src 

1、传统的C风格操作符[] （指针）

for (int i = 0; i < src.rows; i++) 

{

Vec3b* data =

src.ptr<Vec3b>(i);

for (int j = 0; j < src.cols; j++) 

        {

        if (data[j][0] > 200 && data[j][2] < 50)

        data[j] = Vec3b(255, 255, 255);

        }

}

2、迭代器方法

MatIterator_<Vec3b> it, end;

for (it = src.begin<Vec3b>(), end = src.end<Vec3b>(); it != end; ++it)

if ((*it)[0] > 200 && (*it)[2] < 50) 

{

(*it)[0] = 255;

(*it)[1] = 255;

(*it)[2] = 255;

}   

3、返回引用的动态地址访问函数*

*原文：On-the-fly address calculation with reference returning

for (int i = 0; i < src.rows; ++i)

for (int j = 0; j < src.cols; ++j) 

{

Vec3b pixel = src.at<Vec3b>(i, j);

if (pixel[0] > 200 && pixel[2] < 50) 

{

src.at<Vec3b>(i, j) = Vec3b(255, 255, 255);

}

}

这三种方法中，第 1 种方法效率最高，但在使用之前，你需要先确保该图像在内存内是连续存储的。建议操作之前先调用函数 isContinuous() 来判断。

但相比之下，第 2 种方法更安全。它会帮你自动跳过内存内的不连续空间，同时也保持了很高的效率。

第 3 种方法是被设定来随机访问像素点的，你要是用它来遍历图像，那效率堪称感人。等你找到萝卜君的时候，他可能把下周的视频都做完了。

那我们就挑一种自己喜爱的方法，完成这一步操作：遍历全图，把蓝色的像素点变成白色。它有点像我们常说的“抠图”。

背景处理对比

（这么干净的背景在现实中是不可能存在的）

经过去除背景之后的图片，仍然有很多像椒盐一样的噪声点，我们管它叫做"椒盐噪声"。

OpenCV 的 imgproc 模块，内含滤波、形态学处理、几何变换等大量实用的图像处理函数，把它们像互相组合起来，足以应对各种场景需求。

例如，图像非线性滤波算法中的中值滤波 medianBlur，对于滤除图像中的“椒盐噪声”，效果优异。

cv::medianBlur(src,dst,3);

滤除椒盐噪声对比

看到了吗！

左图中的“椒盐噪声”，在右图中就消失了！

（没看到的多看几遍）

经过预处理之后的图片

干~干~净~净~

这个时候我们就可以进行物体检测啦！