准备工作
为了说明图像扫描的过程,要先减少图像中颜色的数量。彩色图像由三通道像素组成,RGB组成,因此颜色总数为256*256*256,即超过1600万种颜色,为了降低分析的复杂程度,有时候需要减少图像中颜色的数量。本文介绍其中一种方法:把RGB空间细分到大小相等的方块中,例如,把每张颜色的数量减少到1/8,颜色总数就变成了32*32*32。将就图像中的每个颜色值划分到一个方块,该方块的中间值就是新的颜色值;新图像使用新的颜色值,颜色数就减少了。
因此基本的减色算法很简单。假设N是减色因子,将图像中每个像素的每个通道的值除以N。RANHOU将结果乘以N,得到N的倍数,并且刚好不超过原始像素值。只需加上N/2,就得到相邻的N倍数之间的中间值。对所有的8位通道值重复这个过程,就会得到(256/N)*(256/N)*(256/N)种可能的颜色值。
如何实现
减色函数签名如下:
void colorRefuce(cv::Mat image,int div=64);
用户提供图像以及每个颜色通道的减色因子。函数直接修改了输入图像的像素值。
void colorReduce(cv::Mat image, int div=64) {
int nl= image.rows; // 行数
// 每行的元素数量
int nc= image.cols * image.channels();
for (int j=0; j<nl; j++) {
// 取得行j的地址
uchar* data= image.ptr<uchar>(j);
for (int i=0; i<nc; i++) {
// 处理每个像素 ---------------------
data[i]=
data[i]/div*div + div/2;
// 像素处理结束 ----------------
} // 一行结束
}
}
可以用下面的代码片断测试整个函数:
// 读取图像
image= cv::imread("boldt.jpg");
// 处理图像
colorReduce(image,64);
// 显示图像
cv::namedWindow("Image");
cv::imshow("Image",image);
执行后得到下面的图像: