量化的概念

---

我们在信号和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所看到的，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。采样在 x 轴上完成。它是将x轴（无穷大值）转换为数字值。

下图显示了信号的采样。

与数字图像相关的采样

采样的概念与缩放直接相关。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没有在采样时结束，还涉及另一个步骤，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。当您量化图像时，您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 轴上是幅度。因此，将幅度数字化称为量化。

这是如何完成的

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，我们实际上收集了很多值，并且在量化中，我们为这些值设置了级别。下图中可以更清楚地看到这一点。

在采样图中，虽然已经采样了样本，但它们仍然垂直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。此级别可能会根据您想要的图像类型而有所不同。

下面进一步讨论量化与灰度级的关系。

量化与灰度分辨率的关系：

上面显示的量化图有 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。这将是一个或多或少带有一些灰色颜色的黑白图像。现在，如果您想让图像质量更好，您可以在这里做一件事。也就是说，增加层次，或者说灰度分辨率的提高。如果将此级别增加到 256，则意味着您拥有灰度图像。这比简单的黑白图像要好得多。

现在 256 或 5 或您选择的任何级别称为灰度级。还记得我们在之前的灰度分辨率教程中讨论过的公式吗？

我们已经讨论过灰度级可以通过两种方式定义。就是这两个人。

• 灰度级=每像素的位数（BPP）。（等式中的k）
• 灰度级=每个像素的级数。

在这种情况下，我们的灰度级等于 256。如果我们必须计算位数，我们只需将这些值放入等式中即可。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。

降低灰度级

现在我们将降低图像的灰度级来查看图像上的效果。

例如

假设您有一张 8bpp 的图像，有 256 个不同的级别。这是一个灰度图像，图像看起来像这样。

256 灰度级

现在我们将开始降低灰度级。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没有太大影响。咱们再减少一些吧。

64 级灰度

还是没有太大效果，那么让我们进一步降低水平。

32 个灰度级

惊讶地发现，还是有一点效果。可能是因为它是爱因斯坦的照片，但让我们进一步降低级别。

16 级灰度

繁荣，我们走，图像终于揭示了它是受级别影响的。

8 个灰度级

4 个灰度级

现在，在减少它之前，再减少两个2级，您可以很容易地看到图像因减少灰度级而严重扭曲。现在我们将其减少到2个级别，这只不过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。

2 个灰度级

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

轮廓

这里有一个有趣的观察，即当我们减少灰度级数时，图像中开始出现一种特殊类型的效果，这在 16 级灰度图片中可以清晰地看到。这种效果称为轮廓。

ISO偏好曲线

这种效应的答案及其出现的原因在于 Iso 偏好曲线。我们将在下一篇轮廓和 Iso 偏好曲线教程中讨论它们。