什么是量化？

本文概述

• 等高线
• ISO偏好曲线

量化是一种有损压缩技术, 可通过将一系列值压缩到单个量子来实现。换句话说, 我们也可以说这是将值的连续范围转换为离散值的有限范围的过程。在给定的流中, 当离散符号减少时, 该流变得更可压缩。

例如, 当我们减少数字图像中的颜色数量时, 文件大小也会减小。

使用诸如JPEG中的DCT数据量化和JPEG 2000中的DWT数据量化之类的应用程序。

众所周知, 位用于表示像素强度, 这是有限的, 这就是为什么需要量化的原因。

如果将8位用于介于0到255之间的像素, 其中0表示纯黑色, 255表示纯白色, 中间值表示灰色。

在以上图像中, 原始图像的量化级别为257, 而量化的图像的量化级别为16。

等高线

正如我们在量化中看到的那样, 当图像中的灰度级数量减少时, 一些错误的颜色和边缘开始出现在图像上。

让我们考虑一个8 bpp的图像, 它具有以下灰度等级：

256阴影的灰色。

128阴影的灰色。

64阴影的灰色。

32阴影的灰色。

我们可以在上面的图像中看到灰度级降低的线条开始出现在图像上。

与64灰度阴影相比, 我们可以在32灰度阴影中看到更多的行。这就是轮廓。

ISO偏好曲线

我们已经看到了灰度和轮廓的效果。这些结果可以以称为ISO偏好曲线的曲线形式显示。

ISO偏好曲线显示轮廓的效果不取决于灰度分辨率的降低, 而还取决于图像的细节。

换句话说, 我们可以说, 如果图像更详细, 则与量化灰度级别较低的不太详细的图像相比, 轮廓效果会在图像中出现得更晚。

请参阅以下三个图像以清楚地了解灰度分辨率：

图片1

图片2

图片3

在图1中, 我们可以看到非常详细的人群。

在图2中, 只有一个脸比另一个脸更详细。

与图像1和图像2相比, 图像3更详细。

由于灰度分辨率, 你会在上面的图像中看到这些变化。我们可以根据结果绘制图形。

在下图中, 每条曲线代表一张图像。

在此, x轴表示灰度级, y轴表示每像素（k）的位。

根据上图, 在图像1中由于轮廓而看不到人脸。在图像2中, 由于轮廓, 女孩的脸部比男孩的脸部更细。并且在图像3中, 由于该轮廓图像较细致, 轮廓效果较小, 因此可以更清楚地看到图像中的男孩。

我们可以说, 当图像更详细时, ISO偏好曲线更垂直, 如果图像更详细, 则要求的灰度分辨率也非常低。