前言
开局一张图,内容全靠编。
简介
彩色图像由三通道像素组成,每个通道表示红、绿、蓝三原色中一种颜色的亮度值,每个数值都是 8 位无符号字符类型,因此颜色总数为 256×256×256,超过 1600 万种颜色。因此,为了降低分析的复杂性,有时需要减少图像中颜色的数量。一种实现方法是把 RGB 空间细分到大小相等的方块中。例如,如果把每种颜色数量减少到 1/8,那么颜色总数就变为 32×32×32。将旧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。
函数声明
void colorReduce(cv::Mat, int);
函数定义
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; //整数除法
/*data[i] = data[i] - data[i] % div + div / 2;*/ //取模运算符
// 像素处理结束 ----------------
} // 一行结束
}
}
实现原理
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值除以 N(这里假定使用整数除法,不保留余数)。然后将结果乘以 N,得到 N 的倍数,并且刚好不超过原始像素值。加上 N / 2,就得到相邻的 N 倍数之间的中间值。对所有 3 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。
测试代码:
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
void colorReduce(cv::Mat, int);
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; //整数除法
//data[i] = data[i] - data[i] % div + div / 2;
//减色计算也可以使用取模运算符,它可以直接得到 div 的倍数
// 像素处理结束 ----------------
} // 一行结束
}
}
int main()
{
cv::Mat image;
// 读取图像
image = cv::imread("test.bmp");
if (image.empty())
{
// 错误处理
// 未创建图像……
// 可能显示一个错误消息
// 并退出程序
std::cout << "no image!\n";
}
else
{
// 处理图像
colorReduce(image, 64);
// 显示图像
cv::namedWindow("Image");
cv::imshow("Image", image);
cv::waitKey(0);
}
system("pause");
return 0;
}
测试结果:
原图:
处理后图片:
OpenCV 默认的通道次序为 BGR。