数字图像处理 - 比特平面分层 的python实现

本文主要介绍对《数字图像处理》第三章 比特平面分层 的介绍 p70

对于8位256灰度级图像来说,如果它的每个灰度值用二进制表示,选择将这8个数字用8个字节来表示,如32的二进制表示是00100000,将其储存为[0 0 1 0 0 0 0 0],则其二维图像可以理解为一个8层的三维图像,每一层代表一个比特平面

在这里插入图片描述

对比每个比特平面可以发现,高阶平面(如1所在第六比特平面)储存的信息比低阶平面的多。

下图显示了dollar的8比特平面图,依次分别是原图和比特平面8~1
在这里插入图片描述

下面是它的python代码实现(基于opencv)

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

#更改为需要的图片路径
img = cv2.imread(r'C:\Users\xxx\Desktop\dollar.tif',0)
h,w = img.shape[0],img.shape[1]

#处理过程
new_img = np.zeros((h,w,8))
for i in range(h):
    for j in range(w):
        n = str(np.binary_repr(img[i,j],8))  
        for k in range(8):
            new_img[i,j,k] = n[k]

#依次显示
for i in range(8):
    cv2.imshow('image',new_img[:,:,i])
    cv2.waitKey(0)

第八比特平面
在这里插入图片描述
第七比特平面
在这里插入图片描述
第六比特平面
在这里插入图片描述
第五比特平面
在这里插入图片描述
第四比特平面
在这里插入图片描述
第三比特平面
在这里插入图片描述
第二比特平面
在这里插入图片描述
第一比特平面
在这里插入图片描述
重构是使用第n个平面的像素值乘以常数 2^(n-1)
用128乘以比特平面8,用64乘以比特平面7,然后将这两个平面相加,原图的主要特征便被复原了。

下图是使用几个高阶平面重建的图像
在这里插入图片描述
若要获取更多数字图像处理,python,深度学习,机器学习,计算机视觉等高清PDF以及 更多有意思的 分享,可搜一搜 微信公共号 “分享猿” 免费获取资源。也可扫描下面的二维码关注,期待你的到来~
在这里插入图片描述

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