正式進入OpenCV影像操作前,讓我們再對影像的基礎知識更熟悉些,這次將介紹何謂取樣與量化。
影像數位化的過程,需經過 取樣(Sampling) 與 量化(Quantization) 兩步驟。
影像空間座標的數位化,稱為取樣。
影像像素強度的數位化過程,稱為量化。
數位訊號處理領域中,有一個很重要的取樣理論,稱為 Nyquist取樣定理,這個定理的定義如下:
假設原始訊號為頻帶限制訊號,最高頻率為 Fh,取樣頻率為 fs,則能保證原始訊號重建。
上面這個定義看似很抽象,讓我們來看一個實際的例子。以音樂為例,人的聽力範圍大約介在 20Hz ~ 20kHz之間,也就是說,人類可以感知的最高頻率約為Fh = 20kHz,根據Nyquist定理,音樂的取樣至少要大於 40kHz,這樣我們聽到的音樂才會是連續的。
目前的MP3檔案,取樣頻率會預設為44kHz或48kHz,符合Nyquist定理的基本要求。取樣率越高,擷取的數位資訊就越多,更接近原始訊號。
數位影像的取樣,是影像在空間座標的數位化過程。也就是在x軸和y軸取離散樣本,每個離散樣本構成影像的像素。取樣過程中的參數,稱為取樣率,代表空間中擷取的樣本數。取樣率越高,影像解析度也越高,反之亦然。
以印表機為例,解析度定義為每英吋的點數(Dots per Inch, DPI)。雷射印表機的解析度為2400 DPI
數位影像的量化,是指將影像中的像素的強度經過數位化,轉換成0與1的過程。每像素使用的位元數,稱為位元解析度(Bit Resolution)。
灰階影像通常為8-bits,灰階數共256種;色彩影像則為24-bits,共種。
數位影像在不同位元數下的量化會有不同的結果。當灰階數降到3-bits時,影像會出現假輪廓現象,主要發生在灰階的交界處,但其實不是原始影像的真正輪廓。
下圖由左至右依序為原始影像、5-bits、4-bits、3-bits、2-bits、1-bits量化。可以發現到,當位元數越高,表示像素能夠使用的為元素就越多,顏色就越精確。而5-bits以上基本上人眼很難察覺到差異。
關於量化的程式碼,有興趣的讀者可至我的Github參考。那我們今天就到這告一段落,感謝各位!