为什么要使用颜色缩减
在对单通道图像进行处理时，像素的可能值为256个，但处理多通道时，像素的处理就会相当麻烦，其实用这些颜色中具有代表性的一小部分就可以达到同样的效果，所以颜色空间缩减就可以派上用场了。一个信道（channel）有256个不同的值（2^8=256），但是如果使用的是GRB方案，三个channel的话，颜色的数量就会变为256256256，大概是16个million这么多，这么多的颜色数量，对于计算机来说仍然是一个负担，所以可以想一些方法来降低这些色彩数量。
颜色缩减简单原理
公式：I_new = (I_old/10)*10; //利用int类型向下取整的特点
代码：
/******************************颜色空间缩减*******************************************/
//颜色空间缩减：将现有的颜色空间值除以某个输入值，以获得较少的颜色数，比如：颜色值0-9->0,10-19->10，以此类推
//公式：I_new = (I_old/10)*10; //利用int类型向下取整的特点
//可以将256种计算结果存入表table中
/*
int divdeWith = 10;
uchar table[256];
for(int i=0;i<256;++i)
{
table[i]= divdeWith * (i/divdeWith); //table[i]存放的是值为i的像素缩小颜色空间的结果
}
p[j]=table[p[j]];
算法步骤：
1、遍历图像矩阵的每一个像素
2、对像素应用上述公式
*/
/************************通过指针、迭代器、动态地址访问元素 进行颜色缩减****************************************/
/*
访问像素的三种方法：
1、指针访问：C操作符[];
2、迭代器 ：iterator
3、动态地址计算
*/
//-----------------------------------------------颜色缩减函数------------------------------------------------
void colorReduce(Mat& inputImage,Mat& outputImage,int div,int type);
//-----------------------------------------------主函数------------------------------------------------
int main()
{
Mat srcImage = imread("D:\\opencv_picture_test\\miku2.jpg", 2 | 4);
namedWindow("原始图", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口
imshow("原始图", srcImage);
Mat dstImage;
dstImage.create(srcImage.rows, srcImage.cols, srcImage.type()); //大小类型和原图一样
double time0 = static_cast<double>(getTickCount()); //记录起始时间
//颜色缩减
colorReduce(srcImage, dstImage,128,3);
//一系列处理之后
time0 = ((double)getTickCount() - time0) / getTickFrequency();
cout << "此方法运行时间为：" << time0 << "秒" << endl; //输出运行时间
namedWindow("效果图", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口
imshow("效果图", dstImage);
imwrite("D:\\opencv_picture_test\\miku5.jpg", dstImage);
waitKey(0);
return 0;
}
//-----------------------------------------------colorReduce()函数------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div, int type)
{
//描述：使用指针访问 ，很好理解，和C类似
if (type == 1)
{
outputImage = inputImage.clone(); //因为我们需要进行处理时不对原图像产生影响，所以这里使用深复制
int row_num = outputImage.rows; //行数
int col_num = outputImage.cols * outputImage.channels(); //列数*通道数 = 每一行元素的个数 灰度图通道数为1，彩色的为3
//双重循环，遍历所有像素值
for (int i = 0;i < row_num;i++) //行循环
{
uchar* data = outputImage.ptr<uchar>(i); //获取第i行的首地址
for (int j = 0;j < col_num;j++) //列循环
{
data[j] = data[j] / div * div; //颜色缩减，也可以是其他的一些处理
}
}
}
//描述：使用迭代器访问
/*
我们仅仅需要获得图像矩阵的begin和end，然后增加迭代直至begin到end。将*操作符添加在迭代指针前，即可访问当前指向的内容，
相比用指针直接访问可能出现的越界问题，迭代器绝对是非常安全的
*/
else if (type == 2)
{
outputImage = inputImage.clone(); //因为我们需要进行处理时不对原图像产生影响，所以这里使用深复制
//获取迭代器
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //初始位置的迭代器
Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>(); //初始位置的迭代器
//存取彩色图像像素
for (;it != itend;++it)
{
//-------【开始处理每个像素】---------------
(*it)[0] = (*it)[0] / div * div;
(*it)[1] = (*it)[1] / div * div;
(*it)[2] = (*it)[2] / div * div;
//-------【处理结束】---------------
}
}
//描述：使用动态地址运算配合at访问
else
{
outputImage = inputImage.clone(); //因为我们需要进行处理时不对原图像产生影响，所以这里使用深复制
int row_num = outputImage.rows; //行数
int col_num = outputImage.cols ; //列数
//双重循环，遍历所有像素值
for (int i = 0;i < row_num;i++) //行循环
{
for (int j = 0;j < col_num;j++) //列循环
{
//-------【开始处理每个像素】---------------
outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div * div; //B通道
outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div * div; //G通道
outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div * div; //R通道
//-------【处理结束】---------------
}
}
/*
讲解：成员函数at(int y,int x)可以用来存取图像元素，但在编译时需要知道图像的数据类型，at方法本身不会对任何数据类型进行转化，十分重要！！！
存取彩色图像的代码可以写成如下形式：
image.at<Vec3b>(j,i)[channel] =value;
opencv彩色图像的顺序存储是按照BGR不是RGB！！！！
*/
}
}
/****************************************************************/
处理效果：
