像素及其表示,灰度图

1.像素

像素是指由图像的小方格组成的,这些小方块都有一个明确的位置和被分配的色彩数值。因为图像是连续的,但是电脑只能处理离散的东西。所以由像素表示图片。

2.像素的4领域-8领域表示

8邻域=4邻域+对角邻域。

 

3.像素的表示

RGB表示法,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,即由三维坐标表示。有时由R G B 与透明度四个叠加表示。

颜色有一般由0—255表示,8个bit位表示。像素由三个颜色叠加,因此需要三个字节来表示。

4.灰度图

将三个颜色通道变为一个通道,可以通过给三个通道取均值或者取出以一个通道的颜色将其灰度化。

img = img.mean(axis=-1)  #axis=-1表示最后一个轴,在最后一个轴取均值即灰度化
import matplotlib.pyplot as plt
if __name__ == '__main__':
    img = plt.imread('E:/PycharmProjects/doutula/baidutup/pic/labixiaoxing_5.jpg')
    # 显示图片
    plt.imshow(img)   #准备显示图片
    #plt.axis('off')   #不显示坐标
    plt.show()      #显示图片

    #观察像素的表示方式
    print(img[0,0])    #img[0,0]表示显示图片img左上角的像素的值
    print(img[520, 360])  #表示方法img[y,x]

    # 灰度化
    img = img.mean(axis=-1)  #axis=-1表示最后一个轴,在最后一个轴取均值即灰度化
    plt.imshow(img, cmap='gray')
    plt.axis('off')
    plt.show()

结果输出: 

  

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
灰度图像稀疏矩阵压缩是一种用于减少图像数据存储空间的技术。在灰度图像中,每个像素的取值范围通常是0到255之间的整数,因此可以将图像表示为一个二维矩阵。然而,对于大多数图像来说,矩阵中的大部分元素都是0,这就导致了冗余的存储。 稀疏矩阵压缩的思想是只存储非零元素及其位置信息,从而减少存储空间。常用的稀疏矩阵压缩方法有两种:COO(Coordinate List)和CSR(Compressed Sparse Row)。 COO方法将非零元素的值、行号和列号分别存储在三个数组中,通过这种方式可以准确地表示稀疏矩阵。但是,由于需要额外的数组来存储位置信息,所以存储空间开销较大。 CSR方法则将非零元素的值存储在一个数组中,行号和列号分别存储在两个数组中。通过这种方式,可以减少存储空间的开销。CSR方法还可以通过使用压缩索引来进一步减少存储空间。 下面是一个使用CSR方法进行稀疏矩阵压缩的示例代码: ```python import numpy as np from scipy.sparse import csr_matrix # 原始灰度图像矩阵 image = np.array([[0, 0, 0, 0], [0, 100, 0, 0], [0, 0, 0, 0], [0, 0, 50, 0]]) # 将矩阵转换为CSR格式 compressed_image = csr_matrix(image) # 打印稀疏矩阵的值、行号和列号 print("Compressed Image Data:") print(compressed_image.data) print("Compressed Image Row Indices:") print(compressed_image.indices) print("Compressed Image Indptr:") print(compressed_image.indptr) ``` 这段代码使用了NumPy库和SciPy库中的csr_matrix函数来进行稀疏矩阵的压缩。首先,我们定义了一个原始的灰度图像矩阵,然后使用csr_matrix函数将其转换为CSR格式的稀疏矩阵。最后,打印出稀疏矩阵的值、行号和列号。 需要注意的是,稀疏矩阵压缩方法适用于具有大量零元素的图像,对于密集图像可能不会带来很大的存储空间节省。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值