什么是轮廓?

随着我们减少图像中的灰度级数量，一些虚假的颜色或边缘开始出现在图像上。这已在我们上一本量化指南中显示。

让我们来看看它。

假设我们有一个8bpp的图像(灰度图像)，具有256种不同的灰度等级。

上面这张图片有256种不同的灰色阴影。现在，当我们将其减少到128并进一步减少到64时，图像大致相同。但是当将其进一步缩小到32个不同的级别时，我们得到了这样的画面

如果您仔细观察，您会发现效果开始出现在图像上。当我们进一步将其降低到16级时，这些效果更加明显，并且得到了这样的图像。

这些开始出现在此图像上的线被称为轮廓，在上述图像中非常明显。

轮廓的增加和减少

轮廓的效果随着我们减少灰度级数量而增加，效果随着我们增加灰度级数量而降低。反之亦然

VS

这意味着更多的量化，将影响更多的轮廓，反之亦然。但是，情况总是如此。答案是否定的。这取决于下面讨论的其他内容。

等参曲线

对这种灰度和轮廓影响进行了研究，结果以曲线形式(称为Iso偏好曲线)显示在图形中。

等参曲线的现象表明，轮廓的影响不仅取决于灰度分辨率的降低，还取决于图像的细节。

研究的实质是：

如果图像具有更多细节，则在量化灰度级时，与具有较少细节的图像相比，轮廓效果将稍后出现在该图像上。

根据原始研究，研究人员拍摄了这三张图像，并且在所有这三张图像中，它们均改变了灰度分辨率。

这些图像是

详细程度

第一幅图像中只有一张脸，因此细节很少。第二张图像在图像中也有一些其他对象，例如摄影师，他的相机，相机支架和背景对象等，而第三张图像比所有其他图像具有更多细节。

实验

在所有图像中，灰度分辨率都不同，并且要求观众对这三张图像进行主观评价。评分后，根据结果绘制图表。

结果

结果绘制在图表上。图上的每条曲线代表一张图像。 x轴上的值表示灰度级的数量，y轴上的值表示每像素(k)的位。

该图如下所示。

根据该图，我们可以看到第一个图像是面部图像，然后对所有其他两个图像进行了轮廓绘制。当其灰度降低时，第二张图像(即摄影师的图像)在第一张图像之后要经过一些轮廓处理。这是因为它具有比第一个图像更多的细节。第三幅图像在前两幅图像之后(即：4 bpp之后)经过大量轮廓处理。这是因为该图像具有更多细节。

结论

因此，对于更详细的图像，等参曲线变得越来越垂直。这也意味着对于具有大量细节的图像，几乎不需要灰度级。