降低图像分辨率的几种方法

最新推荐文章于 2024-03-27 21:41:49 发布

梅津太郎

最新推荐文章于 2024-03-27 21:41:49 发布

阅读量1w

点赞数 1

分类专栏：图像处理

本文链接：https://blog.csdn.net/gaocui883/article/details/103242169

版权

图像处理专栏收录该内容

88 篇文章

订阅专栏

本文介绍了一种图像处理技术，通过五种不同的方法实现图像的颜色量化，即将图像中的颜色减少到特定数量，以达到图像压缩或风格化的效果。这些方法包括直接像素操作、指针法、位运算法、at函数法和向量vector法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#include<iostream>
#include <opencv2/opencv.hpp>


using namespace cv;
using namespace std;

void color_reduce(Mat& image, int x);
void colorReduce3(Mat& image, int div);//将一张图片的像素改为64x64
void colorReduce4(Mat& image, int div);
void colorReduce5(Mat& image, int div);
int main()
{
	Mat image = imread("大教堂.jpg");
	resize(image,image,Size(),0.4,0.4);
	colorReduce5(image,64);

	imshow("结果",image);

	waitKey(0);
	return 0;
}



//方法1
void colorReduce1(Mat& image, int div = 64)//将一张图片的像素改为64x64
{
	//大体思路：将图片中的每个像素的值改为其像素空间中，256/64大小方格中的中间的值。
	int n1 = image.rows;//图片的行数。
	int nc = image.cols * image.channels(); //列数乘以图片的通道值。//因为rgb是逐行连续存储的。r   g    b  
	for (int j = 0; j < n1; j++)
	{
		uchar* data = image.ptr<uchar>(j);//取图片第j行的首个像素点
		for (int i = 0; i < nc; i++)
		{
			data[i] = data[i] / div * div + div / 2;//将此像素值改为其方格中间的像素值。

		}

	}
}

//方法2 指针法
void colorReduce2(Mat& image, int div = 64)
{

	int nl = image.rows;
	int nc = image.cols*image.channels();
	for (int i = 0; i < nl; ++i)
	{
		uchar* p = image.ptr<uchar>(i);
		for (int j = 0; j < nc; ++j)
		{
			p[j] = p[j] / div * div + div / 2;


		}

	}

}

//方法3 位运算法。
void colorReduce3(Mat& image, int div = 64)
{
	//由256到64就是位左移动6位。
	int nl = image.rows;
	int nc = image.cols * image.channels();
	int n = 0xff << static_cast<int>(log(static_cast<double>(div)) / log(2.0));//0xff代表了256  
	for (int i = 0; i < nl; ++i)
	{
		uchar* p = image.ptr<uchar>(i);
		for (int j = 0; j < nc; j++)
		{
			p[j] = p[j] & n + div / 2;

		}
	


	}




}


//方法3 at（）函数法
void colorReduce4(Mat& image, int div = 64)
{
	int nl = image.rows;
	int nc = image.cols;
	for(int i=0;i<nl;i++)
		for (int j = 0; j < nc; j++)
		{
			image.at<uchar>(i, j) = image.at<uchar>(i, j) / div * div + div / 2;
         }

}


//方法4 向量vector法。
void colorReduce5(Mat& image, int div = 64)
{
	Mat_<Vec3b>::iterator it = image.begin<Vec3b>();
	for (; it != image.end<Vec3b>(); ++it)
	{
		(*it)[0] = saturate_cast<uchar>(((*it)[0]) / div * div + div / 2);
		(*it)[1] = saturate_cast<uchar>(((*it)[1]) / div * div + div / 2);
		(*it)[2] = saturate_cast<uchar>(((*it)[2]) / div * div + div / 2);
		


	}

}