一、 基础知识
(1) 将一幅图像视为一个二维函数f(x,y)，以左上角为原点，x代表横轴，y代表纵轴。
(2) 图像分类：
二值图像：每个像素只有黑，白两种颜色。像素只有0和1两种取值，一般用0表示黑色，1表示白色。
灰度图像：在二值图像中，进一步加入许多介于黑白之间的颜色深度，就是灰度。每种灰度对应一个级别，通常用L表示。
RGB图像：通常将红色分为256个级别，绿色和蓝色也是一样。因此总共可以表达256*256*256种颜色。因为0~255的二进制表示为：0000 0000 ~ 1111 1111，因此需要8位才能表示一个颜色级别，而实际颜色是3原色混合的，因此通常需要24位组合成一个颜色。
例如下表：
红色0xFF0000蓝色0x00FF00绿色0x0000FF黄色0xFFFF00紫色0xFF00FF白色0xFFFFFF黑色0x000000
索引图像：如果每个像素都是24位，即3个字节来表示，图像文件巨大。例如一个200*200像素的图像，用RGB分量表示每个像素，那么图像大小=200*200*3(Byte)=120KB。假设这张图片只有16种颜色，那么每个像素只保存颜色的索引，这样就只需要4位，即0.5个字节来表示每个像素颜色，整个图像大小变为200*200*0.5=20KB，存储空间减小，而不会影响图片质量。
这就是常说的调色板（Palette），windows位图中应用到了调色板技术。
(3) 图像的空间分辨率
分辨率是指图像中每单位长度所包含的像素的数目。
例如72ppi表示图像中每英寸包含72个像素。
(4) 灰阶或者色阶
就是前面提到的灰度图的灰度级数L。
二、 读取图片的3通道
代码如下：
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <vector>
#include <stdio.h>
using namespace std;
using namespace cv;
/** @函数 main */
// /mnt/hgfs/code_for_Linux/code_opencv/test1/pic
int main( int argc, char** argv )
{
Mat src;
src = imread("/mnt/hgfs/code_for_Linux/code_opencv/test1/pic/2.jpg");
imshow("原图", src);
std::vector<Mat> channels;
Mat aChannels[3];
//src为要分离的Mat对象
split(src, aChannels); //利用数组分离
split(src, channels); //利用vector对象分离
imshow("B",channels[0]);
imshow("G",channels[1]);
imshow("R",channels[2]);
waitKey(0);
return 0;
}
效果如下图所示：【原图】--【Blue】--【Green】--【Red】
可以明显的看出，不同的通道，显示的东西是有区别的！
三、 imread
（1）功能：
读取一幅图像
（2）函数的声明格式：
Mat imread( const string& filename,int flags=1 );
（3）参数说明：
filename : 被读取的图像的名字
flags ： 说明读取图像的数据类型
如果flags>0 , 那么是把图像加载成3通道的彩色图像（注意：默认被加载成了一副彩色图像）
如果flags=0,那么把图像加载成灰度图（单通道的图像）
如果flags<0,那么如果图像本身是彩色图，就加载成彩色图，如果图像本身是灰度图就加载成灰度图。
如果图像加载失败，那么imread会返回一个空矩阵(Mat::data == NULL)。
四、 遍历一张图的所有像素
代码例子如下：
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <vector>
#include <stdio.h>
using namespace std;
using namespace cv;
/** @函数 main */
// /mnt/hgfs/code_for_Linux/code_opencv/test1/pic
void colorReduce(Mat& image, int div)
{
for(int i=0;i<image.rows;i++)
{
for(int j=0;j<image.cols;j++)
{
image.at<Vec3b>(i,j)[0]=image.at<Vec3b>(i,j)[0]/div*div+div/2;
image.at<Vec3b>(i,j)[1]=image.at<Vec3b>(i,j)[1]/div*div+div/2;
image.at<Vec3b>(i,j)[2]=image.at<Vec3b>(i,j)[2]/div*div+div/2;
}
}
}
int main( int argc, char** argv )
{
Mat src, dst;
src = imread("/mnt/hgfs/code_for_Linux/code_opencv/test1/pic/2.jpg");
imshow("原图", src);
colorReduce(src, 64);
imshow("处理后的图", src);
waitKey(0);
return 0;
}
效果如下：
很明显，通过计算，操作了像素值，使得整个图片的效果下降了很多。
在很多博客里面，这叫 ： colorReduce
