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
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
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
第七比特平面
第六比特平面
第五比特平面
第四比特平面
第三比特平面
第二比特平面
第一比特平面
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
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~