OpenCV 2 学习笔记(6): 使用指针来扫描图像：减少图像的位深

在许多任务中，我们需要扫描图像中所有的像素点。考虑到那么多的像素点，这势必就需要一种高效率的方法。而减少图像颜色数就是一种比较好的方法。

         试想一下一个三通道的图像，如果每一个通道是一个八位的无符号字符型数据，那么他总共可以表示的颜色达到256X256X256种。通常情况下，为了简化复杂度，减少颜色数是一种很好的方法。其中比较简便的做法是除以一个数，使RGB空间减少一个数量等级，例如除以8，那么颜色数就会减少到32X32X32个。

因此，基础的减少公式很简单。如果N是减少因子，那么对于像素的每一个频道，除以N(由于是整除，所以余数会丢失)。如果将结果再乘以N，那么结果将会小于原来的像素值。然后再加上N/2你将会获得两个相邻N倍数中间的那个数，然后你就得到了一个256/NX256/NX256/N颜色数的图像。下面是我们所写的函数，函数处理是in-place的,也就是说处理结果直接赋值给源图像，不占用额外的存储空间。以下是完整的程序：

#include<opencv2/highgui/highgui.hpp>
#include<opencv2/core/core.hpp>
#include<iostream>
using namespace cv;

void colorReduce(Mat &image, int div = 64)
{
	int nl = image.rows;
	int nc = image.cols * image.channels();

	for (int i=0 ; i<nl ; i++)
	{
//获得每一行首地址
		uchar* data = image.ptr<uchar>(i);

		for(int j=0; j<nc ; j++)

			data[j] = data[j]/div * div + div/2;
	}
}

int main()
{
	Mat image = imread("boldt.jpg");
	if(!image.data)
		return 0;
	colorReduce(image);
	cv::namedWindow("result");
	cv::imshow("result",image);
	waitKey(0);
	return 0;
}