【python】OpenCV—Bitplane（12）

学习来自：

• 位平面分割（Bit-Plane Slicing）
• 使用OpenCV+Python进行图像处理的初学者指南

位平面

位平面（bitplane）是一个在计算机科学中用于描述图像数据的概念，具体定义如下：

• 【定义】：位平面是用图像作为底面，用表示像素亮度大小的二进制数（通常为8位）作为高度，所形成的一个立体直方图。在这个直方图中，各像素位置相同的位会形成一个平面，这个平面就被称为“位平面”。
• 【解释】：
  • 对于一个灰度图像，每个像素的亮度通常由一个8位的二进制数表示，这个二进制数的范围是00000000（亮度为0）到11111111（亮度为255）。
  • 如果我们将这些二进制数的每一位（从最低位到最高位）分别提取出来，并单独处理，那么就可以得到8个位平面。每个位平面都是一个二值图像，其中像素值要么是0，要么是1。
  • 最低位（Least Significant Bit，LSB） 的位平面通常包含图像中的噪声和细节信息，而 最高位（Most Significant Bit，MSB） 的位平面则包含图像的主要轮廓和形状信息。
• 【用途】：位平面的概念在图像处理、压缩和传输中有重要应用。通过分析或修改不同的位平面，我们可以对图像进行各种操作，如降噪、增强、压缩等。

综上所述，位平面是图像处理中的一个重要概念，它通过将图像的每个像素的二进制表示进行分解，得到一系列的二值图像，这些二值图像就是位平面。每个位平面都包含了图像的不同信息，通过处理这些位平面，我们可以对图像进行各种操作。

位平面分割

位平面分割（Bit-Plane Slicing）是一种在数字图像处理中分析图像各个位级的方法。具体来说，位平面分割是指将图像的灰度值（通常是一个8位的二进制数）按照每一位（从最低位到最高位）进行拆解，从而得到多个独立的位平面。

• 【基本概念】：

  • 位平面：一个灰度图像的每个像素值通常由一个8位的二进制数表示，这个二进制数的每一位都可以视为一个独立的平面，称为位平面。
  • 位平面分割：将灰度图像的每个像素值的二进制表示中的每一位单独提取出来，形成独立的位平面图像。

• 【分割过程】：

  • 对于一个8位深度的灰度图像，可以将其分割为8个位平面。
  • 每个位平面上的像素值只有0或1，代表原图像在该位上的值。
  • 最高位（MSB）的位平面通常包含图像的主要轮廓和形状信息，而最低位（LSB）的位平面则包含噪声和细节信息。

• 【应用】：

  • 位平面分割在图像压缩中有着重要的应用，因为它可以有效减少图像的存储大小。例如，如果一个图像的最高位平面存储的是图像的主要信息，那么将其单独存储可以大大减小图像的大小。
  • 位平面分割也广泛应用于数字水印、特征提取等领域，通过对每个位平面进行单独处理，可以更加精细地处理图像信息，提高图像处理的效率和精度。

• 【操作步骤】：

  • 读入灰度图像并将其转换为二进制形式，即将每个像素点的灰度值表示成8位二进制数。
  • 对于每个像素点的二进制数，将它们按位拆分为8个二进制数，每个数表示一个位平面。
  • 对于每个位平面，将其转换为0或255的二值图像。具体方法是将每个像素点的该位的二进制数值提取出来，然后将该值赋为0或255。
  • 保存每个位平面的二值图像，以便后续使用。

总之，位平面分割是一种有效的图像处理技术，它通过将图像的灰度值按照每一位进行拆解，得到多个独立的位平面，从而可以对图像进行更精细的分析和处理。

应用例子

实现一

利用 bitwise_and

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread("1.jpg", cv2.IMREAD_GRAYSCALE)

bit_planes = []

for i in range(8):
    bit_plane = cv2.bitwise_and(image, 1 << i)
    bit_plane *= 255
    bit_planes.append(bit_plane)

# for i, plane in enumerate(bit_planes):
#     cv2.imshow(f'Bit plane {i}', plane)
#     # cv2.imwrite(f"bitplane{i}.jpg", plane)
# cv2.waitKeyEx(0)
# cv2.destroyAllWindows()

fig, axes = plt.subplots(nrows=2, ncols=4, figsize=(10, 8),
                        subplot_kw={'xticks':[], 'yticks':[]})
fig.subplots_adjust(hspace=0.05, wspace=0.05)
for ax, img in zip(axes.flat, bit_planes):
    ax.imshow(img, cmap="gray")
plt.tight_layout()
plt.show()

原图

各级位平面图

下面仔细看看

bitplane1

bitplane2

bitplane3

bitplane4

bitplane5

bitplane6

bitplane7

bitplane8

实现二

暴力，获取每位二进制数值

import cv2
import numpy as np
import matplotlib.pyplot as plt

gray = cv2.imread("1.jpg", cv2.IMREAD_GRAYSCALE)

c1 = np.mod(gray, 2)
c2 = np.mod(np.floor(gray/2), 2)
c3 = np.mod(np.floor(gray/4), 2)
c4 = np.mod(np.floor(gray/6), 2)
c5 = np.mod(np.floor(gray/8), 2)
c6 = np.mod(np.floor(gray/16), 2)
c7 = np.mod(np.floor(gray/64), 2)
c8 = np.mod(np.floor(gray/128), 2)

# reconstructing image with 3 most significant bit planes
cc = 2 * (2 * (2 * c8 + c7) + c6)

bit_planes = [gray, c1, c2, c3, c4, c5, c6, c7, c8, cc]

fig, axes = plt.subplots(nrows=2, ncols=5, figsize=(10, 8),
                        subplot_kw={'xticks':[], 'yticks':[]})
fig.subplots_adjust(hspace=0.05, wspace=0.05)
for ax, img in zip(axes.flat, bit_planes):
    ax.imshow(img, cmap="gray")
plt.tight_layout()
plt.show()

输入

输出

第一张图是原图的灰度图

第二张到第九张即为 8 层位平面可视化结果

最后一张图是合并了 6、7、8 三层位平面尝试还原原图，效果还是可以接受的