图像处理之简化色彩(含OpenCV代码)
2017-03-11 21:50
781 查看
简化色彩的用处:当待检索的图像与图像库中的图像在颜色撒谎能够存在一定的色彩差异时,系统能自动忽略在一定范围内的色彩差异,将在一定色彩差异范围内的图像划分为同一组,使其具有相同(相近)的特征值。
可以将颜色减少为8种,15种,64种不同的等级。
经过灰度化,当前色彩是256级,即每一个像素的值可能是0~255,经过简化色彩后,图像的灰度级可固定在一个更小的范围,如8级。
代码如下图所示:
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <stdio.h>
using namespace cv;
int main()
{
Mat srcImage = imread("1.jpg");
int mm=8, nn=8;//mm,nn为缩小后图像的大小。
int cc=64; //cc为图像简化色彩后的灰度级数。
int t[8 * 8];
namedWindow("原图");
imshow("原图", srcImage);
cvtColor(srcImage, srcImage, CV_BGR2GRAY); //图像化为灰度
namedWindow("灰度原图");
imshow("灰度原图", srcImage);
cv::Size dsize = Size(mm, nn);
cv::resize(srcImage, srcImage,dsize);
namedWindow("灰度缩小");
imshow("灰度缩小", srcImage);
Mat Feature(mm, nn, CV_32SC1, Scalar::all(0));
int i, j;
int M = srcImage.rows;
int N = srcImage.cols;
for (i = 0; i<M; i++)
for (j = 0; j<N; j++)
{
Feature.at<int>(i / (M / mm), j / (N / nn)) = Feature.at<int>(i / (M / mm), j / (N / nn)) + srcImage.at<uchar>(i, j);
// Feature.at<uchar>(i/(M/8),j/(N/8))+=m.at<uchar>(i,j);
}
//测试:看看缩小后,图像里面的每个像素值是多少:
for(i=0;i<mm;i++)
for (j = 0; j < nn; j++)
printf_s("缩小后,图像里面的每个像素值(%d,%d)%d \n", mm, nn, Feature.at<int>(i, j));
printf_s("end\n");
//简化色彩。当前灰度级为8位,即256色,将其处理为cc色。
//这里设置cc=64
for (i = 0; i<mm; i++)
for (j = 0; j<nn; j++)
Feature.at<int>(i, j) /= (256 / cc);
//测试:看看简化色彩后,图像内里面的每个像素值是多少:
for(i=0;i<mm;i++)
for (j = 0; j < nn; j++)
printf_s("简化色彩后,图像内里面的每个像素值是多少(%d,%d):%d \n", mm, nn, Feature.at<int>(i, j));
//第3步:计算图像的平均值。
double sum, aver;
sum = 0;
for (i = 0; i<mm; i++)
for (j = 0; j<nn; j++)
sum += Feature.at<int>(i, j);
aver = sum / (mm*nn);
printf_s("sum=%lf,aver=%lf",sum,aver);
waitKey();
return 0;
}运行结果如下:
可以将颜色减少为8种,15种,64种不同的等级。
经过灰度化,当前色彩是256级,即每一个像素的值可能是0~255,经过简化色彩后,图像的灰度级可固定在一个更小的范围,如8级。
代码如下图所示:
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <stdio.h>
using namespace cv;
int main()
{
Mat srcImage = imread("1.jpg");
int mm=8, nn=8;//mm,nn为缩小后图像的大小。
int cc=64; //cc为图像简化色彩后的灰度级数。
int t[8 * 8];
namedWindow("原图");
imshow("原图", srcImage);
cvtColor(srcImage, srcImage, CV_BGR2GRAY); //图像化为灰度
namedWindow("灰度原图");
imshow("灰度原图", srcImage);
cv::Size dsize = Size(mm, nn);
cv::resize(srcImage, srcImage,dsize);
namedWindow("灰度缩小");
imshow("灰度缩小", srcImage);
Mat Feature(mm, nn, CV_32SC1, Scalar::all(0));
int i, j;
int M = srcImage.rows;
int N = srcImage.cols;
for (i = 0; i<M; i++)
for (j = 0; j<N; j++)
{
Feature.at<int>(i / (M / mm), j / (N / nn)) = Feature.at<int>(i / (M / mm), j / (N / nn)) + srcImage.at<uchar>(i, j);
// Feature.at<uchar>(i/(M/8),j/(N/8))+=m.at<uchar>(i,j);
}
//测试:看看缩小后,图像里面的每个像素值是多少:
for(i=0;i<mm;i++)
for (j = 0; j < nn; j++)
printf_s("缩小后,图像里面的每个像素值(%d,%d)%d \n", mm, nn, Feature.at<int>(i, j));
printf_s("end\n");
//简化色彩。当前灰度级为8位,即256色,将其处理为cc色。
//这里设置cc=64
for (i = 0; i<mm; i++)
for (j = 0; j<nn; j++)
Feature.at<int>(i, j) /= (256 / cc);
//测试:看看简化色彩后,图像内里面的每个像素值是多少:
for(i=0;i<mm;i++)
for (j = 0; j < nn; j++)
printf_s("简化色彩后,图像内里面的每个像素值是多少(%d,%d):%d \n", mm, nn, Feature.at<int>(i, j));
//第3步:计算图像的平均值。
double sum, aver;
sum = 0;
for (i = 0; i<mm; i++)
for (j = 0; j<nn; j++)
sum += Feature.at<int>(i, j);
aver = sum / (mm*nn);
printf_s("sum=%lf,aver=%lf",sum,aver);
waitKey();
return 0;
}运行结果如下:
相关文章推荐
- opencv图像处理常用完整示例代码总结
- Python3与OpenCV3.3 图像处理(二十二)--对象测量(纯代码)
- OpenCV+OCR 图像处理字符识别原理及代码
- Python3与OpenCV3.3 图像处理(四)--色彩空间
- opencv图像处理——形态学腐蚀膨胀练习示例代码
- opencv2实现n张图像拼接_stitcher具体之代码2(简化版)_计算机视觉大作业2
- 图像处理之其他杂项(五)之水平集 LevelSet 代码实现 opencv c++ (转载)
- 图像处理中的椭圆拟合(opencv)之看的论文的意思的代码
- 图像处理之其他杂项(一)之MeanShift的目标跟踪算法opencv c++代码 VS2015+opencv3.2
- 对比使用C# unsafe代码和OpenCV进行图像处理的效率(上)
- ROS学习笔记(2):在ROS中使用OpenCV进行简单的图像处理---代码实现篇
- Python3与OpenCV3.3 图像处理(二十六)--分水岭算法(纯代码)
- 收集的网络上大型的开源图像处理软件代码(提供下载链接)
- 关于图像采集卡采集到图像到内存后怎样用Opencv进行图像处理
- Delphi图像处理 -- 真彩色图像转换为低色彩图像
- opencv 图像处理
- OPENCV下针对IplImage实现图像增强处理
- opencv常用转换 opencv图像处理
- Camera 图像处理原理分析- 色彩篇 二
- 使用反射简化ajax中的处理代码(Java版)