什么是量化?

量化是一种有损压缩技术，可通过将一系列值压缩到单个量子来实现。换句话说，我们也可以说这是将值的连续范围转换为离散值的有限范围的过程。在给定的流中，当离散符号减少时，流变得更可压缩。

例如，当我们减少数字图像中的颜色数量时，文件大小也会减小。

使用诸如JPEG中的DCT数据量化和JPEG 2000中的DWT数据量化之类的应用程序。

众所周知，位用于表示像素强度，这是有限的，这就是为什么需要量化的原因。

如果将8位用于介于0到255之间的像素，其中0表示纯黑色，255表示纯白色，中间值表示灰色。

在以上图像中，原始图像的量化级别为257，而量化的图像的量化级别为16。

等高线

正如我们在量化中看到的那样，当图像中的灰度级数量减少时，一些错误的颜色和边缘开始出现在图像上。

让我们考虑一个具有以下灰度级的8 bpp图像：

256种灰色阴影。

128阴影的灰色。

64阴影的灰色。

32阴影的灰色。

我们可以在上面的图像中看到灰度级降低的线条开始出现在图像上。

与64灰度阴影相比，我们可以在32灰度阴影中看到更多行。这就是轮廓。

ISO偏好曲线

我们已经看到了灰度和轮廓的效果。这些结果可以以称为ISO偏好曲线的曲线形式显示。

ISO偏好曲线显示轮廓的效果不取决于灰度分辨率的降低，而还取决于图像的细节。

换句话说，我们可以说，如果图像更详细，则与量化灰度级别较低的不太详细的图像相比，轮廓效果会在图像中出现得更晚。

请参阅以下三个图像，以清楚地了解灰度分辨率：

图片1

图片2

图片3

在图1中，我们可以看到不太详细的人群。

在图2中，只有一个脸比另一个脸更详细。

与图像1和图像2相比，图像3更详细。

由于灰度分辨率，您会在上面的图像中看到这些变化。我们可以根据结果绘制图形。

在下图中，每条曲线代表一张图像。

根据上图，在图像1中由于轮廓而看不到人脸。在图像2中，由于轮廓，女孩的脸部比男孩的脸部更加详细。并且在图像3中，由于该轮廓图像较细致，轮廓效果较小，因此可以更清楚地看到图像中的男孩。

我们可以说，当图像更详细时，ISO偏好曲线更垂直，并且如果图像更详细，则需要的灰度分辨率就非常低。