Python圖像處理丨帶你認識圖像量化處理及局部馬賽克特效

摘要：本文主要講述如何進行圖像量化處理和采樣處理及局部馬賽克特效。

本文分享自華為云社區(qū)《[Python圖像處理] 二十.圖像量化處理和采樣處理及局部馬賽克特效》，作者： eastmount。

創(chuàng)新互聯(lián)公司專注于博愛網(wǎng)站建設(shè)服務及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供博愛營銷型網(wǎng)站建設(shè)，博愛網(wǎng)站制作、博愛網(wǎng)頁設(shè)計、博愛網(wǎng)站官網(wǎng)定制、重慶小程序開發(fā)服務，打造博愛網(wǎng)絡公司原創(chuàng)品牌,更為您提供博愛網(wǎng)站排名全網(wǎng)營銷落地服務。

本文主要講述如何進行圖像量化處理和采樣處理及局部馬賽克特效。

一.圖像量化處理

圖像通常是自然界景物的客觀反映，并以照片形式或視頻記錄的介質(zhì)連續(xù)保存，獲取圖像的目標是從感知的數(shù)據(jù)中產(chǎn)生數(shù)字圖像，因此需要把連續(xù)的圖像數(shù)據(jù)離散化，轉(zhuǎn)換為數(shù)字化圖像，其工作主要包括兩方面——量化和采樣。數(shù)字化幅度值稱為量化，數(shù)字化坐標值稱為采樣。本章主要講解圖像量化和采樣處理的概念，并通過Python和OpenCV實現(xiàn)這些功能。

1.1 概述

所謂量化（Quantization），就是將圖像像素點對應亮度的連續(xù)變化區(qū)間轉(zhuǎn)換為單個特定值的過程，即將原始灰度圖像的空間坐標幅度值離散化。量化等級越多，圖像層次越豐富，灰度分辨率越高，圖像的質(zhì)量也越好；量化等級越少，圖像層次欠豐富，灰度分辨率越低，會出現(xiàn)圖像輪廓分層的現(xiàn)象，降低了圖像的質(zhì)量。圖6-1是將圖像的連續(xù)灰度值轉(zhuǎn)換為0至255的灰度級的過程。

如果量化等級為2，則將使用兩種灰度級表示原始圖片的像素（0-255），灰度值小于128的取0，大于等于128的取128；如果量化等級為4，則將使用四種灰度級表示原始圖片的像素，新圖像將分層為四種顏色，0-64區(qū)間取0，64-128區(qū)間取64，128-192區(qū)間取128，192-255區(qū)間取192；依次類推。

圖6-2是對比不同量化等級的“Lena”圖。其中（a）的量化等級為256，（b）的量化等級為64，（c）的量化等級為16，（d）的量化等級為8，（e）的量化等級為4，（f）的量化等級為2。

1.2 操作

下面講述Python圖像量化處理相關(guān)代碼操作。其核心流程是建立一張臨時圖片，接著循環(huán)遍歷原始圖像中所有像素點，判斷每個像素點應該屬于的量化等級，最后將臨時圖像顯示。下述代碼將灰度圖像轉(zhuǎn)換為兩種量化等級。

# -*- coding: utf-8 -*-
import cv2  
import numpyas np  
import matplotlib.pyplotas plt
#讀取原始圖像
img= cv2.imread('lena.png')
#獲取圖像高度和寬度
height= img.shape[0]
width= img.shape[1]
#創(chuàng)建一幅圖像
new_img= np.zeros((height, width, 3), np.uint8)
#圖像量化操作 量化等級為2
for i in range(height):
for j in range(width):
for k in range(3): #對應BGR三分量
if img[i, j][k] < 128:
                gray= 0
 else:
                gray= 128
 new_img[i, j][k]= np.uint8(gray)
#顯示圖像
cv2.imshow("src", img)
cv2.imshow("", new_img)
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

標題名稱：Python圖像處理丨帶你認識圖像量化處理及局部馬賽克特效
轉(zhuǎn)載來源：http://m.kartarina.com/article48/dsogshp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站導航、企業(yè)網(wǎng)站制作、品牌網(wǎng)站建設(shè)、小程序開發(fā)、域名注冊、響應式網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)