目录
一、图像格式转换
1.用图像编辑软件打开一个彩色图像文件,将其分别保存为 32位、16位彩色和256色、16色、单色的位图(BMP)文件
①保存为32位、16位彩色位图(BMP)文件
使用PhotoShop打开一张图片,点击文件->存储为:
选择BMP格式,点击保存后会弹出一个选择框,可以选择保存的位数:
结果:
16位:
32位:
肉眼看没什么区别。
②256色、16色、单色的位图(BMP)文件
使用电脑自带的画图工具即可。
用画图打开图片,点击文件,选择另存为->BMP图片
分别存为单色、16色、256色:
单色:
16色:
256色:
2.分析图片
BMP文件结构
BMP文件由4部分组成:
-
位图文件头(bitmap-file header)
-
位图信息头(bitmap-informationheader)
-
颜色表(color table)
-
颜色点阵数据(bits data)
24位真彩色位图没有颜色表,所以只有1、2、4这三部分。
看图像属性,位深度,如果是24,就说明图片是24位真彩色
用UltraEdit打开一张BMP的图片(以16位彩色为例),可以看到这个文件的数据如下图所示:
2.1位图文件头(BITMAPFILEHEADER)
位图文件头分 4部分,共14字节:
名称 | 占用空间 | 内容 | 实际数据 |
---|---|---|---|
bfType | 2字节 | 标识,就是“BM”二字 | BM |
bfSize | 4字节 | 整个BMP文件的大小 | 0x00080038(524,344)【与右键查看图片属性里面的大小值一样】 |
名称 | 占用空间 | 内容 | 实际数据 |
---|---|---|---|
bfReserved1/2 | 4字节 | 保留字,没用 | 0 |
bfOffBits | 4字节 | 偏移数,即 位图文件头+位图信息头+调色板 的大小 | 0x36(54) |
注意,Windows的数据是倒着念的,这是PC电脑的特色。如果一段数据为50 1A 25 3C,倒着念就是3C 25 1A50,即0x3C251A50。因此,如果bfSize的数据为38 00 08 00,实际上就成了0x00080038,也就是0x80038。
2.2位图信息头(BITMAPINFOHEADER )
位图信息头共40字节:
名称 | 占用空间 | 内容 | 实际数据 |
---|---|---|---|
biSize | 4字节 | 位图信息头的大小,为40 | 0x28(40) |
biWidth | 4字节 | 位图的宽度,单位是像素 | 0x200(512) |
biHeight | 4字节 | 位图的高度,单位是像素 | 0x200(512) |
biPlanes | 2字节 | 固定值1 | 1 |
biBitCount | 2字节 | 每个像素的位数1-黑白图,4-16色,8-256色,24-真彩色) | 0x10(16) |
biCompression | 4字节 | 压缩方式,BI_RGB(0)为不压缩 | 0 |
biSizeImage | 4字节 | 位图全部像素占用的字节数,BI_RGB时可设为0 | 0x080002(524290) |
biXPelsPerMeter | 4字节 | 水平分辨率(像素/米) | 0x0B39(2873) |
biYPelsPerMeter | 4字节 | 垂直分辨率(像素/米) | 0x0B39(2873) |
biClrUsed | 4字节 | 位图使用的颜色数 如果为0,则颜色数为2的biBitCount次方 | 0 |
biClrImportant | 4字节 | 重要的颜色数,0代表所有颜色都重要 | 0 |
作为真彩色位图,我们主要关心的是biWidth和biHeight这两个数值,两个数值告诉我们图像的尺寸。biSize,biPlanes,biBitCount这几个数值是固定的。
2.3调色板
位图是16位、24位和32位色,则图像文件中不保留调色板,即不存在调色板,图像的颜色直接在位图数据中给出。 16位图像使用2字节保存颜色值,常见有两种格式:5位红5位绿5位蓝和5位红6位绿5位蓝,即555格式和565格式。
1,4,8位图像才会使用调色板数据,16,24,32位图像不需要调色板数据,即调色板最多只需要256项(索引0 - 255)。
颜色表的大小根据所使用的颜色模式而定:2色图像为8字节;16色图像位64字节;256色图像为1024字节。其中,每4字节表示一种颜色,并以B(蓝色)、G(绿色)、R(红色)、alpha(32位位图的透明度值,一般不需要)。即首先4字节表示颜色号1的颜色,接下来表示颜色号2的颜色,依此类推。
2.4颜色点阵数据
颜色表接下来位为位图文件的图像数据区,在此部分记录着每点像素对应的颜色号,其记录方式也随颜色模式而定,既2色图像每点占1位(8位为1字节);16色图像每点占4位(半字节);256色图像每点占8位(1字节);真彩色图像每点占24位(3字节)。所以,整个数据区的大小也会随之变化。究其规律而言,可的出如下计算公式:图像数据信息大小=(图像宽度图像高度记录像素的位数)/8。
2.5 该16位位图大小计算方法:位图文件头(14字节00000000h开始到0000000Dh)+位图信息头(40字节0000000Eh开始到00000035h)+实际像素点占内存(512×512×2字节)=524342字节(Byte)。与真实值相差2个字节,将UltraEdit文件翻到末尾,可以看到有两个为0字节,前面的都是位图图像数据,所以该文件的大小应该在刚才算出来的基础上+2=524344字节,与真实值一致:
3.其余图片信息
32位彩色:
可以看到除了 文件头除了bfSize都是相同的:bfSize=0x100038=1048432正好是该图的大小。
256色的位图:
16色:
单色:
3.将彩色照片分别保存为BMP、JPG、GIF和PNG格式,对比它们的文件大小比,判断图像的压缩保存后的压缩比率。
使用PS随便画了一张图,分别保存为BMP(24位)
使用画图转换为其他格式
文件大小:
BMP:1.19M
JPG:39.6k
GIF:30.7k
PNG:36k
图像的压缩保存后的压缩比率(由于BMP是不压缩的,所以以它为基准):
JPG:96.8%
GIF:97.5%
PNG:97.1%
二、图像处理编程
1、奇异值分解(SVD)
代码:
import numpy as np
import os
from PIL import Image
import matplotlib.pyplot as plt
import matplotlib as mpl
from pprint import pprint
def restore1(sigma, u, v, K): # 奇异值、左特征向量、右特征向量
m = len(u)
n = len(v[0])
a = np.zeros((m, n))
for k in range(K):
uk = u[:, k].reshape(m, 1)
vk = v[k].reshape(1, n)
a += sigma[k] * np.dot(uk, vk)
a[a < 0] = 0
a[a > 255] = 255
# a = a.clip(0, 255)
return np.rint(a).astype('uint8')
def restore2(sigma, u, v, K): # 奇异值、左特征向量、右特征向量
m = len(u)
n = len(v[0])
a = np.zeros((m, n))
for k in range(K+1):
for i in range(m):
a[i] += sigma[k] * u[i][k] * v[k]
a[a < 0] = 0
a[a > 255] = 255
return np.rint(a).astype('uint8')
if __name__ == "__main__":
A = Image.open("lena.jpg", 'r')
print(A)
output_path = r'./SVD_Output'
if not os.path.exists(output_path):
os.mkdir(output_path)
a = np.array(A)
print(a.shape)
K = 50
u_r, sigma_r, v_r = np.linalg.svd(a[: