在大多数图像处理中,为了计算,往往需要遍历图像的所有像素,高效地遍历方法是非常重要的
第一种:指针法
例子:减少图像中的颜色数目
如将256x256x256的颜色数目减到32x32x32 原始图像中的每个颜色都替换为它所在格子的中心对应的颜色。
只要遍历图像中每个像素的每一个通道,将其值除以N(这里是8,用整除)。
#include "stdafx.h"
#include "opencv/cv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/features2d/features2d.hpp"
#include <math.h>
#include <iostream>
using namespace cv;
using namespace std;
//void colorReduce(Mat &image,int div=64);
void colorReduce(Mat &image,int div=64)
{
int nl=image.rows; //行
int nc=image.cols*image.channels();//每行的像素值
for(int j=0;j<nl;j++){
//得到第j行的首地址
uchar* data = image.ptr<uchar>(j);
for(int i=0;i<nc;i++){
//处理每一个像素
data[i]=data[i]/div*div+div/2;
}
}
}
int main()
{
Mat image= cv::imread("imL.png");
colorReduce(image);
cv::namedWindow("Image");
cv::imshow("Image",image);
waitKey(0);
return 0;
}
效果如下:
如果要保持源图像不变,我们则需要复制一份图像进行处理,可以使用:
cv::Mat imageClone =image.clone();
那么imageClone就成为一份原图的复制品
因为本文不探究C++编程中比较专业的方法,所以底层的指针运算暂不讨论(含迭代器),这些方法可以加快算法的速度,有兴趣可以自己查阅。附上迭代器的方法:
void colorReduce(cv::Mat &image,int div=64){
//初始位置
cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
//终止位置
cv::Mat_<cv::Vec3b>::iterator itend=image.end<cv::Vec3b>();
for(;it!=itend;++it){
(*it)[0]=(*it)[0]/div*div+div/2;
(*it)[1]=(*it)[0]/div*div+div/2;
(*it)[2]=(*it)[0]/div*div+div/2;
}
}
程序均手打测试,绝对可用!