数字图像与机器视觉基础补充(1)

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：

1. 位图文件头(bitmap-file header)

2. 位图信息头(bitmap-informationheader)

3. 颜色表(color table)

4. 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[: