这里写图片描述

1、图像的存储方式

图像矩阵的大小取决于所用的颜色模型，确切的说取决于所用通道数。

灰度图像模型的矩阵排列
灰度图像按行列存储，每列仅含一个通道。

RGB颜色模型的矩阵排列
对于多通道图像，矩阵中的列会包含多个子列，子列个数与通道数相等。子列的通道顺序是反过来的BGR。
因为内存足够大，图像的每一行是连续存放的，也就是在内存上图像的所有数据存放成一行。有助于提升图像扫描速度。

2、颜色空间缩减

颜色空间缩减：将现有颜色空间值初一某个输入值，以获得较少的颜色数。

例如uchar类型的三通道图像，有256*256*256个不同的值。使用公式将颜色取值降低为26*26*26种情况。

I n e w = (I o l d 10) \times 10

$I_{new} = \left(\frac{I_{old}}{10}\right)\times10$
处理图像时每个像素需要进行一遍上述计算，要花费一定的时间。可以把计算好的结果提前存在表table中。取值方法 P[j] = table[P[j]]。

颜色空间缩减的两个步骤：

遍历图像矩阵的每一个像素。
对像素应用缩减公式。

运算时尽可能用代价较低的加、减、赋值等运算代替乘除运算。

3、LUT函数

对于Look up table操作，官方推荐使用operationsOnArrays::LUT()的函数进行图像元素查找、扫描与操作图像。

//建立一个Mat型用于查表
Mat lookUpTable(1, 256, CV_8U);
uchar *p = lookUpTable.data;
for (int i = 0; i < 256; ++i)
    p[i] = table[i];
//调用函数（I是输入，J是输出）
for (int i = 0; i < times; ++i)
    LUT(I, lookUpTable, J);

4、计时函数

计时函数：getTickCount()和getTickFrequency()。
getTickCount()函数返回CPU自某个事件以来走过的时钟周期数。
getTickFrequency()函数返回CPU一秒钟所走的时钟周期数。

double time0 = static_cast<double>(getTickCount());        //记录起始时间
//进行图像处理操作
time0 = ((double)getTickCount() - time0) / getTickFrequency();

5、访问像素的方法

OpenCV提供三种访问每个像素的方法：

指针访问：C操作符[]；
迭代器iterator。
动态地址计算

debug模式下，三种方法访问速度差异明显，release模式下不明显。

主程序代码：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void colorReduce(Mat& inputImage, Mat& outputImage, int div);

int main()
{
    //1.创建原始图并显示
    Mat srcImage = imread("1.jpg");
    imshow("原始图像", srcImage);

    //2.按原始图的参数规格来创建效果图
    Mat dstImage;
    dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());         //效果图大小、类型与原图片相同

    //3.记录起始时间
    double time0 = static_cast<double>(getTickCount());

    //4.调用颜色空间缩减函数
    colorReduce(srcImage, dstImage, 4);

    //5.计算运行时间并输出
    time0 = ((double)getTickCount() - time0) / getTickFrequency();
    cout << "此方法运行时间为： " << time0 << "秒" << endl;

    //6.显示效果图
    imshow("效果图", dstImage);
    waitKey(0);
}

5.1 用指针访问像素

函数代码：

void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
    //参数准备
    outputImage = inputImage.clone();                                   //复制实参到临时变量
    int rowNumber = outputImage.rows;                                   //行数
    int colNumber = outputImage.cols * outputImage.channels();          //列数*通道数=每一行元素的个数

    //双重循环，遍历所有的像素值
    for (int i = 0; i < rowNumber; i++) {
        uchar *data = outputImage.ptr<uchar>(i);                        //获取第i行的首地址
        for (int j = 0; j < colNumber; j++) {
            //处理每个像素
            data[j] = data[j] / div * div + div / 2;
        }
    }
}

运行结果：
这里写图片描述

5.2 迭代器操作像素

获取图像的begin和end，然后增加迭代直至从begin到end。将*操作符添加在迭代指针前，即可访问当前指向的内容。
相比用指针直接访问可能出现越界问题，迭代器是非常安全的方法。

函数代码：

void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
    //参数准备
    outputImage = inputImage.clone();                                   //复制实参到临时变量
    //获取迭代器
    //8U 类型的 RGB 彩色图像可使用<Vec3b>
    Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();              //初始位置的迭代器
    Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();             //终止位置的迭代器

    //存取彩色图像像素
    for (; it != itend; it++) {
        //处理每个像素
        (*it)[0] = (*it)[0] / div * div + div / 2;
        (*it)[1] = (*it)[1] / div * div + div / 2;
        (*it)[2] = (*it)[2] / div * div + div / 2;
    }
}

运行结果：
这里写图片描述

迭代器的相关知识可以使用关键字“STL 迭代器”进行搜索。

5.3 动态地址计算