1.簡單的方法：下標法cv::at(x, y)

類似C語言的二維數組遍歷，通過下標（x， y）來訪問數據元素，在opencv中用img.at<T>(x, y)來訪問圖像的元素（像素點）。其中img是Mat類的對象，該對象調用成員函數at<T>(x, y)，這個函數是模板函數，T是元素的類型，可以是uchar，也可以是Vec3b類型，等等。（x， y）分別是在圖像的位置行和列。

#include <iostream>
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"

using namespace std;
using namespace cv;

int main()
{
    double t;
    namedWindow("src");
    namedWindow("dst");

    Mat src, src2, dst;
    src = imread("./src/img4.jpg", IMREAD_UNCHANGED);
    dst = Mat::zeros(src.size(), src.type());
    int channel = src.channels(); //獲取圖像的通道數量

    float a = 1.5;//對比度
    int b = 0;//亮度
    t = (double)getTickCount();

    //對通道數量不同的圖像進行不同處理
    switch (channel)
    {
        case 1:
            for (int i = 0; i < src.rows; i++)
                for (int j = 0; j < src.cols; j++)
                    dst.at<uchar>(i, j) = saturate_cast<uchar>(a * src.at<uchar>(i, j) + b);
            break;
        default:
            for (int i = 0; i < src.rows; i++)
            {
                for (int j = 0; j < src.cols; j++)
                {
                    for (int c = 0; c < src.channels(); c++)
                    {
                        dst.at<Vec3b>(i, j)[c] = saturate_cast<uchar>(a * src.at<Vec3b>(i, j)[c] + b);
                    }
                }
            }
    }

    t = ((double)getTickCount() - t) / getTickFrequency();
    cout << t << endl;

    imshow("src", src);
    imshow("dst", dst);
    waitKey(0);
    return 0;
}

2.有效的方式：通過指針訪問cv::ptr(i = 0)或cv::ptr(i, j)

img.ptr<T>(i = 0)返回T類型的指針，該函數是模板函數，T是元素的類型，默認為uchar類型，img.ptr<T>(i, j)用法類似。

//部分代碼
uchar *p, *pt;
if (channel == 1)
{
    for (int i = 0; i < src.rows; i++)
    {
        pt = src.ptr(i);
        p = dst.ptr(i);
        for (int j = 0; j < src.cols; j++)
        {
            p[j] = saturate_cast<uchar>(a * pt[j] + b);
        }
    }
}
else
{
    for (int i = 0; i < src.rows; i++)
    {
        for (int j = 0; j < src.cols; j++)
        {
            pt = src.ptr(i,j);
            p = dst.ptr(i,j);
            for (int c = 0; c < src.channels(); c++)
            {
                p[c] = saturate_cast<uchar>(a * pt[c] + b);
            }
        }
    }
}

3.通過查找表掃描：cv :: LUT(src, lut, dst )

三個參數都是Mat的對象。src是元素為8位的輸入圖像， dst是輸出結果，大小、元素類型要和src一樣，lut為包含256個元素的查找表
首先我們構建一個Mat類型的查找表：

Mat lookUpTable(1, 256, CV_8U)
uchar *p = lookUpTable.ptr()
for( int i = 0; i < 256; ++i)
    p[i] = table[i];

最后調用函數cv :: LUT(src, lut, dst )

總結：

這幾個的效率比較：at() < ptr() < LUT()