数字图像有两个重要属性：空间位置(x,y)以及响应值I(x,y)。数字图像中像素的空间位置及响应值都是离散值，传感器输出连续电压信号。为了产生数字图像，需要把连续的数据转换为离散的数字化形式。采用的方式是图像量化与采样。
目录
图像采样
图像采样是将在空间上连续分布的模拟图像分割成M*N的网格，每个网格称为1个像素，M*N称为空间分辨率。根据香农采样定理，只要采样的频率大于被采样信号最高频率的二倍，就可以由采样信号对原始信号的完整恢复。
采样方式可分为均匀采样与非均匀采样两类。均匀采样根据所需分辨率M*N，将图像分成M*N小块，对每个图像块(*ij),使用采样函数S，求得采样结果值S(*ij)。不均匀采样需要体现细节位置增加采样频率，在图像变化较小的区域，减小采样频率。
均值采样
-
from skimage
import io
-
from matplotlib
import pyplot
as plt
-
import numpy
as np
# 导入所需类包
-
-
img = io.imread(
"JOJO.jpg")
-
print(img.shape)
# 显示图像原始大小
-
print(
type(img))
# 显示图像类型
-
ratio =
5
# 设置采样比率
-
img1 = np.zeros((
int(img.shape[
0] / ratio),
int(img.shape[
1] / ratio), img.shape[
2]),
-
dtype=
'int32')
# 设置采样后图像大小
-
for i
in
range(img1.shape[
0]):
-
for j
in
range(img1.shape[
1]):
-
for k
in
range(img1.shape[
2]):
# 对图像进行遍历
-
delta = img[i * ratio:(i +
1) * ratio, j * ratio:(j +
1) * ratio, k]
-
# 获取采样图像块
-
img1[i, j, k] = np.mean(delta)
# 计算均值，存入结果图像
-
plt.imshow(img1)
-
plt.show()
-
plt.imshow(img)
-
plt.show()
控制台：
-
(
393,
700,
3)
-
<
class
'numpy.ndarray'>
原始图像：
采样后：
采样频率对图像空间分辨率影响：一般而言，采样间隔越大，所得像素数越少，空间分辨率越低，图片质量越差；采样间隔越小，所得像素数越多，空间分辨率高，图像质量越好，但数据量大。
图像量化
模拟图像经过采样后，空间上形成了离散化，并形成了像素。但采样所得的像素值（灰度值）依旧是连续量。采样后所得各个像素的灰度值从连续量到离散量称为图像的量化。图像像素值
I(x,y)的数字化称为图像的量化。图像的实际灰度层次越多，视觉效果越好。
-
from skimage
import io
-
from matplotlib
import pyplot
as plt
-
-
img = io.imread(
"JOJO.jpg")
# 载入测试图像
-
img1 = io.imread(
"JOJO.jpg")
-
ratio =
128
# 设置量化比率
-
ratio1 =
64
-
for i
in
range(img.shape[
0]):
-
for j
in
range(img.shape[
1]):
-
for k
in
range(img.shape[
2]):
# 对图像进行遍历
-
img[i][j][k] =
int(img[i][j][k] / ratio) * ratio
-
img1[i][j][k] =
int(img1[i][j][k] / ratio1) * ratio1
-
# 对图像中每个像素进行量化
-
plt.imshow(img1)
-
plt.show()
-
plt.imshow(img)
# 打印采样后图像
-
plt.show()
128灰度级：
64灰度级：
图像的量化比例决定了图像的颜色精细程度。量化等级越多，层次越丰富，灰度分辨率高，图像质量好，但数据量大；灰度分辨率低，图像质量差，可能出现假轮廓现象，颜色跨度大，但数据量小。
Python数据包
主要使用
skimage
matplotlib
首先打开cmd窗口
输入：
python查看版本
https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy选择对应版本的所需工具包
这里就 skimage 为例：
根据电脑位数选择（大部分电脑64位），放入Python包下的Script目录（这里我的命名方式不太一样）：
打开cmd窗口，cd 命令进入该目录：
pip install (后面跟上下载的文件全称）
这里我已经下载好了。（注意，不能使用VPN，否则可能会出现报错）
查看是否安装成功：
pip list
转载：https://blog.csdn.net/weixin_51882166/article/details/128479008