图像处理之位平面

图像处理之位平面

什么是位平面？

比较官方的解释：
对一幅用多个比特表示其灰度值的图象来说,其中的每个比特可看作表示了1个二值的平面,也称位面.
通俗易懂的解释：
用图像作为底面,用表示像素亮度大小的8位二进制数作为高度,可形成一个立体直方图,各像素位置相同的位形成了一个平面,称为“位平面”

怎么提取位平面？

提取矩阵
提取因子
原理：将灰度图像与提取矩阵进行位与运算，得到各个位平面

阈值处理

通过计算得到的位平面是一个二值图像，如果直接将上述得到的位平面直接显示出来，则会得到一张近似黑色的图像，这是因为**默认当前显示的图像是8位灰度图，而当其中的像素值较小时，显示的图像就会是近似的黑色的。**例如一个提取过得位平面，其中最大像素值是8，因此几乎为纯黑色。要想让8显示为白色，必须将8处理为255
也就是说，每次提取位平面后，要想让二值平面能够以黑白色显示出来，就要将得到的二值平面进行阈值处理，将其中大于零的值处理为255

具体语句：

mask = rd[:,:,i]>0
rd[mask]=255

首先使用mask = rd[:,:,i]>0对rd进行处理：
将rd中大于0的值处理为真true，将rd中小于或等于0的值处理为假false

示例代码

import cv2
import numpy as np 
lena = cv2.imread("lena.jpg",0)
cv2.imshow("lena",lena)
r,c = lena.shape
x = np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):
    x[:,:,i] = 2**i
r = np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):
    r[:,:,i] = cv2.bitwise_and(lena,x[:,:,i])
    mask=r[:,:,i]>0
    r[mask]=255
    cv2.imshow(str(i),r[:,:,i])
cv2.waitKey()
cv2.destoryAllWindows()