前言
在大多数图像处理工作中，咱们须要扫描图像的所有像素能力执行计算，因为须要拜访大量像素，咱们必须以高效的办法进行扫描。本节咱们将介绍如何应用指针实现高效扫描图像的办法。咱们通过实现缩小图像中的色彩数量这一工作来阐明图像扫描过程。
用指针扫描图像
彩色图像由三通道像素组成，这些通道中的每一个都对应于红色、绿色和蓝色三种基色之一的强度值。因为这些像素值都是 8 位无符号字符，因而色彩总数为 256 x 256 x 256，超过 1600 万种色彩。因而，为了升高剖析的复杂性，缩小图像中色彩的数量通常是无效的。实现此指标的一种办法是将 RGB 空间细分为大小相等的立方体。例如，如果咱们将每个维度中的色彩数量缩小为原来的 1/8，那么能够失去共 32 x 32 x 32 种颜色。此时，原始图像中的每种色彩都会在新的色彩空间中调配一个新的色彩值，该值等于原始色彩值所属的立方体核心的值。
因而，根本的色调量化 (色调量化即为缩小图像中色彩数量的过程) 算法很简略。如果 N 是缩减因子，则对于图像中的每个像素和该像素的每个通道，将值除以 N (应用整数除法，舍弃余数)；而后，将后果乘以 N，此时取得的值与输出像素值之间的差值为 N 的倍数，而后，只需增加 N/2 即可取得 N 的两个相邻倍数间的核心地位。如果对每个 8 位通道值反复此过程，将取得共 256/N x 256/N x 256/N 个可能的色彩值。
1、增色函数的签名如下，函数须要提供图像和每个通道的缩减因子 div 作为参数：
void colorReduce(cv::Mat image, int div=64);此函数应用原地解决，即输出图像的像素值被函数批改。
2、只需创立一个遍历所有像素值的双循环即可实现解决。第一个循环扫描每一行，获取行图像数据的指针：
for (int j=0; j<image.rows; j++){
// 获取行的地址
uchar* data=image.ptr<uchar>(j);3、第二个循环遍历行指针的每一列，并应用上述办法缩小色彩：
for (int i=0; i<nc; i++){
// 解决每个像素
data[i] = data[i]/div*div + div/2
}
}通过加载图像并调用 colorReduce 函数来测试该函数：
// 读取图像
image= cv::imread("1.png");
// 解决图像
colorReduce(image,64);
// 展现图像
cv::namedWindow("Image");
cv::imshow("Image",image);编译并执行程序，能够失去以下后果：
在彩色图像中，图像数据缓冲区的前三个字节别离用于示意左上角像素的三色通道 (BGR 通道)；接下来的三个字节是第一行的第二个像素的三色通道值，依此类推。因而，宽度为 W、高度为 H 的图像须要 WxHx3uchars 的内存块。然而，出于效率起因，一行图像元素能够填充一些额定的像素，这是因为某些多媒体处理器芯片 (例如 Intel MMX 架构) 在图像行像素数为 4 或 8 的倍数时能够更无效地解决图像，这些额定的像素并不会被显示或保留；它们的确切值会被疏忽。