数字图像处理灰度图像下采样以及量化（byraphealguo）.docVIP

实验报告——灰度图像下采样以及量化 课程名称：数字图像处理 实验编号：Project 02 raphealguo (Email:raphealguo@) 实验开始时间：2011年11月23日 提交时间：2011年11月25日 摘要：本实验探讨了灰度图像的下采样以及量化的技术，并加以实现（采用Matlab实现），通过实验探讨下采样的两种做法（删除行列以及邻域平均）比较了其处理结果；通过探讨量化的两种做法（保留高位以及采用IGS-Improved gray-scale量化）比较了其处理结果。 技术讨论： 1、灰度图像的下采样 本报告中探讨的是按比例下采样，给定一个m*n的灰度级图像，对其进行比例s的下采样，得到m/s * n/s的灰度级图像，这里规定s必须被m、n所整除。 做法一（PD）：通过删除行列的方式来下采样。对行的操作是保留一行删除接下来的s-1行，同样道理，队列的操作是保留一列然后删除接下来的s-1列。 做法二（AVE）：将图像分割成s*s个小窗口，此时窗口个数即为m/s * n/s个，对每个小窗口进行求和均值运算，得到该窗口所对应的灰度值，公式如下： win(k)表示第k个窗口，Ii表示窗口里各个像素的灰度值，s则为窗口大小，Pk是替代窗口的灰度值。 2、灰度图像的量化 我们知道灰度范围是[0,255]，从计算机存储的角度来说，每个灰度值就是8个比特。对一幅灰度图像，从灰度级为256降低到灰度级128、64、32……可以看出是8个比特的数值分别舍弃1、2、3个比特……由于8个比特中对灰度影响最大的是最高位，因此做舍弃处理时，从最低位开始舍弃，这里的舍弃仅仅将改为置成0。 以上探讨了保留灰度值高位的量化方法，在此基础上，阅读了IGS-Improved gray-scale量化的方法，这种做法的结果仅适合与眼睛观看以及图像压缩。方法就是将图像一列一列的扫描，再利用类似半色调列印的误差扩散概念创造没有假边的量化图像。假设目前需要把一个灰度级为8的图像量化成灰度级为4的图像，按照前面的描述，对于每个灰度值，只有前四位是重要的！，IGS的处理步骤如下： .首先将图像表示成8位的二进制字符串；图像的每一列是单独处理的； .定义一个4位长度的字符串sum = 0000； .从左到右扫描图像的每一列，将当前像素值的二进制字符串加上sum得到一个结果I，根据前面讨论的量化方法，I的前四位即为量化结果，I的后四位设为下一轮要参与计算的sum值。倘若某个像素的最左边4位为1111，此时跳过本步骤的加法。重复以上步骤直到所有列抖扫描完毕。 列数 灰度值 二进制串 sum 量化结果 1 48 0011 0000 0011 0000 48(0011 0000) 2 50 0011 0010 0011 0010 48(0011 0000) 3 52 0011 0100 0011 0110 48(0011 0000) 4 54 0011 0110 0011 1100 48(0011 0000) 5 56 0011 1000 0100 0100 64(0100 0000) 6 252 1111 1100 1111 0100 240(1111 0000) 7 58 0011 1010 0011 1110 48(0011 0000) 8 60 0011 1100 0100 1010 64(0100 0000) 实验结果与讨论 灰度图像的下采样 采用PD下采样方法以及采用AVE下采样的方法所得的结果如图1.(a)-(e)所示： (a) (b) (c) (d) (e) 图1.左侧一列采用PD方法下采样，右侧一列采用AVE方法下采样； a)图像分辨率为16*16，b)图像分辨率为32*32，……e)图像分辨率为256*256 从图1中的对比可以看出，采用AVE下采样的方法，图像在颜色的过渡会比用PD下采样方法更加柔和，从本次实验的这张图片lena.bmp来说，显然采用AVE的方法会使得处理效果更好，从(d)中能明显看出差别，一些边缘会较为平滑。 2、灰度图像的量化 采用非IGS量化的方法和采用IGS量化的方法所得的结果如图2a)-(g)所示： (a) (b) (c) (d) (e) (f) (g) 图2.左侧一列采用非IGS量化，右侧一列采用IGS量化方法； a)图像灰度级别为2，b)图像灰度级别为4，……g)图像灰度级别为128 从图2中的对比可以看出，采用IGS量化的方法，在低灰度分辨率情况下，灰度的过渡会更自然，不会像普通的量化方法那样存在一大块边缘生硬的色块。我认为这种结果可能仅对于人眼观看结果会比较有效，而对于分析数据未必有帮助。 附录：Matlab源码 % -----------