8位, 16位，24位，32位图片显示原理及对比、读自己的mask、判断是否为灰度图

一、8位, 16位，24位，32位图片显示原理及对比

我们都知道一张图片可以保存为很多种不同的格式，比如bmp/png/jpeg/gif等等。这个是从文件格式的角度看，我们抛开文件格式，看图片本身，我们可以分为8位， 16位， 24位， 32位等。
单击右键，属性->详细信息即可查看$图片位深度$：

8位： 2^8 = 2^2(B) 2^3(G) 2^3® = 256 (256色) 可以总共显示256种颜色

16位： 2^16 = 2^5(B) 2^6(G) 2^5® = 65536 可以总共显示65536种颜色

24位： 2^24 = 2^8(B) 2^8(G) 2^8® = 16777216 可以总共显示16777216种颜色

32位： Alpha透明度 + 24位

当8/16位深度时，单个原始颜色 （R/G/B）最大只能表示为（0_2^3）/（02^6）， 无法满足（0~0xff）的范围，所以显示的颜色范围有限。

当24位深度时，使用24bit显示一个像素点， 由8bit Red 8bit Green 8bit Blue组合颜色而成，每一个原始颜色（R/G/B）都可以完全显示（0~0xff），所以24位及以上，我们就叫做真彩色

当32位深度时，与24位相同，可以显示所有的颜色，同时多了一个透明度值。

同一张图片，不用位深度的表现如下：

24位 & 16位：

8位 & 4位：

1位：（只能显示黑白了）

二、8位深的mask图

原mask：

使用PIL读入转array之后：

img_path = 'F:\\2Affair\毕业论文\\2022.1.3组会PPT\\1.code\CaNet-master\数据集\单mask.png'
img = Image.open(img_path)
np.array(img)

三、判断是否为灰度图

3.1 Ps：图片的通道数、位深度

3.11 单通道

• 灰度图的位深度为1*8=8
• 二值化图像的位深度为1*1=1
  单通道图片，每个像素点的数值表示了黑的程度，0表示黑色。

3.12 三通道

三通道是用的最多的一种图片了。三通道图的意思是每个像素点都有3个值表示 。位深度=3*8=24

3.13 四通道

四通道图的意思是每个像素点都有4个值表示 ，所以就是4通道。其中4通道图片表示的是RGBA。RGBA是代表Red（红色）Green（绿色）Blue（蓝色）和Alpha。alpha通道，表示透明度，alpha=0表示全透明，alpha=255表示不透明。采用的颜色是RGB，可以属于任何一种RGB颜色空间。位深度=4*3=32.
PNG是一种使用RGBA的图像格式。

3.14 通道数之间的转化：

# 高通道数向低通道数转化
img_gray=img.convert('L')  # 将四通道或三通道图片转化为灰度图
img_white=img.convert('1') # 将四通道，三通道，灰度图转化为二值化图片
#低通道数向高通道数转化，主要涉及到灰度图向RGB的转化。
img_color=img_gray.convert('RGB')  # 灰度图向三通道图的转化注意这里输出的图片依然是灰色的,但是位深度已经达到24.

二值化图像

二值图像的意思，就是每个图像当中的每个像素点，只能取0或255，其中0为黑，255为白，即非黑即白。我们将我们的彩色图片转化为灰度图并输出。

我们使用im.convert('1')来将一张图片转化为二值化的图片。通过转化为np数组看到了二值化图片的真正面目。我们保存这张二值化图片img.save('dd.png')，查看它的详细信息。

我们可以看到,位深度为1，代表每个像素点用1位表示，即非1即0.这就是二值化图像的全部面目了。

灰度图像

接下来我们查看cat_gray.png的详细信息：

这印证了理论：灰度图是单通道的，且位深度为8。
参考：实验带你看懂关于灰度图像，二值化图像，彩色图像、图片通道数，位深度的全部内容

3.2 VOC2012中的四种图：

我们所说的灰度图和二值化的图像都是单通道图片。
VOC2012中有如下四种图：

3.21 Binary_map_aug

点击查看属性：

3.22 JPEGImages

点击查看属性：

3.23 SegmentationClass（使用cv2.imread()直接读入是3通道的）

点击查看属性：

3.24 SegmentationObject

点击查看属性：