int main()
{
    cv::Mat image = cv::imread("boldt.jpg");

    reduceColor(image, 64);
    cv::namedWindow("image");
    cv::imshow("image", image);
    cv::waitKey();
    return 0;
}

当然刚刚的这个代码是用普通的遍历完成的，我们也可以用迭代器完成对像素的遍历

void reduceColorNew(cv::Mat image, int div=64) {

    // div must be a power of 2
    int n= static_cast<int>(log(static_cast<double>(div))/log(2.0) + 0.5);
    // mask used to round the pixel value
    uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
    uchar div2 = div >> 1; // div2 = div/2

    // get iterators
    cv::Mat_<cv::Vec3b>::iterator it= image.begin<cv::Vec3b>();
    cv::Mat_<cv::Vec3b>::iterator itend= image.end<cv::Vec3b>();

    // scan all pixels
    for ( ; it!= itend; ++it) {

        // process each pixel ---------------------

        (*it)[0]&= mask;
        (*it)[0]+= div2;
        (*it)[1]&= mask;
        (*it)[1]+= div2;
        (*it)[2]&= mask;
        (*it)[2]+= div2;

        // end of pixel processing ----------------
    }
}

在图像处理中经常有这样的处理函数，它在计算每个像素的数值时，需要使用周边像素的值。 如果相邻像素在上一行或下一行，就需要同时扫描图像的多行。

我们将使用一个锐化图像的处理函数。它基于拉普拉斯算子。在图像处理领域有一个众所周知的结论：如果从图像中减去拉普拉斯算子部分，图像 的边缘就会放大，因而图像会变得更加尖锐。

实现思路：

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

void sharpen(const cv::Mat &image, cv::Mat &result) {

    result.create(image.size(), image.type()); // allocate if necessary
    int nchannels= image.channels();

    for (int j= 1; j<image.rows-1; j++) { // for all rows (except first and last)

        const uchar* previous= image.ptr<const uchar>(j-1); // previous row
        const uchar* current= image.ptr<const uchar>(j);  // current row
        const uchar* next= image.ptr<const uchar>(j+1);      // next row

        uchar* output= result.ptr<uchar>(j);  // output row

        for (int i=nchannels; i<(image.cols-1)*nchannels; i++) {

            // apply sharpening operator
            *output++= cv::saturate_cast<uchar>(5*current[i]-current[i-nchannels]-current[i+nchannels]-previous[i]-next[i]);
        }
    }

    // Set the unprocess pixels to 0
    result.row(0).setTo(cv::Scalar(0));
    result.row(result.rows-1).setTo(cv::Scalar(0));
    result.col(0).setTo(cv::Scalar(0));
    result.col(result.cols-1).setTo(cv::Scalar(0));
}

int main()
{
    cv::Mat image= cv::imread("boldt.jpg");
    if (!image.data)
        return 0;

    cv::Mat result;