐数据的二维数组，由此构造的图像不会有任何问题。

4总结

图像处理技术已经在越来越多的领域得到应用，用于图像处理的工具很多，QT由于其良好的封装，在图像处理编程方面得到了广泛使用。本文基于QT库，对不同位深图像的操作方法进行了总结，并阐述了图像数据转化的方法，为使用QT进行图像处理提供参考。

参考文献

[1] （加）Blanchette，J.& （美）M.Summerfield.C++ GUI Qt4 编程[M].闫锋欣，曾泉人，张志强译.第2版.北京：电子工业出版社，2008.

[2] （美）冈萨雷斯.数字图像处理[M].阮秋琦译.北京：电子工业出版社，2007.

[3] 蔡志明.精通Qt4编程（第2版）[M].北京：电子工业出版社，2011.endprint