📅  最后修改于: 2021-01-08 05:21:37             🧑  作者: Mango
分辨率可以定义为图像中的像素总数。在图像分辨率中已对此进行了讨论。而且我们还讨论了,图像的清晰度不取决于像素数,而是取决于图像的空间分辨率。这已经在空间分辨率中进行了讨论。在这里,我们将讨论另一种类型的分辨率,称为灰度分辨率。
灰度分辨率是指图像的阴影或灰度级别中的可预测或确定性变化。
简而言之,灰度分辨率等于每个像素的位数。
在我们的每像素位数和图像存储要求教程中,我们已经讨论了每像素位数。我们将在这里简要定义bpp。
图像中不同颜色的数量取决于颜色的深度或每个像素的位数。
可以在灰度分辨率和每个像素的位数之间建立数学关系,如下所示。
在该等式中,L是指灰度级的数量。也可以将其定义为灰色阴影。 k表示bpp或每像素位数。因此,将2提高到每个像素的位功率等于灰度分辨率。
例如:
上面的爱因斯坦图像是灰度图像。表示它是每像素8位或8bpp的图像。
现在,如果要计算灰度分辨率,我们将如何做。
这表示其灰度分辨率为256。或者可以说,此图像具有256种不同的灰度阴影。
图像的每个像素位数越多,其灰度分辨率就越高。
不必仅根据级别定义灰度分辨率。我们还可以根据每个像素的位数来定义它。
如果给出的图像为4 bpp,则要求您计算其灰度分辨率。这个问题有两个答案。
第一个答案是16级。
第二个答案是4位。
您还可以从给定的灰度分辨率中找到每像素的位数。为此,我们只需要稍微扭转一下公式即可。
方程式1。
此公式可找到级别。现在,如果要找到每个像素的位数,或者在这种情况下是k,我们将像这样简单地对其进行更改。
K =对数基数2(L)公式(2)
因为在第一个方程中,电平(L)与每像素位数(k)之间的关系是指数关系。现在我们必须还原它,因此指数的倒数是log。
让我们举一个例子,从灰度分辨率中找到每个像素的位数。
如果给出的图像为256级。每像素需要多少位。
将256放在等式中,我们得到。
K =对数基数2(256)
K = 8。
因此答案是每个像素8位。
量化将在下一个教程中正式介绍,但是在这里,我们仅要解释灰度分辨率和量化之间的关系。
灰度分辨率位于信号的y轴上。在“信号与系统简介”教程中,我们研究了将模拟信号数字化需要两个步骤。采样和量化。
采样是在x轴上完成的。并且在Y轴上进行量化。
因此,这意味着将图像的灰度分辨率数字化是通过量化完成的。