关于图像处理中的位图切割(Bit-pane Slicing)原理的自我见解

前段时间做过一道数字图像算法的课程一道题，就是有关位图分割算法的，但是当初没理解，我翻了几篇文章后把它弄明白了，所以我打算记录下我的想法，免得忘了。

题目：

Propose a set of intensity-slicing transformations capable of
producing all the individual bit planes of an 4-bit monochrome image.
(For example, a transformation function with the property T®=0 for r
in the range [0,7], and T®=15 for r in the range [8,15] produces an
image of the 4th bit plane in an 4-bit image.)

提出一组强度切片变换，能够产生4位单色图像的所有单个位平面。(例如，在[0，7]范围内具有属性T®=0的变换函数，在范围[8，15]中，T®=15表示r，则在4位图像中生成第4位平面的图像。)

几位灰度图像就是说每个像素用几位来表示的。当我们把图像像素的每位的值提取作为一层，即位图切割。

发现位数越高的层越接近原图像，即保留的信息就越多。如图：

上面为原图，下面为效果图

但是这个原理是怎么实现呢？
以4位灰度图像为例。我们知道，每个像素值由4位二进制来表示，因此我们将4位图像根据位数分为4层。假如我们要提取第4层图像的信息，即最高位，就要检测每个像素的第4位的值，即0或1。当为1的时候，表示这个位保留着图像的信息，需要保留。当为0的时候，表示没有原图像信息。
我们写出第4位为0和第4位为1的像素值边界：

0 0 0 0 =0
0 1 1 1 =7
1 0 0 0 =8
1 1 1 1 =15

即像素值在[0,7]内的像素第4位都为0，因此我们将在这个范围内的像素赋值为0；像素值在[8,15]内的像素第4位都为1，赋值为1（也可以赋值为其它值，只要不为0和不超过15）。写成表达式为
$$(r为像素值)T(r)=\{\begin{array}{c}0，r\in [0,7]\\ \\ 1，r\in [8,15]\end{array}$$

如我们检测到一个像素的值为10（二进制为1 0 1 0），第4位为1，那我们可以将此像素的值赋为1。
那要将第2层的分割出来呢？一次写出0~15二进制：

0 0 0 0 = 0
0 0 0 1 = 1
0 0 1 0 = 2√
0 0 1 1 = 3√
0 1 0 0 = 4
0 1 0 1 = 5
0 1 1 0 = 6√
0 1 1 1 = 7√
1 0 0 0 = 8
1 0 0 1 = 9
1 0 1 0 =10√
1 0 1 1 =11√
1 1 0 0 =12
1 1 0 1 =13
1 1 1 0 =14√
1 1 1 1 =15√

我们发现带√的像素值第二位都为1，所以表达式为：

$$(r为像素值。)T(r)=\{\begin{array}{c}0，r\in [0,1]\cup [4,5]\cup [8,9]\cup [12,13]\\ \\ 1，r\in [2,3]\cup [6,7]\cup [10,11]\cup [14,15]\end{array}$$

其它层类似。
对于代码实现和更详细的内容，可以参考
https://blog.csdn.net/ningyaliuhebei/article/details/17161701
有错误也欢迎指出!