量化的概念

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。让我们首先讨论一下量化。

数字化信号

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

下图显示了信号的采样。

采样与数字图像的关系

采样的概念与缩放直接相关。您采集的样本越多，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。

但信号数字化的故事并不止于采样，还有另一个步骤，称为量化。

什么是量化

量化与采样相反。它是在 y 轴上完成的。量化图像时，实际上是将信号划分为量子（分区）。

信号的 x 轴上是坐标值，y 轴上是振幅。因此，数字化振幅称为量化。

这里是如何完成的

您可以在此图中看到，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，并且在量化时，我们将级别设置为这些值。这在下图中可以更清楚地说明。

在采样图中，虽然已经进行了采样，但它们仍然在垂直方向上跨越连续的灰度值范围。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。范围从 0 黑色到 4 白色。此级别可能根据您想要的图像类型而变化。

量化与灰度的关系将在下面进一步讨论。

量化与灰度分辨率的关系：

上图显示的量化图有 5 个不同的灰度级。这意味着由该信号形成的图像将只有 5 种不同的颜色。它或多或少会是一张黑白图像，带有一些灰色。现在，如果你想让图像质量更好，这里有一件事你可以做。那就是增加级别或灰度分辨率。如果你把这个级别增加到 256，就意味着你有一个灰度图像。这比简单的黑白图像好多了。

现在 256、5 或任何你选择的级别都称为灰度。记住我们在上一个教程中讨论的灰度分辨率公式，即，

我们已经讨论过灰度可以用两种方式定义。这两种方式是。

• 灰度 = 每像素的位数 (BPP)。（等式中的 k）
• 灰度 = 每像素的级别数。

在这种情况下，我们的灰度等于 256。如果我们必须计算位数，我们只需将值放入等式中。在 256 级的情况下，我们有 256 种不同的灰度和每像素 8 位，因此图像将是灰度图像。

降低灰度

现在我们将降低图像的灰度以查看对图像的影响。

例如

假设您有一个 8bpp 的图像，它有 256 个不同的级别。这是一张灰度图像，图像看起来是这样的。

256 灰度级

现在我们开始降低灰度级。我们首先将灰度级从 256 降低到 128。

128 灰度级

将灰度级降低一半后，对图像的影响不大。让我们再减少一些。

64 灰度级

仍然没有太大效果，那么让我们进一步降低灰度级。

32 灰度级

很惊讶地发现，仍然有一些小效果。可能是因为这是爱因斯坦的照片，但让我们进一步降低灰度。

16 灰度

轰隆隆，我们开始吧，图像终于显示出它受到了灰度的影响。

8 灰度

4 灰度

现在，在降低灰度之前，再降低两个 2 级，您可以很容易地看到图像因降低灰度而严重扭曲。现在我们将其降低到 2 个级别，这只不过是简单的黑白级别。这意味着图像将是简单的黑白图像。

2 灰度级

这是我们可以实现的最后一个级别，因为如果进一步降低它，它将只是一张黑色图像，无法解释。

轮廓

这里有一个有趣的观察，当我们减少灰度级的数量时，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。这种效果被称为轮廓。

Iso 偏好曲线

这种效果的答案，即它为什么会出现，在于 Iso 偏好曲线。它们将在我们下一个轮廓和 Iso 偏好曲线教程中讨论。