数字图像处理——比特图像分层与重构

一：比特图像分层

常见的256级灰度图片中，每个像素灰度值由8个比特组成，分别将这8个比特分离，形成8幅新的图片，称为比特图像分层。

举个🌰：

有一副四个像素（2*2）的图像，像素值分别为1，2，3，4：

                                                                                       

 这些值转换为二进制为（扩充为8位）：1（00000001）2（00000010）3（00000011）4（00000100）

则这幅图像的8个比特层图像为：

                                                

Python实现过程如下：

 我使用的图片资源不是.jpg无法上传，相关资源可以从这里下载：

https://download.csdn.net/download/hax001/10740733

下图为一样例图，并非实验图：

 读取图片数据：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

img = Image.open('Fig0314(a)(100-dollars).tif')

 定义分层函数：

def logarithm_transformation(img, func, n):
    img_data = np.array(img)
    a = np.shape(img_data)
    new_img = [[] for _ in range(a[0])]
    for i in range(a[0]):
        for j in range(a[1]):
            data = img_data[i][j]
            new_data = func(data, n)
            new_img[i].append(new_data)
    return new_img

def power_law1(data, n):
    x = bin(data)[2:]
    x = '0' * (8 - len(x)) + x
    x = x[::-1]
    a = x[n]
    new_data = int(a)
    return new_data

 调用函数，并可视化结果：

img_list = []
for i in range(8):
    a = logarithm_transformation(img, power_law1, i)
    img_list.append(a)
img_list.append(img)

for i in range(3):
    for j in range(3):
        plt.subplot(3, 3, i*3+j+1)
        plt.axis('off')
        plt.imshow(img_list[i*3+j], cmap='gray')
plt.show()

结果如下(比特层数递增，最后一张是原图)：

 

 

二：比特图像重构 

图像分层时，第n层图像的数据，来自于二进制像素值的第n位，将其转换回十进制，则其值为，那么使用某几层比特层进行重构，就将这几层的像素值转换回十进制后加起来。

重构函数如下：

def rebuild(img_list, build_list):
    new_img = np.array(img_list[0]) * 0
    for i in build_list:
        new_img += np.array(img_list[i]) * (2 ** (i))
    return new_img

 调用函数，并可视化结果（使用6，7层进行重构）：

new_img = rebuild(img_list, [6,7])

plt.figure(figsize=(50,119))
plt.subplot(121)
plt.axis('off')
plt.imshow(new_img, cmap='gray')

plt.subplot(122)
plt.axis('off')
plt.imshow(img, cmap='gray')

左侧为重构图像，右侧为原图像