為什么要使用顏色縮減

在對單通道圖像進行處理時，像素的可能值為256個，但處理多通道時，像素的處理就會相當麻煩，其實用這些顏色中具有代表性的一小部分就可以達到同樣的效果，所以顏色空間縮減就可以派上用場了。一個信道（channel）有256個不同的值（2^8=256），但是如果使用的是GRB方案，三個channel的話，顏色的數(shù)量就會變?yōu)?56256256，大概是16個million這么多，這么多的顏色數(shù)量，對于計算機來說仍然是一個負擔，所以可以想一些方法來降低這些色彩數(shù)量。

顏色縮減簡單原理

公式：I_new = (I_old/10)*10; //利用int類型向下取整的特點

代碼：

/******************************顏色空間縮減*******************************************/ //顏色空間縮減：將現(xiàn)有的顏色空間值除以某個輸入值，以獲得較少的顏色數(shù)，比如：顏色值0-9->0,10-19->10，以此類推 //公式：I_new = (I_old/10)*10; //利用int類型向下取整的特點 //可以將256種計算結果存入表table中 /* int divdeWith = 10; uchar table[256]; for(int i=0;i<256;++i) {table[i]= divdeWith * (i/divdeWith); //table[i]存放的是值為i的像素縮小顏色空間的結果 } p[j]=table[p[j]]; 算法步驟： 1、遍歷圖像矩陣的每一個像素 2、對像素應用上述公式 */ /************************通過指針、迭代器、動態(tài)地址訪問元素 進行顏色縮減****************************************/ /* 訪問像素的三種方法： 1、指針訪問：C操作符[]; 2、迭代器 ：iterator 3、動態(tài)地址計算 *///-----------------------------------------------顏色縮減函數(shù)------------------------------------------------ void colorReduce(Mat& inputImage,Mat& outputImage,int div,int type);//-----------------------------------------------主函數(shù)------------------------------------------------ int main() {Mat srcImage = imread("D:\\opencv_picture_test\\miku2.jpg", 2 | 4);namedWindow("原始圖", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口imshow("原始圖", srcImage);Mat dstImage;dstImage.create(srcImage.rows, srcImage.cols, srcImage.type()); //大小類型和原圖一樣double time0 = static_cast<double>(getTickCount()); //記錄起始時間//顏色縮減colorReduce(srcImage, dstImage,128,3);//一系列處理之后time0 = ((double)getTickCount() - time0) / getTickFrequency();cout << "此方法運行時間為：" << time0 << "秒" << endl; //輸出運行時間namedWindow("效果圖", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口imshow("效果圖", dstImage);imwrite("D:\\opencv_picture_test\\miku5.jpg", dstImage);waitKey(0);return 0;} //-----------------------------------------------colorReduce()函數(shù)------------------------------------------------ void colorReduce(Mat& inputImage, Mat& outputImage, int div, int type) {//描述：使用指針訪問 ，很好理解，和C類似if (type == 1){outputImage = inputImage.clone(); //因為我們需要進行處理時不對原圖像產(chǎn)生影響，所以這里使用深復制int row_num = outputImage.rows; //行數(shù)int col_num = outputImage.cols * outputImage.channels(); //列數(shù)*通道數(shù) = 每一行元素的個數(shù) 灰度圖通道數(shù)為1，彩色的為3//雙重循環(huán)，遍歷所有像素值for (int i = 0;i < row_num;i++) //行循環(huán){uchar* data = outputImage.ptr<uchar>(i); //獲取第i行的首地址for (int j = 0;j < col_num;j++) //列循環(huán){data[j] = data[j] / div * div; //顏色縮減，也可以是其他的一些處理}}}//描述：使用迭代器訪問/*我們僅僅需要獲得圖像矩陣的begin和end，然后增加迭代直至begin到end。將*操作符添加在迭代指針前，即可訪問當前指向的內容，相比用指針直接訪問可能出現(xiàn)的越界問題，迭代器絕對是非常安全的*/else if (type == 2){outputImage = inputImage.clone(); //因為我們需要進行處理時不對原圖像產(chǎn)生影響，所以這里使用深復制//獲取迭代器Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //初始位置的迭代器Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>(); //初始位置的迭代器//存取彩色圖像像素for (;it != itend;++it){//-------【開始處理每個像素】---------------(*it)[0] = (*it)[0] / div * div;(*it)[1] = (*it)[1] / div * div;(*it)[2] = (*it)[2] / div * div;//-------【處理結束】---------------}}//描述：使用動態(tài)地址運算配合at訪問else{outputImage = inputImage.clone(); //因為我們需要進行處理時不對原圖像產(chǎn)生影響，所以這里使用深復制int row_num = outputImage.rows; //行數(shù)int col_num = outputImage.cols ; //列數(shù)//雙重循環(huán)，遍歷所有像素值for (int i = 0;i < row_num;i++) //行循環(huán){ for (int j = 0;j < col_num;j++) //列循環(huán){//-------【開始處理每個像素】---------------outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div * div; //B通道outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div * div; //G通道outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div * div; //R通道//-------【處理結束】---------------}}/*講解：成員函數(shù)at(int y,int x)可以用來存取圖像元素，但在編譯時需要知道圖像的數(shù)據(jù)類型，at方法本身不會對任何數(shù)據(jù)類型進行轉化，十分重要！！！存取彩色圖像的代碼可以寫成如下形式：image.at<Vec3b>(j,i)[channel] =value;opencv彩色圖像的順序存儲是按照BGR不是RGB！！！！*/ } } /****************************************************************/

處理效果：

總結

以上是生活随笔為你收集整理的颜色缩减 -利用指针、迭代器、动态地址实现访问像素的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。