Python灰度变换中位图切割分析实现
更新时间：2022年10月18日 17:05:24 作者：Henry_zs
灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每个像素灰度值的方法。目的是改善画质，使图像显示效果更加清晰。图像的灰度变换处理是图像增强处理技术中的一种非常基础、直接的空间域图像处理方法，也是图像数字化软件和图像显示软件的一个重要组成部分
1. 介绍
图像的像素值是由比特组成的。例如一副256级灰度图像中，图像是由8 bit组成。
与之前对比度拉伸的区别是，之前我们主要强调在某一范围的灰度值作为我们能感兴趣的目标将其变亮或者变暗。而位图切割主要强调每个bit对图像的贡献，通过方法将不同位的灰度值值取出来还原成图像。
如图所示，一副8 bit图像，我们可以将图像分割成8个，将每个图像对应的比特位取出构建成一副新的图像
2. 实现方法
例如图像某一点的像素值为100，对应的二进制为0110 0100
我们的目标很简单，就是将第1位的0取出来（这里不要把100看成一个数，将他想象成一幅图像的所有点，我们要把图像像素对应二进制的第一位全部取出，组成一副新的图像）以此类推...
最后为了防止取出的灰度值过暗，我们将他映射到最大值255
这里提供两种方法实现：
- 将图像的二进制和对应的 8bit 相与（0000 0000），例如取第0个比特平面的话图像就和（0000 0001）与。所以结果只能是0000 000X （X取决于图像的最低位），如果X = 1的话，我们认为这个点的像素在 0bit平面有值，将它映射为255；否则为0
- 图像像素除以 2^n （n代表第n个比特平面，n从0开始，为了满足编程下标从0开始计数），如果商的整数部分为1的话，说明这个点在n比特平面有值，映射为255；否则为0
注：
- 这里映射为255为了突出对应比特平面的亮度，否则就算再最高的比特平面，最大值也只有128灰度值（因为最高的是第7为，2^7 = 128）
- 如果利用第一种与的方法，但是最后不要拉伸成255，只是把与的结果作为新的图像输出。那么只需要将8副图像全部加起来就可以还原图像
3. code
这里用第二种÷的方法实现
如果用第一种与的方法的话，只需要将中间的代码段替换成后面的就行，结果是一样的
import cv2
import numpy as np
gray = cv2.imread('./img.jpg',0)
img = cv2.resize(gray,None,fx = 0.5,fy = 0.5,interpolation=cv2.INTER_AREA) #缩小图像
group = [] # 存放每一层的图像
for n in range(8):
dst = np.zeros_like(img)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
ret = img[i][j] // pow(2,n) #ret = img[i][j] & pow(2,n)
if (ret % 2) ==1: # if (ret ==pow(2,n)):
dst[i][j] = 255
else:
dst[i][j] = 0
group.append(dst)
cv2.imshow('0-3',np.hstack((i for i in group[:4])))
cv2.imshow('4-7',np.hstack((i for i in group[4:])))
cv2.waitKey()
cv2.destroyAllWindows()输入图像：
输出结果：
4. 比特平面重建图像
如果还原图像的话，我们再输出图像的时候，就不要映射到255，之间将图像与比特平面相与的结果输出即可
import cv2
import numpy as np
gray = cv2.imread('./img.jpg',0)
img = cv2.resize(gray,None,fx = 0.5,fy = 0.5,interpolation=cv2.INTER_AREA) #缩小图像
group = [] # 存放每一层的图像
for n in range(8):
dst = np.zeros_like(img)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
ret = img[i][j] & pow(2,n)
dst[i][j] = ret # 将与的结果作为图像
group.append(dst)
cv2.imshow('0-3',np.hstack((i for i in group[:4])))
cv2.imshow('4-7',np.hstack((i for i in group[4:])))
a = np.zeros_like(img) # 还原
for i in group:
a += i
cv2.imshow('img',a)
cv2.waitKey()
cv2.destroyAllWindows()输出比特平面：
所以图像相加为：
到此这篇关于Python灰度变换中位图切割分析实现的文章就介绍到这了,更多相关Python位图切割内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家详细介绍了python实现名片管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-04-04
Python中使用pypdf2合并、分割、加密pdf文件的代码详解
这篇文章主要介绍了Python中使用pypdf2合并、分割、加密pdf文件的代码，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-05-05
dir()函数是Python 中一个非常有用的工具，可以用于查找对象的所有属性和方法，如获取当前作用域的变量和方法、查找模块中的导出内容、动态查找对象属性等，通过本文的介绍和示例代码，大家可以更全面地了解 dir() 函数的用法和注意事项，需要的朋友参考下吧2022-03-03
这篇文章主要为大家介绍了Python中的单例模式与反射机制，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2021-11-11
这篇文章主要介绍了如何用python 批量操作redis数据库，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-03-03
Python+unittest+requests+excel实现接口自动化测试框架
这篇文章主要介绍了Python+unittest+requests+excel实现接口自动化测试框架，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
今天得这篇文章就来给大家介绍一下Python的系统库itertools的 相关资料,需要的小伙伴可以参考下面文章的具体内容2021-09-09
这篇文章主要介绍了python中的二维列表实例详解,文中给大家介绍了python 二维列表按列取元素的方法，需要的朋友可以参考下2018-06-06
Python处理文本的功能非常强大，但是如果是初学者，没有搞清楚python中的编码机制，也经常会遇到乱码或者decode error。本文的目的是简明扼要地说明python的编码机制，并给出一些建议,需要的朋友可以参考下2018-10-10
Python中在for循环中嵌套使用if和else语句的技巧
Python的语法糖非常强大,比如Python中在for循环中嵌套使用if和else语句的技巧便十分给力,下面我们就举几个例子来看详细的用法:2016-06-06
最新评论