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()