任何图像处理算法,都是从操作每个像素开始的。即使我们不会使用OpenCV提供的各种图像处理函数,只要了解了图像处理算法的基本原理,也可以写出具有相同功能的程序。
【方法一】
【方法二 】
【方法三】
【图像颜色缩减】实例:
//头文件,命名空间部分
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
using namespace std;
using namespace cv;
//全局函数声明部分
void colorReduce(Mat& inputImage, Mat& outputImage, int div);
//main函数
int main() {
//创建原始图并显示
Mat srcImage = imread("1.jpg");
imshow("原始图像", srcImage);
//按原始图的参数和规格来创建效果图
Mat dstImage;
dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());//效果图大小、类型与原始图相同
//记录起始时间
double time0 = static_cast<double>(getTickCount());
//调用颜色空间缩减函数
colorReduce(srcImage, dstImage, 32);
//计算运行时间并输出
time0 = ((double)getTickCount() - time0) / getTickFrequency();//时钟震荡次数 / 频率 = 秒数
cout << "此方法运行时间为:" << time0 << "秒" << endl;//输出运行时间
//显示效果图
imshow("效果图", dstImage);
waitKey(0);
}
//【方法一】用指针访问像素,利用C语言中的[]操作符,这种方法最快,但是有点抽象
void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
//参数准备
outputImage = inputImage.clone();//复制实参到临时变量
int rowNumber = outputImage.rows;//行数,注意不是.rows()
int colNumber = outputImage.cols*outputImage.channels();//列数×通道数=每一元素的个数
//双重循环,遍历所有像素值
for (int i = 0; i < rowNumber; i++) {//行循环
uchar* data = outputImage.ptr<uchar>(i);//获取第i行的首地址
for (int j = 0; j < colNumber; j++) {//列循环、处理第i行的每个像素
//-------------【开始处理每个像素】-------------------
data[j] = data[j] / div * div + div / 2;
//-------------【处理结束】---------------------------
}
}
}
/*Mat类有若干成员函数可以获取图像属性,共有成员变量rows和cols获取图像高和宽,成员函数channels()
用于返回图像的通道数,灰度图像的通道数为1,彩色图像的通道数为3
为了简化运算,Mat类提供了ptr函数可以得到图像任意行的首地址。ptr是一个模板函数,它返回第i行的首地址*/
//【方法二】用迭代器操作像素,与STL库的用法类似
//在迭代法中,我们仅仅获得图形矩阵的begin和end,然后增加迭代直至从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越界问题,迭代器绝对是非常安全的方法
/*
void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
//参数准备
outputImage = inputImage.clone();//复制参数到临时变量
//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>();//终止位置迭代器
//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 + div / 2;
(*it)[1] = (*it)[1] / div * div + div / 2;
(*it)[2] = (*it)[2] / div * div + div / 2;
//处理结束
}
}
//【方法三】动态地址计算
//下面是动态地址运算配合at方法的colorReduce函数的代码,这种方法简单明了,符合大家对像素的直观认识
void colorReduce(Mat& inputImage,Mat& outputImage,int div) {
//参数准备
outputImage = inputImage.clone();//复制实参到临时变量
int rowNumber = outputImage.rows;
int colNumber = outputImage.cols;
//存取彩色图像像素
for (int i = 0; i < rowNumber; i++) {
for (int j = 0; j < colNumber; j++) {
//开始处理每个像素
outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div * div + div / 2;//蓝色通道
outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div * div + div / 2;//绿色通道
outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div * div + div / 2;//红色通道
//处理结束
}
}
}
//Mat类中的成员函数at(int x,int y)可以用来存取图像元素,但是必须在编译期知道图像的类型
//确保指定的数据类型要和矩阵中的数据类型相符合,因为at方法本身不会对任何数据类型进行转换
*/
【效果图】: