获取像素值的方法有许多种，常见的有如下两种。
一 使用at方法
Mat 类有一个方便的方法调用 at 来访问图像中位置（行、列）的像素。
具体代码如下
cv::Mat Img = cv::Mat::zeros(5000, 50000, CV_8UC1);for (int r = 0; r < Img.rows; r++){for (int c = 0; c < Img.cols; c++){Img.at<uchar>(r, c) = 128;}}
二 使用图像指针
通过访问图像像素指针来进行操作值修改，具体代码如下所示
cv::Mat Img = cv::Mat::zeros(5000, 50000, CV_8UC1);for (int r = 0; r < Img.rows; r++){for (int c = 0; c < Img.cols; c++){Img.data[r * Img.cols + c] = 128;}}
由于才疏学浅，我一直以为根据图像指针操作是速度最快的像素操作方法。
经过测试，对于尺寸5000*50000的图像像素操作时间分别为253ms和199ms。
显然第二种方法的运行速度确实快于at的方法，以至于我在许多算法中运用该方法，但是该方法的速度提升确实非常有限。
直到我遇到了第三种方法。。。
三 使用图像foreach方法
曾有人将该方法比喻为Opencv隐藏的宝石，我结合C++Lambda进行了算法性能测试，具体代码如下。
cv::Mat Img = cv::Mat::zeros(5000, 50000, CV_8UC1);Img.forEach<uchar>([](uchar& pixel, const int* position) -> void{pixel = 128;});
对同样大小的图像进行相同操作，检测时间竟然为18ms，基本下降为原来的十分之一。
究其根本原因是Mat中foreach方法为Mat像素并行操作方法，而我的测试电脑为10核CPU，因此采用foreach进行测试时检测时间基本降低为原来的十分之一，充分发挥了CPU性能。
个人感觉该方法非常受用，瑾此分享！
