一、原理
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 位的无符号字符类型(uchar),因此颜色总数(number of colors,而是像素总数)为 :
256×256×256=2^24=16777216
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 32×32×3232×32×32。将旧图像中的每一个颜色值划分成一个方块,并将该方块的中间值作为新的颜色值。新图像使用新的颜色值,颜色数就减少了:
new=old//N×N+N/2
二、程序
#include <iostream>
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
/*
减色算法
*/
void colorReduce(Mat &image, int div=64)
{
int row = image.rows;
int col = image.cols * image.channels();
for (int i = 0; i < row; i++)
{
uchar *data = image.ptr<uchar>(i);
for (int j = 0; j < col; j++)
{
data[j] = data[j] / div * div + div / 2;
}
}
}
/*
椒盐噪声
@param n,为噪声个数
*/
void salt(Mat &image, int n)
{
for (int k = 0; k<n; k++)
{
int i = rand() % image.rows;
int j = rand() % image.cols;
if (image.channels() == 1)
{
image.at<uchar>(i, j) = 255;
}
else if (image.channels() == 3)
{
image.at<Vec3b>(i, j)[0] = 255;
image.at<Vec3b>(i, j)[1] = 255;
image.at<Vec3b>(i, j)[2] = 255;
}
}
}
/*
图像锐化
*/
void sharpen2D(Mat &image, Mat &result)
{
//构造核
Mat kernel(3, 3, CV_32F, Scalar(0));
//对核元素进行赋值
kernel.at<float>(1, 1) = 5.0;
kernel.at<float>(0, 1) = -1.0;
kernel.at<float>(2, 1) = -1.0;
kernel.at<float>(1, 0) = -1.0;
kernel.at<float>(1, 2) = -1.0;
filter2D(image, result, image.depth(), kernel);
}
int main()
{
Mat img = imread("test.jpg");
if (img.empty())
{
printf("Error: can't open picture!\n");
return -1;
}
imshow("in", img);
//减色处理
Mat dst = img.clone();
colorReduce(dst, 128);
imshow("减色处理", dst);
//椒盐噪声
Mat dst1 = img.clone();
salt(dst1, 1000);
imshow("椒盐噪声", dst1);
//图像锐化
Mat dst2 = img.clone();
Mat dst3;
sharpen2D(dst2, dst3);
imshow("图像锐化", dst3);
waitKey(0);
destroyAllWindows();
return 0;
}
三、测试数据
1.原图像
2. 减色算法 div等于64的处理结果
扫描二维码关注公众号,回复:
2262482 查看本文章
3.减色算法 div等于128的处理结果
4.椒盐噪声
5.图像锐化