图像的通道和深度以及图像的像素点操作完全解析

前沿

看了图像处理有一段时间了，但是图像的通道和深度一直不理解，毕竟是比较抽象的概念。现在好好总结下，希望能帮助理解图像的通道和图像的深度。

基于OpenCV3.1.0版本

感谢贾志刚老师的视频以及QQ群

看了 xiaowei_cqu 的博客

看了毛星云的OpenCV3编程入门

图像的深度和通道

图像的深度：

图像中像素点占得bit位数，就是图像的深度，比如：

二值图像：图像的像素点不是0 就是1 （图像不是黑色就是白色），图像像素点占的位数就是 1 位，图像的深度就是1，也称作位图。

灰度图像：图像的像素点位于0-255之间，（0：全黑，255代表：全白，在0-255之间插入了255个等级的灰度）。2^8=255，图像的深度是8。

依次轮推，我们把计算机中存储单个像素点所用的 bit 位称为图像的深度。

图像的通道

有了图像深度的概念，我们知道如果是24位的图像，则这个像素点的颜色的取值范围是：从0到2^24。这个范围特别大，如果我们知道了某店的像素值怎么判断像素点的颜色呢？

我们知道 RGB是基本的三原色，如果我们用8位代表一种颜色，每种颜色最大是255，这样每个像素点的颜色值的范围就是（0-255,0-255,0-255）。这样图像的通道就是3。

灰度图的图像存储模型

灰度图像像素点的存储就是对应的原图从左到右，从上到下，依次排列，每个点的值就是就是像素点的值，每个点的地址就是像素像素点的地址。

RGB图的图像存储模型

RGB彩色图像和灰度图相比，每个像素点都有3个通道。每个通道占的内存空间都是8位。在内存中，RGB 图像的存储是以二维数组的形式。

学习图像的存储就是为了理解图像中像素点的存储情况，有助于我们对每个像素点的操作。

图像中像素点的遍历

注意：我们对图像像素的遍历其实对每个像素点中通道的遍历。以后我们对像素以及通道有关的操作时候，能够更好的理解像素以及通道的概念。

我们以经典的图像的颜色空间压缩为例来进行图像的遍历

什么是颜色空间的颜色呢？

        我们知道，对于3通道的深度是8的 RGB 图像,一共可以有255^3中颜色，如此庞大的颜色对我们的处理很不方便，我们可以对图像的像素进行量化。减小图像的颜色种类，同样也可以达到同样的效果。比如我们把图像的像素减少8倍，则每个通道只能有256/8=32中颜色，这样的话，原来图像的0-7像素点对应量化后的0，原来的图像的8-15对应量化后的图像的1，......原来图像中的248-255对应量化后的32。这样就能实现对图像的压缩。

那么这种办法在编程怎么实现？

很简答的，直接利用C/C++中 int 变量的 “/” 运算，这样的话，像素（0-7）/ 8 =0。同理依次可以得到压缩后像素值。

（1）利用基本的 行和列概念实现像素遍历

   上面的分析知道了，图像的存储就是以二维数组的形式，那我们很好理解如果取一个二维数组中元素？常规的方法就是先确定行，然后再确定列。这样就能把这个元素取出来。OpenCV中Mat类中定义的指针，可以获取某一行的地址，然后确定列数就可以获取我们所需要的地址。

Mat 类中有：Mat.ptr<uchar>(int i=0) 获取像素矩阵的指针，i 是从第零行开始的。这块有点像二维数据的存储那样，二维数组可以当做是若干个一维指针，如果知道了每个行的第一个元素就能遍历这个行所有数据。

具体的程序代码

void colorReduce(Mat& srcImage,Mat& desImage, int n) //srcImage:输入图像，desImage:输出图像，n:减少的倍数
{
    desImage = srcImage.clone();
	int channels = desImage.channels();
	int rows = desImage.rows;
	int cols = desImage.cols*channels;//真正的列数是像素的列数乘以通道数，具体见RGB图像的存储
	for (int i = 0;i < rows;i++)        //双重循环的外循环，遍历图片的行数
	{
		uchar* pt = desImage.ptr<uchar>(i); //获取第 i 行的像素矩阵指针
		for (int j = 0; j < cols; j++)   //双重循环的内循环，遍历图像的列数（包括每个通道数）
		{
			pt[j]=(pt[j]/n)*n+n/2; //通常我们会在后面加上 n/2

		}
	}

}

修改：

内层循环可以用指针实现移动到下一列：

			*pt++=(*pt/n)*n+n/2; 

（2）利用动态地址遍历像素点

void colorReduce2(Mat &src, Mat &dst,int n = 8)
{
	dst = src.clone();
	int cols = src.cols;
	int rows = src.rows;
	for (int i = 0; i < rows; i++)
	{
		for (int j = 0; j < cols; j++)
		{
			dst.at<Vec3b>(i, j)[0] = (src.at<Vec3b>(i, j)[0] / n)*n + n / 2;
			dst.at<Vec3b>(i, j)[1] = (src.at<Vec3b>(i, j)[1] / n)*n + n / 2;
			dst.at<Vec3b>(i, j)[2] = (src.at<Vec3b>(i, j)[2] / n)*n + n / 2;
		}

	}

}

Mat类中的成员函数 at(int x, int y) 可以用来储存图像元素，但是在编译期间，知道图像的数据类型，我们一定要确保指定的数据类型和矩阵中数据类型符合，因为at方法不会对任何数据类型进行转换。
对于彩色图像，每个像素由三部分组成，通道（BGR）。因此，对于一个包含彩色图像的 Mat ，会返回一个由8位数字组成的向量。OpenCV将此类型向量定义为： Vec3b。存储彩色图像像素代码可以写成：

  image.at<Vec3b>(i,j)[channel] = value; 

其中：（i,j）代表像素点位置，channel 代表 通道。

（3）迭代器操作像素

void colorReduce3(Mat &src, Mat &dst,int n= 8)
{
	dst = src.clone();
	Mat_<Vec3b>::iterator it = dst.begin<Vec3b>(); //初始位置迭代器
	Mat_<Vec3b>::iterator itend = dst.end<Vec3b>();//终止位置迭代器

	for (;it != itend; it++)
	{
         (*it)[0] = ((*it)[0]/n)*n+n/2;
	     (*it)[1] = ((*it)[1]/n)*n+n/2;
		 (*it)[2] = ((*it)[2]/n)*n+n/2;	
	}

}

其中：迭代器是C++中STL的概念。