数字图像处理 - 量化概念

我们在信号与系统教程中介绍了量化。在本教程中，我们将正式将其与数字图像联系起来。让我们先简单讨论一下量化。

信号数字化

正如我们在之前的教程中看到的，将模拟信号数字化需要两个基本步骤：采样和量化。采样在x轴上进行。它是将x轴（无限值）转换为数字值的过程。

下图显示了信号的采样。

采样的概念与缩放直接相关。采样越多，获得的像素就越多。过采样也可以称为缩放。这已在采样和缩放教程中讨论过。

但是，信号数字化的过程并不止于采样，还涉及另一个步骤，即量化。

量化与采样相反。它在y轴上进行。当对图像进行量化时，实际上是将信号划分为量子（分区）。

信号的x轴是坐标值，y轴是幅度。因此，对幅度进行数字化称为量化。

以下是它的实现方法

您可以在此图像中看到，信号已被量化为三个不同的级别。这意味着当我们对图像进行采样时，我们实际上会收集很多值，而在量化中，我们将这些值设置为不同的级别。在下图中可以更清楚地看到这一点。

在采样图中，虽然已经进行了采样，但它们仍然垂直跨越连续范围的灰度值。在上图中，这些垂直范围的值已被量化为5个不同的级别或分区。从0（黑色）到4（白色）。此级别会根据您想要的图像类型而有所不同。

量化与灰度级的关系将在下面进一步讨论。

量化与灰度级分辨率的关系

上图所示的量化图有5个不同的灰度级别。这意味着由此信号形成的图像将只有5种不同的颜色。它或多或少是一张黑白图像，带有一些灰色。现在，如果您想提高图像质量，您可以做一件事。那就是增加级别或灰度级分辨率。如果将此级别增加到256，则表示您拥有一张灰度图像。这比简单的黑白图像要好得多。

现在，您选择的256或5或任何级别都称为灰度级。请记住我们在之前的灰度级分辨率教程中讨论的公式：

我们已经讨论过灰度级可以用两种方式定义。这两种方式是：

在这种情况下，灰度级等于256。如果要计算比特数，只需将值代入公式即可。对于256个级别，我们有256种不同的灰色阴影和每像素8位，因此图像将是灰度图像。

现在我们将降低图像的灰度级以查看对图像的影响。

假设您有一张8bpp的图像，它有256个不同的级别。它是一张灰度图像，图像看起来像这样。

现在我们将开始降低灰度级。我们将首先将灰度级从256降低到128。

将灰度级降低一半后，图像影响不大。让我们再降低一些。

仍然影响不大，那么让我们进一步降低级别。

令人惊讶的是，仍然有一些细微的影响。可能是因为这是爱因斯坦的图片，但让我们进一步降低级别。

就是这样，图像终于显示出受到级别影响了。

在进一步降低到2个级别之前，您可以很容易地看到图像因降低灰度级而严重失真。现在我们将它降低到2个级别，这仅仅是一个简单的黑白级别。这意味着图像将是简单的黑白图像。

这是我们可以达到的最后一个级别，因为如果进一步降低，它将只是一个黑色图像，无法解释。

这里有一个有趣的观察结果，那就是随着我们减少灰度级的数量，图像中开始出现一种特殊类型的效果，这在16灰度级图片中可以清楚地看到。这种效果称为轮廓。

为什么会出现这种效果的答案在于等偏好曲线。它们将在我们下一个关于轮廓和等偏好曲线的教程中讨论。

打印页面