灰度值是什麼?是怎麼測量的

2021-03-05 09:22:04 字數 3942 閱讀 4676

1樓:浮生梔

灰度值是指將灰度物件轉換為 rgb 時,每個物件的顏色值。把白色與黑色之間按對數關係分成若干級,稱為「灰度等級」,使用黑白或灰度掃描器測量生成的影象通常以灰度顯示。

在計算機領域中,灰度(gray scale)數字影象是每個畫素只有一個取樣顏色的影象。這類影象通常顯示為從最暗黑色到最亮的白色的灰度,儘管理論上這個取樣可以任何顏色的不同深淺,甚至可以是不同亮度上的不同顏色。

灰度影象與黑白影象不同,在計算機影象領域中黑白影象只有黑白兩種顏色,灰度影象在黑色與白色之間還有許多級的顏色深度。但是,在數字影象領域之外,「黑白影象」也表示「灰度影象」,例如灰度的**通常叫做「黑白**」。

在一些關於數字影象的文章中單色影象等同於灰度影象,在另外一些文章中又等同於黑白影象。灰度使用黑色調錶示物體,即用黑色為基準色,不同的飽和度的黑色來顯示影象。

每個灰度物件都具有從 0%(白色)到100%(黑色)的亮度值。 使用黑白或灰度掃描器生成的影象通常以灰度顯示。

擴充套件資料

灰度等級範圍一般從0到255,白色為255,黑色為0,故黑白**也稱灰度影象,在醫學、影象識別領域有很廣泛的用途。

灰度分佈是指灰度影象的灰度值的分佈情況,反映了影象的最基本的統計特徵。灰度分佈主要應用於影象分割中,通過對灰度影象的灰度分佈的理解,來分析影象一些性質。

灰度直方圖是關於灰度級分佈的函式,是對影象中灰度級分佈的統計。灰度直方圖是將數字影象中的所有畫素,按照灰度值的大小,統計其出現的頻率。灰度直方圖是灰度級的函式,它表示影象中具有某種灰度級的畫素的個數,反映了影象中某種灰度出現的頻率。

如果將影象總畫素亮度(灰度級別)看成是一個隨機變數,則其分佈情況就反映了影象的統計特性,這可用probability density function (pdf)來刻畫和描述,表現為灰度直方圖。可以通過直方圖的狀態來評斷影象的一些性質,明亮影象的直方圖傾向於灰度級高的一側;

低對比度影象的直方圖窄而集中於灰度級的中部,高對比度影象的直方圖成分覆蓋的灰度級很寬而且畫素的分佈沒有不太均勻,只有少量的垂線比其他高許多。

直觀上來說:若一幅影象其畫素佔有全部可能的灰度級並且分佈均勻,則這樣的影象有高對比度和多變的灰度色調。

從概率的觀點來理解,灰度出現的頻率可看作其出現的概率,這樣直方圖就對應於概率密度函式(probabilitydensityfunction),而概率分佈函式就是直方圖的累積和,即概率密度函式的積分。

2樓:匿名使用者

您好!2.1、所謂灰度值是指色彩的濃淡程度.灰度直方圖是指一幅數字影象中,對應每一個灰度值統計出具有該灰度值的象素數。

2.2、對黑白影象,r,g,b值均相等,稱為灰度值,每一個畫素有一個灰度值.對於8位的灰度影象,其灰度值範圍為0~255。

2.3、灰度也可認為是亮度,簡單的說就是色彩的深淺程度。實際上在我們的日常生活中,通過三原色色彩深淺的組合,可以組成各種不同的顏色。

產品能夠展現的灰度數量越多,也就意味著這款產品的色彩表現力更加豐富,能夠實現更強的色彩層次。例如三原色16級灰度,能顯示的顏色就是16×16×16=4096色。不過目前的產品256級灰度已經非常地普遍了。

所謂顏色或灰度級指黑白顯示器中顯示畫素點的亮暗差別,在彩色顯示器中表現為顏色的不同,灰度級越多,影象層次越清楚逼真。灰度級取決於每個畫素對應的重新整理儲存單元的位數和顯示器本身的效能。如每個象素的顏色用16位二進位制數表示,我們就叫它16點陣圖,它可以表達2的16次方即65536種顏色。

如每一個象素採用24位二進位制數表示,我們就叫它24點陣圖,它可以表達2的24次方即16777216種顏色。

灰度就是沒有色彩,rgb色彩分量全部相等。如果是一個二值灰度圖象,它的象素值只能為0或1,我們說它的灰度級為2。用個例子來說明吧:

一個256級灰度的圖象,rgb(100,100,100)就代表灰度為100,rgb(50,50,50)代表灰度為50。

灰度是指黑白影象中點的顏色深度,範圍一般從0到255,白色為255 ,黑色為0,故黑白**也稱灰度影象,在醫學、影象識別領域有很廣泛的用途

彩色圖象的灰度其實在轉化為黑白影象後的畫素值(是一種廣義的提法),轉化的方法看應用的領域而定,一般按加權的方法轉換,r , g ,b 的比一般為3:6:1。

任何顏色都有紅、綠、藍三原色組成,假如原來某點的顏色為rgb(r,g,b),那麼,我們可以通過下面幾種方法,將其轉換為灰度:

1.浮點演算法:gray=r*0.3+g*0.59+b*0.11

2.整數方法:gray=(r*30+g*59+b*11)/100

3.移位方法:gray =(r*28+g*151+b*77)>>8;

4.平均值法:gray=(r+g+b)/3;

5.僅取綠色:gray=g;

通過上述任一種方法求得gray後,將原來的rgb(r,g,b)中的r,g,b統一用gray替換,形成新的顏色rgb(gray,gray,gray),用它替換原來的rgb(r,g,b)就是灰度圖了。

什麼是二值影象,什麼是灰度影象,什麼是彩色影象,他們有什麼區別?

3樓:可可粉醬

影象二值化就是將影象上的畫素點的灰度值設定為0或255,也就是將整個影象呈現出明顯的黑白效果。

灰度就是沒有色彩,rgb色彩分量全部相等。如果是一個二值灰度圖象,象素值只能為0或1。彩色影象是每個畫素由r、g、b分量構成的影象,其中r、g、b是由不同的灰度級來描述的。

區別:1、影象不同:二值影象在影象中,灰度等級只有兩種。灰度影象與黑白影象不同,在計算機影象領域中黑白影象只有黑白兩種顏色,灰度影象在黑色與白色之間還有許多級的顏色深度。

2、得到過程不同:灰度影象通常是在單個電磁波頻譜(如可見光)內測量每個畫素的亮度得到的。二值影象中所有的畫素只能從0和1這兩個值中取,因此在matlab中,二值影象用一個由0和1組成的二維矩陣表示。

3、應用領域不同:二值化影象的應用領域在車牌識別,影象的字元提取。彩色影象則不是。

4樓:奶思呀呀

二值影象(binary image)是指將影象上的每一個畫素只有兩種可能的取值或灰度等級狀態,人們經常用黑白、b&w、單色影象表示二值影象。

灰度數字影象是每個畫素只有一個取樣顏色的影象。

彩色影象是指每個畫素由r、g、b分量構成的影象,其中r、g、b是由不同的灰度級來描述的。

區別:視覺效果不一樣:

灰度圖:在rgb模型中,如果r=g=b時,則彩色表示一種灰度顏色,其中r=g=b的值叫灰度值,因此,灰度影象每個畫素只需一個位元組存放灰度值(又稱強度值、亮度值),灰度範圍為0-255。一般常用的是加權平均法來獲取每個畫素點的灰度值。

二值圖:影象的二值圖,就是將影象上的畫素點的灰度值設定為0或255,也就是將整個影象呈現出明顯的只有黑和白的視覺效果。

彩色圖象:多光譜圖象的一種特殊情況,對應於人類視覺的三基色即紅、綠、藍三個波段,是對人

眼的光譜量化性質的近似。

5樓:傳龍設計

二值影象(binary image),即影象上的每一個畫素只有兩種可能的取值或灰度等級狀態,人們經常用黑白、b&w、單色影象表示二值影象。

灰度影象(gray image)是每個畫素只有一個取樣顏色的影象,這類影象通常顯示為從最暗黑色到最亮的白色的灰度,儘管理論上這個取樣可以任何顏色的不同深淺,甚至可以是不同亮度上的不同顏色。灰度影象與黑白影象不同,在計算機影象領域中黑白影象只有黑色與白色兩種顏色;但是,灰度影象在黑色與白色之間還有許多級的顏色深度。灰度影象經常是在單個電磁波頻譜如可見光內測量每個畫素的亮度得到的,用於顯示的灰度影象通常用每個取樣畫素8位的非線性尺度來儲存,這樣可以有256級灰度(如果用16位,則有65536級)。

彩色影象,每個畫素通常是由紅(r)、綠(g)、藍(b)三個分量來表示的,分量介於(0,255)。 (cmyk:分別是由蘭、洋紅、黃和黑色四個分量來表示的)

6樓:匿名使用者

二值就是隻有黑和白,灰度就是有不同深度的灰色和黑白兩色,彩色就是彩色啦。區別就是可以表現的東西,二值只能表現兩種顏色,灰度可以表現不同深度的灰色,就畫素描,彩色就可以表現大部分東西了。佔用空間二值最小,灰度其次,彩色最多。

影象灰度化的目的是什麼?解釋的清楚點,謝謝了

影象灰度化的目的 避免條帶失真。灰度影象每個畫素只需一個位元組存放灰度值 又稱強度值 亮度值 灰度範圍為0 255,灰度影象通常在單個電磁波頻譜 如可見光 內測量每個畫素的亮度得到的。用於顯示的灰度影象通常用每個取樣畫素8位的非線性尺度來儲存,這樣可以有256級灰度。這種精度剛剛能夠避免可見的條帶失...

電容器tan測量指什麼,電容的Q值和D值指的是什麼

tan 是指電容器的損耗角正切值,即損耗df,它表示電容器使用過程中做功,無用功和有用功的比值。電容的q值和d值指的是什麼?電容的q值和d值 q值為品質因素,d 值為損耗角因素,也叫tan 損耗角。q值相當於d值的倒數,因此二者是成反比關係的。它們是衡量電容器的主要引數,q值越高,其損耗越小,效率越...

電壓表測量的是電壓的有效值還是峰值

電壓表測量電壓有效值的一種儀器。由永磁體 線圈等構成。電壓表是個相當大的電阻器,理想的認為是斷路。初中階段實驗室常用的電壓表量程為0 3v和0 15v。有效值在相同的電阻上分別通過直流電流和交流電流,經過一個交流週期的時間,如果它們在電阻上所消耗的電能相等的話,則把該直流電流 電壓 的大小作為交流電...