图像处理之简化色彩(含OpenCV代码)

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：