一幅8比特圖像可由8個1比特平面組成,每一個比特圖像都是一幅二值圖像。將所有像素的相同比特位的數字拿出來組成一個矩陣,就會有8個矩陣。
一個3比特的3*3大小的矩陣爲例。將各像素位置處的灰度值轉換成二進制,如圖一。將各相應位置處的數取出組成矩陣,從左到右分別是比特平面3、2、1。
重構過程就是使用第n個平面像素乘以2^(n-1)累計求和完成。
下面是代碼實現:
#include <iostream>
#include <opencv2/opencv.hpp>
#include<math.h>
using namespace cv;
using namespace std;
int b[8];
void num2bit(int n) {
int i;
for (i = 0; i < 8; i++) { //一定得初始化賦零,不然高位的值會一直爲1,第八張比特平面一直沒有信息。
b[i] = 0;
}
i = 0;
while (n > 0) {
b[i] = n % 2;
n = n / 2;
i++;
}
}
int main()
{
Mat Image0 = imread("1.jpg");
Mat Image;
cvtColor(Image0, Image, CV_BGR2GRAY);
imshow("原圖", Image);
Mat I1,I2, I3, I4, I5, I6, I7, I8 ;
I1.create(Image.rows, Image.cols, Image.type()); I2.create(Image.rows, Image.cols, Image.type()); I3.create(Image.rows, Image.cols, Image.type());
I4.create(Image.rows, Image.cols, Image.type()); I5.create(Image.rows, Image.cols, Image.type()); I6.create(Image.rows, Image.cols, Image.type());
I7.create(Image.rows, Image.cols, Image.type()); I8.create(Image.rows, Image.cols, Image.type());
int i, j;
for (i = 0; i < Image.rows; i++) {
for (j = 0; j < Image.cols; j++) {
num2bit(Image.ptr<uchar>(i)[j]);
I1.ptr<uchar>(i)[j] = b[0]; I2.ptr<uchar>(i)[j] = b[1]; I3.ptr<uchar>(i)[j] = b[2]; I4.ptr<uchar>(i)[j] = b[3];
I5.ptr<uchar>(i)[j] = b[4]; I6.ptr<uchar>(i)[j] = b[5]; I7.ptr<uchar>(i)[j] = b[6]; I8.ptr<uchar>(i)[j] = b[7];
}
}
imshow("比特平面1", I1*128);imshow("比特平面2", I2 * 128); imshow("比特平面3", I3 * 128); imshow("比特平面4", I4 * 128);
imshow("比特平面5", I5 * 128); imshow("比特平面6", I6 * 128); imshow("比特平面7", I7 * 128); imshow("比特平面8", I8 * 128);
//重構過程
Mat recon;
recon = pow(2, 0)*I1 + pow(2, 1)*I2 + pow(2, 2)*I3 + pow(2, 3)*I4 + pow(2, 4)*I5 + pow(2, 5)*I6 + pow(2, 6)*I7 + pow(2,7)*I8;
imshow("重建", recon);
imwrite("重建.jpg",recon);
waitKey(0);
system("pause");
return 0;
}
各比特平面結果如下:
由圖可見高比特平面較低比特平面所含信息量要大。下面分別利用第7和8平面,與將全部比特平面用於重構,結果如下:
好了,可以發了,搞了好久。。。。。