opencv学习笔记（2）----颜色缩减（使用指针遍历图像）

本文链接：https://blog.youkuaiyun.com/mir_age/article/details/72588266

本文介绍了一种通过降低图像颜色数量来减少图像处理复杂度的方法。该方法通过将RGB颜色空间划分成若干个相等的区域，并将每个颜色映射到其所在区域的中心颜色上，从而实现颜色量化。此外还介绍了OpenCV中处理图像填充和连续性的相关知识点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

知识点

彩色图像由三个通道组成，由于每个强度值都是用一个8位的unsigned uchar表示，所以全部的可能颜色数目为256*256*256。有时为了降低复杂度，需要降低颜色数量
原理如下：将RGB空间分为大小相等的格子，将每个颜色维度降为原来的1/N ;原始图像中的每个颜色都替换为它所在的格子的中心对应的颜色。
算法：对于每个通道，其值除以N（整数除法，舍去余数），然后再乘以N，就得到256/N×256/N×256/N个颜色值
如果行的长度是4或8的倍数，处理芯片可以更高效的处理图像，因此出于相率的考虑，每行会填补一些额外像素；额外像素不会被保存显示或保存，填补的值将被忽略。opencv将填补后一行的长度指定为关键字（cols），step代表以字节为单位的图像的有效宽度
让用户选择是否采用In-place的处理方式
使用create（）函数创建与原图尺寸和类型相同的矩阵（内存连续的）
7.用isContinuous（）函数判断图像是否进行了填补

代码

void colorReduce(const Mat &image,Mat &result, int div){
    int n1 = image.rows;    //行数
    int nc = image.cols * image.channels();  //每行的元素个数
    if (image.isContinuous())
    {
        //没有额外的填补像素
        nc = nc * n1;
        n1 = 1; //it is a 1D array
        //image.reshape(1, image.cols*image.rows);           //也可以用reshape改写
    }
    //对于连续图像，本循环只执行1次
    for (int j = 0; j < n1; j++)
    {
        //得到第j行的首地址
        const uchar* data_in = image.ptr<uchar>(j);
        uchar* data_out = result.ptr<uchar>(j);
        for (int i = 0; i < nc; i++)
        {
            data_out[i] = data_in[i] / div*div + div/2;
        }
    }
}