Konzept der Quantisierung
Wir haben die Quantisierung in unserem Tutorial zu Signalen und Systemen eingeführt. In diesem Tutorial werden wir es offiziell mit digitalen Bildern in Verbindung bringen. Lassen Sie uns zunächst ein wenig über die Quantisierung diskutieren.
Ein Signal digitalisieren
Wie wir in den vorherigen Tutorials gesehen haben, erfordert das Digitalisieren eines analogen Signals in ein digitales zwei grundlegende Schritte. Abtastung und Quantisierung. Die Abtastung erfolgt auf der x-Achse. Es ist die Umwandlung der x-Achse (unendliche Werte) in digitale Werte.
Die folgende Abbildung zeigt die Abtastung eines Signals.
Sampling in Bezug auf digitale Bilder
Das Konzept der Abtastung steht in direktem Zusammenhang mit dem Zoomen. Je mehr Proben Sie nehmen, desto mehr Pixel erhalten Sie. Überabtastung kann auch als Zoomen bezeichnet werden. Dies wurde im Tutorial zum Abtasten und Zoomen erläutert.
Die Geschichte der Digitalisierung eines Signals endet jedoch nicht mit der Abtastung, sondern es gibt einen weiteren Schritt, der als Quantisierung bekannt ist.
Was ist Quantisierung?
Die Quantisierung ist der Probenahme entgegengesetzt. Dies erfolgt auf der y-Achse. Wenn Sie ein Bild quantisieren, teilen Sie ein Signal tatsächlich in Quanten (Partitionen).
Auf der x-Achse des Signals befinden sich die Koordinatenwerte, und auf der y-Achse haben wir Amplituden. Die Digitalisierung der Amplituden wird daher als Quantisierung bezeichnet.
Hier, wie es gemacht wird
Sie können in diesem Bild sehen, dass das Signal in drei verschiedene Ebenen quantifiziert wurde. Das bedeutet, dass wir beim Abtasten eines Bildes tatsächlich viele Werte erfassen und bei der Quantisierung Pegel auf diese Werte setzen. Dies kann im Bild unten deutlicher werden.
In der in der Stichprobe gezeigten Abbildung wurden zwar die Stichproben entnommen, sie erstreckten sich jedoch immer noch vertikal bis zu einem kontinuierlichen Bereich von Graustufenwerten. In der oben gezeigten Abbildung wurden diese vertikal reichenden Werte in 5 verschiedene Ebenen oder Partitionen quantisiert. Von 0 schwarz bis 4 weiß. Diese Stufe kann je nach Art des gewünschten Bildes variieren.
Die Beziehung der Quantisierung zu Graustufen wurde weiter unten diskutiert.
Quantisierungsrelation mit Graustufenauflösung:
Die oben gezeigte quantisierte Figur hat 5 verschiedene Graustufen. Dies bedeutet, dass das aus diesem Signal erzeugte Bild nur 5 verschiedene Farben haben würde. Es wäre mehr oder weniger ein Schwarzweißbild mit einigen Grautönen. Wenn Sie nun die Bildqualität verbessern möchten, können Sie hier eines tun. Das heißt, um die Pegel oder die Graustufenauflösung zu erhöhen. Wenn Sie diese Stufe auf 256 erhöhen, bedeutet dies, dass Sie ein Graustufenbild haben. Welches ist weitaus besser als einfaches Schwarzweißbild.
Jetzt wird 256 oder 5 oder eine beliebige Stufe, die Sie wählen, als Graustufe bezeichnet. Denken Sie an die Formel, die wir im vorherigen Tutorial zur Graustufenauflösung besprochen haben:
Wir haben diskutiert, dass Graustufen auf zwei Arten definiert werden können. Welches waren diese beiden.
- Graustufe = Anzahl der Bits pro Pixel (BPP) (k in der Gleichung)
- Graustufe = Anzahl der Stufen pro Pixel.
In diesem Fall haben wir eine Graustufe von 256. Wenn wir die Anzahl der Bits berechnen müssen, würden wir einfach die Werte in die Gleichung einfügen. Bei 256 Ebenen haben wir 256 verschiedene Graustufen und 8 Bit pro Pixel, daher wäre das Bild ein Graustufenbild.
Graustufe reduzieren
Jetzt werden wir die Graustufen des Bildes reduzieren, um den Effekt auf das Bild zu sehen.
Zum Beispiel
Nehmen wir an, Sie haben ein Bild von 8 bpp mit 256 verschiedenen Ebenen. Es ist ein Graustufenbild und das Bild sieht ungefähr so aus.
256 Graustufen
Jetzt werden wir anfangen, die Graustufen zu reduzieren. Wir werden zuerst die Graustufen von 256 auf 128 reduzieren.
128 Graustufen
Es gibt keine großen Auswirkungen auf ein Bild, nachdem die Graustufen auf die Hälfte verringert wurden. Lass uns noch etwas abnehmen.
64 Graustufen
Immer noch nicht viel Wirkung, dann lassen Sie uns die Pegel weiter reduzieren.
32 Graustufen
Überrascht zu sehen, dass es noch wenig Wirkung gibt. Möglicherweise liegt es an der Vernunft, dass es sich um das Bild von Einstein handelt, aber wir können die Pegel weiter reduzieren.
16 Graustufen
Boom hier, wir gehen, das Bild zeigt endlich, dass es von den Levels beeinflusst wird.
8 Graustufen
4 Graustufen
Bevor Sie es nun um zwei weitere zwei Ebenen reduzieren, können Sie leicht erkennen, dass das Bild durch Verringern der Graustufen stark verzerrt wurde. Jetzt werden wir es auf 2 Stufen reduzieren, was nichts anderes als eine einfache Schwarz-Weiß-Stufe ist. Dies bedeutet, dass das Bild ein einfaches Schwarzweißbild ist.
2 Graustufen
Das ist das letzte Level, das wir erreichen können, denn wenn wir es weiter reduzieren, wäre es einfach ein schwarzes Bild, das nicht interpretiert werden kann.
Konturierung
Es gibt hier eine interessante Beobachtung, dass, wenn wir die Anzahl der Graustufen reduzieren, eine spezielle Art von Effekt im Bild erscheint, der in 16 Graustufenbildern deutlich zu sehen ist. Dieser Effekt wird als Konturierung bezeichnet.
Iso-Präferenzkurven
Die Antwort auf diesen Effekt, weshalb er erscheint, liegt in Iso-Präferenzkurven. Sie werden in unserem nächsten Tutorial zu Konturierungs- und ISO-Präferenzkurven erläutert.