OpenCV用指针扫描图像

OpenCV用指针扫描图像，在大多数图像处理任务中，执行计算时你都需要对图像的所有像素进行扫描。需要访问的像素数量非常庞大，因此你必须采用高效的方式来执行这个任务。

准备工作

为了说明图像扫描的过程，我们来做一个简单的任务：减少图像中颜色的数量。

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，即超过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。

因此，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8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。

如何实现

减色函数的签名如下：

void colorReduce(cv::Mat image, int div=64);

用户提供一幅图像和每个颜色通道的减色因子。这里的处理过程是就地进行的，也就是说，函数直接修改了输入图像的像素值。

处理过程很简单，只要创建一个二重循环遍历所有像素值，代码如下所示：

        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;

              // 像素处理结束 ----------------
            } // 一行结束
          }
        }

可以用下面的代码片段测试这个函数：

        // 读取图像
        image= cv::imread("boldt.jpg");
        // 处理图像
        colorReduce(image,64);
        // 显示图像
        cv::namedWindow("Image");
        cv::imshow("Image", image);

执行后得到下面的图像：