【python】OpenCV

【python】OpenCV—Bitplane

news2025/1/2 3:47:43

在这里插入图片描述

学习来自：

位平面分割（Bit-Plane Slicing）
使用OpenCV+Python进行图像处理的初学者指南

位平面

位平面（bitplane）是一个在计算机科学中用于描述图像数据的概念，具体定义如下：

【定义】：位平面是用图像作为底面，用表示像素亮度大小的二进制数（通常为8位）作为高度，所形成的一个立体直方图。在这个直方图中，各像素位置相同的位会形成一个平面，这个平面就被称为“位平面”。
【解释】：
- 对于一个灰度图像，每个像素的亮度通常由一个8位的二进制数表示，这个二进制数的范围是00000000（亮度为0）到11111111（亮度为255）。
- 如果我们将这些二进制数的每一位（从最低位到最高位）分别提取出来，并单独处理，那么就可以得到8个位平面。每个位平面都是一个二值图像，其中像素值要么是0，要么是1。
- 最低位（Least Significant Bit，LSB） 的位平面通常包含图像中的噪声和细节信息，而 最高位（Most Significant Bit，MSB） 的位平面则包含图像的主要轮廓和形状信息。
【用途】：位平面的概念在图像处理、压缩和传输中有重要应用。通过分析或修改不同的位平面，我们可以对图像进行各种操作，如降噪、增强、压缩等。

综上所述，位平面是图像处理中的一个重要概念，它通过将图像的每个像素的二进制表示进行分解，得到一系列的二值图像，这些二值图像就是位平面。每个位平面都包含了图像的不同信息，通过处理这些位平面，我们可以对图像进行各种操作。

在这里插入图片描述

位平面分割

位平面分割（Bit-Plane Slicing）是一种在数字图像处理中分析图像各个位级的方法。具体来说，位平面分割是指将图像的灰度值（通常是一个8位的二进制数）按照每一位（从最低位到最高位）进行拆解，从而得到多个独立的位平面。

【基本概念】：
- 位平面：一个灰度图像的每个像素值通常由一个8位的二进制数表示，这个二进制数的每一位都可以视为一个独立的平面，称为位平面。
- 位平面分割：将灰度图像的每个像素值的二进制表示中的每一位单独提取出来，形成独立的位平面图像。
【分割过程】：
- 对于一个8位深度的灰度图像，可以将其分割为8个位平面。
- 每个位平面上的像素值只有0或1，代表原图像在该位上的值。
- 最高位（MSB）的位平面通常包含图像的主要轮廓和形状信息，而最低位（LSB）的位平面则包含噪声和细节信息。
【应用】：
- 位平面分割在图像压缩中有着重要的应用，因为它可以有效减少图像的存储大小。例如，如果一个图像的最高位平面存储的是图像的主要信息，那么将其单独存储可以大大减小图像的大小。
- 位平面分割也广泛应用于数字水印、特征提取等领域，通过对每个位平面进行单独处理，可以更加精细地处理图像信息，提高图像处理的效率和精度。
【操作步骤】：
- 读入灰度图像并将其转换为二进制形式，即将每个像素点的灰度值表示成8位二进制数。
- 对于每个像素点的二进制数，将它们按位拆分为8个二进制数，每个数表示一个位平面。
- 对于每个位平面，将其转换为0或255的二值图像。具体方法是将每个像素点的该位的二进制数值提取出来，然后将该值赋为0或255。
- 保存每个位平面的二值图像，以便后续使用。

总之，位平面分割是一种有效的图像处理技术，它通过将图像的灰度值按照每一位进行拆解，得到多个独立的位平面，从而可以对图像进行更精细的分析和处理。

应用例子

实现一

利用 bitwise_and

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread("1.jpg", cv2.IMREAD_GRAYSCALE)

bit_planes = []

for i in range(8):
    bit_plane = cv2.bitwise_and(image, 1 << i)
    bit_plane *= 255
    bit_planes.append(bit_plane)

# for i, plane in enumerate(bit_planes):
#     cv2.imshow(f'Bit plane {i}', plane)
#     # cv2.imwrite(f"bitplane{i}.jpg", plane)
# cv2.waitKeyEx(0)
# cv2.destroyAllWindows()

fig, axes = plt.subplots(nrows=2, ncols=4, figsize=(10, 8),
                        subplot_kw={'xticks':[], 'yticks':[]})
fig.subplots_adjust(hspace=0.05, wspace=0.05)
for ax, img in zip(axes.flat, bit_planes):
    ax.imshow(img, cmap="gray")
plt.tight_layout()
plt.show()

原图

在这里插入图片描述
各级位平面图

在这里插入图片描述

下面仔细看看

bitplane1
在这里插入图片描述

bitplane2
在这里插入图片描述

bitplane3
在这里插入图片描述

bitplane4
在这里插入图片描述

bitplane5

在这里插入图片描述

bitplane6

在这里插入图片描述

bitplane7

在这里插入图片描述

bitplane8

在这里插入图片描述

实现二

暴力，获取每位二进制数值

import cv2
import numpy as np
import matplotlib.pyplot as plt

gray = cv2.imread("1.jpg", cv2.IMREAD_GRAYSCALE)

c1 = np.mod(gray, 2)
c2 = np.mod(np.floor(gray/2), 2)
c3 = np.mod(np.floor(gray/4), 2)
c4 = np.mod(np.floor(gray/6), 2)
c5 = np.mod(np.floor(gray/8), 2)
c6 = np.mod(np.floor(gray/16), 2)
c7 = np.mod(np.floor(gray/64), 2)
c8 = np.mod(np.floor(gray/128), 2)

# reconstructing image with 3 most significant bit planes
cc = 2 * (2 * (2 * c8 + c7) + c6)

bit_planes = [gray, c1, c2, c3, c4, c5, c6, c7, c8, cc]

fig, axes = plt.subplots(nrows=2, ncols=5, figsize=(10, 8),
                        subplot_kw={'xticks':[], 'yticks':[]})
fig.subplots_adjust(hspace=0.05, wspace=0.05)
for ax, img in zip(axes.flat, bit_planes):
    ax.imshow(img, cmap="gray")
plt.tight_layout()
plt.show()