一、比特平面分层
像素是由比特组成的数字。例如在256级灰度图像中,每个像素的灰度是由8比特(一个字节)组成。如下图所示,一幅8比特图像由8个1比特平面组成,其中平面1包含图像中所有像素的最低阶比特,而平面8包含图像中所有像素的最高阶比特。
比特平面分层原理:
设图像矩阵为
[
1
2
3
4
]
\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}
[1324]
将矩阵中的元素逐个转化为二进制,可以写为:
[
00000001
00000010
00000011
00000100
]
\begin{bmatrix} 00000001 & 00000010 \\ 00000011 & 00000100 \end{bmatrix}
[00000001000000110000001000000100]
这幅图像的8个比特平面矩阵分别为:
第8个比特层图像为:
[
0
0
0
0
]
\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}
[0000]
第7个比特层图像为:
[
0
0
0
0
]
\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}
[0000]
第6个比特层图像为:
[
0
0
0
0
]
\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}
[0000]
第5个比特层图像为:
[
0
0
0
0
]
\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}
[0000]
第4个比特层图像为:
[
0
0
0
0
]
\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}
[0000]
第3个比特层图像为:
[
0
0
0
1
]
\begin{bmatrix} 0 & 0 \\ 0 & 1 \end{bmatrix}
[0001]
第2个比特层图像为:
[
0
1
1
0
]
\begin{bmatrix} 0 &1 \\ 1 & 0 \end{bmatrix}
[0110]
第1个比特层图像为:
[
1
0
1
0
]
\begin{bmatrix} 1 & 0 \\ 1 & 0 \end{bmatrix}
[1100]
代码实现
#分层处理
def getBitlayer(img):
h, w = img.shape[0], img.shape[1]
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]
return new_img
分层可视化
## 通过plt子图形式显示每层bit图
def showBitlayer(new_img):
# 调整图像大小 实际大小为w*100,h*100 pixel
plt.rcParams['figure.figsize'] = (10, 3.6)
fig, a = plt.subplots(2, 4)
m = 0
n = 8
for i in range(2):
for j in range(4):
plt.axis('off')
a[i][j].set_title('Bit plane ' + str(n))
a[i][j].imshow(new_img[:, :, m], cmap=plt.cm.gray)
m += 1
n -= 1
fig.tight_layout() # 调整整体空白
plt.subplots_adjust(wspace=0.5, hspace=-0.2) # 调整子图间距
plt.savefig('bitLayer.jpg')
plt.show()
代码结果
原始图像为:
比特平面分层结果:
二、图像重构
重构原理
图像分层时,第n层图像的数据,来自于二进制像素值的第n位,将其转换回十进制,则其值为
r
∗
2
(
n
−
1
)
r*2^{(n-1) }
r∗2(n−1),那么使用某几层比特层进行重构,就将这几层的像素值转换回十进制后加起来。
原图重构代码
def rebuildImg(bitImags, build_list, img):
h, w = img.shape[0], img.shape[1]
new_img = np.zeros((h, w))
for i in range(h):
for j in range(w):
for m in build_list:
new_img[i, j] += bitImags[i, j, 7-m] * (2 ** (m))
return new_img
重构图像可视化
def showRebuildimgimg(rebuildImag,img):
plt.figure(figsize=(100, 20))
plt.subplot(121)
plt.axis('off')
plt.imshow(rebuildImag, cmap='gray')
plt.subplot(122)
plt.axis('off')
plt.imshow(img, cmap='gray')
plt.savefig('rebuiltImag.jpg')
plt.show()
重构图像结果为:
左边为第6、7和8层重构结果,右图为原图。文章来源:https://www.toymoban.com/news/detail-539620.html
整体代码
import cv2
import numpy as np
import matplotlib.pyplot as plt
#分层处理过程
def getBitlayer(img):
h, w = img.shape[0], img.shape[1]
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]
return new_img
## 通过plt子图形式显示每层bit图
def showBitlayer(new_img):
# 调整图像大小 实际大小为w*100,h*100 pixel
plt.rcParams['figure.figsize'] = (10, 3.6)
fig, a = plt.subplots(2, 4)
m = 0
n = 8
for i in range(2):
for j in range(4):
plt.axis('off')
a[i][j].set_title('Bit plane ' + str(n))
a[i][j].imshow(new_img[:, :, m], cmap=plt.cm.gray)
m += 1
n -= 1
fig.tight_layout() # 调整整体空白
plt.subplots_adjust(wspace=0.5, hspace=-0.2) # 调整子图间距
plt.savefig('bitLayer.jpg')
plt.show()
## bite图像重构
def rebuildImg(bitImags, build_list, img):
h, w = img.shape[0], img.shape[1]
new_img = np.zeros((h, w))
for i in range(h):
for j in range(w):
for m in build_list:
new_img[i, j] += bitImags[i, j, 7-m] * (2 ** (m))
return new_img
def showRebuildimgimg(rebuildImag,img):
plt.figure(figsize=(100, 20))
plt.subplot(121)
plt.axis('off')
plt.imshow(rebuildImag, cmap='gray')
plt.subplot(122)
plt.axis('off')
plt.imshow(img, cmap='gray')
plt.savefig('rebuiltImag.jpg')
plt.show()
if __name__ == '__main__':
img = cv2.imread(r'dollars.tif', 0)
bit_imgs=getBitlayer(img)
showBitlayer(bit_imgs)
rebuildImg=rebuildImg(bit_imgs,[5,6,7],img)
showRebuildimgimg(rebuildImg,img)
dollars.tif点击这里下载。文章来源地址https://www.toymoban.com/news/detail-539620.html
参考博客
https://blog.csdn.net/qq_41398808/article/details/103109111?spm=1001.2101.3001.6650.7&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-7-103109111-blog-86769995.235%5Ev38%5Epc_relevant_sort_base2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-7-103109111-blog-86769995.235%5Ev38%5Epc_relevant_sort_base2&utm_relevant_index=11
https://blog.csdn.net/qq_42505705/article/details/86769995
到了这里,关于图像处理-比特平面分层和重构的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!