1.简单的方法：下标法cv::at(x, y)

类似C语言的二维数组遍历，通过下标（x， y）来访问数据元素，在opencv中用img.at<T>(x, y)来访问图像的元素（像素点）。其中img是Mat类的对象，该对象调用成员函数at<T>(x, y)，这个函数是模板函数，T是元素的类型，可以是uchar，也可以是Vec3b类型，等等。（x， y）分别是在图像的位置行和列。

#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(); //获取图像的通道数量

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

    //对通道数量不同的图像进行不同处理
    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：通过指针访问cv::ptr(i = 0)或cv::ptr(i, j)

img.ptr<T>(i = 0)返回T类型的指针，该函数是模板函数，T是元素的类型，默认为uchar类型，img.ptr<T>(i, j)用法类似。

//部分代码
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.通过查找表扫描：cv :: LUT(src, lut, dst )

三个参数都是Mat的对象。src是元素为8位的输入图像， dst是输出结果，大小、元素类型要和src一样，lut为包含256个元素的查找表
首先我们构建一个Mat类型的查找表：

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

最后调用函数cv :: LUT(src, lut, dst )

总结：

这几个的效率比较：at() < ptr() < LUT()