以减少图像中颜色数量为例子。假设图像为256种颜色,将它变成64中颜色,
只需要将原来的颜色除以div = 4以后再乘以div = 4,最后加上div / 2就可以实现该操作。
at方法:cv::Mat中的at(x,y)函数模版用来操作指定位置的矩阵元素,在使用时需要指定函数返回的数据类型。
image.at(i,j) = 255;
iamge.atcv:Vec3b(i,j)[channel] = value;
提示:OpenCV中的彩色图像的通道排列不是RGB,而是BGR,所以outputImage.at(i,j)[0]代表的是该点的B分量。
#include
#include
#include
using namespace cv;
using namespace std;
void colorReduce(Mat&intputImage,Mat&outputImage,int div){
outputImage = intputImage.clone();
int rows = intputImage.rows;
int cols = intputImage.cols;
//循环遍历图像中的元素
for(int i = 0 ; i < rows; i++){
for(int j = 0; j < cols; j++){
outputImage.at<Vec3b>(i,j)[0] = outputImage.at<Vec3b>(i,j)[0] / div * div + div / 2;
outputImage.at<Vec3b>(i,j)[1] = outputImage.at<Vec3b>(i,j)[1] / div * div + div / 2;
outputImage.at<Vec3b>(i,j)[2] = outputImage.at<Vec3b>(i,j)[2] / div * div + div / 2;
}
}
}
类似于STL库中的用法,熟悉C++的读者应该对于STL库比较清楚。这里同样可以使用迭代器访问图像中的像素。
//和上面同样的例子(减少图像中的像素)
void colorReduce(Mat&inputImage,Mat&outputImage,int div){
outputImage = inputImage.clone();
//模版指定类型(方法一)
Mat_<Vec3b>::iterator it = inputImage.begin<Vec3b>();
Mat_<Vec3b>::iterator itend = inputImage.end<Vec3b>();
//方法二:指明cimage类型的方法之后,就可以不写begin和end的类型
Mat_<Vec3b>cimage = outputImage;
Mat_<Vec3b>::iterator itout = cimage.begin();
Mat_<Vec3b>::iterator itoutend = cimage.end();
for(;it != itend; itout ++,it ++){
(*itout)[0] = (*it)[0] / div * div + div / 2;
(*itout)[1] = (*it)[1] / div * div + div / 2;
(*itout)[2] = (*it)[2] / div * div + div / 2;
}
// Mat_::iterator it = outputImage.begin();
// Mat_::iterator itend = outputImage.end();
// for(;it != itend; it ++){
// (*it)[0] = (*it)[0] / div * div + div / 2;
// (*it)[1] = (*it)[1] / div * div + div / 2;
// (*it)[2] = (*it)[2] / div * div + div / 2;
// }
}
cv::Mat提供了一个prt(int i)函数模版以获取指定行数据的首地址。使用prt(int i)函数返回指定的数据类型。
//和上面同样的例子(减少图像中的像素)
void colorReduce(Mat&inputImage,Mat&outputImage,int div){
outputImage = inputImage.clone();
int rows = outputImage.rows;
int cols = outputImage.cols * outputImage.channels();
for(int i = 0; i < rows; i++){
uchar*data = inputImage.ptr<uchar>(i);
uchar*dataout = outputImage.ptr<uchar>(i);
for(int j = 0; j < cols; j++){
dataout[j] = dataout[j] / div * div + div / 2;
}
}
}
通常若图像的宽度占有的字节数不是4或者8的整数倍时,会在每一行进行数据补齐。
然而,若图像再行上不需要进行数据补齐,则一幅图像可以看作是一个一维数组,cv::Mat类提供的一个isContinuous函数以检测图像是否采用数据补齐,若没有采用数据补齐,则返回true.
void colorReduce(Mat&inputImage,Mat&outputImage,int div){
outputImage = inputImage.clone();
int rows = outputImage.rows;
int cols = outputImage.cols * outputImage.channels();
if(outputImage.isContinuous()){
cols = cols * rows;
rows = 1;//1维数组
cout<<"没有进行数据补齐"<<endl;
}
for(int i = 0; i < rows; i++){
uchar*data = inputImage.ptr<uchar>(i);
uchar*dataout = outputImage.ptr<uchar>(i);
for(int j = 0; j < cols; j++){
dataout[j] = dataout[j] / div * div + div / 2;
}
}
}
cv::Mat类data属性是一个指向数据区的无符号型指针,所以可以采用下面的方式实现指向数据区的操作:
uchar*data = image.data; 将指针移动至下一行的操作: data += image.step;
对于第j行第i列的像素,获取地址方式: data = image.data + j * image.step + i
*image.elemSize();
void colorReduce(Mat&inputImage,Mat&outputImage,int div){
outputImage = inputImage.clone();
int rows = outputImage.rows;
int cols = outputImage.cols;
uchar*dataout = outputImage.data;
for(int i = 0; i < rows; i++){
for(int j = 0; j < cols; j++){
*dataout = *dataout / div * div + div / 2;
dataout++;//指向下一个像素点的值
}
}
}
对于整行或者整列像素值的赋值方式如下:
img.row(i).setTo(Scalar(255));//Scalar表示标量的意思
img.col(j).setTo(Scalar(255));