精华内容
下载资源
问答
  • pytorch 本身具有载入cifar10等数据集的函数,但是载入的是3*200*200的张量,当碰到要使用灰度图像时,可以使用他本身的函数进行修改,以较快速的完成彩色图像转灰度图像 pytorch函数 dataset = dset.CIFAR10(root=...
  • LabVIEW中如何将彩色图像转换成灰度图像
  • 下面小编就为大家带来一篇Python 将RGB图像转换为Pytho灰度图像的实例。具有很好的参考价值。希望对大家有所帮助。一起跟随小编过来看看吧
  • 灰度图像数据集.zip

    2021-07-07 14:06:35
    68张适用于图像处理领域的灰度图像
  • 使用matlab语言,实现灰度图像的形态学处理,包括腐蚀、膨胀及顶帽变换操作。
  • 灰度图像阈值分割

    2018-11-18 15:32:27
    用于实现灰度图像阈值分割的二维最大熵方法,使用matlab实现
  • matlab开发-灰度图像的形态学运算。灰度图像的放大、腐蚀、打开和关闭
  • lena,boat,baboon,camera,house等37张图像处理标准灰度图像
  • 包含了数字图像处理中经常用到的灰度图像,以及代码运行后的对比图
  • matlab代码,用于图像处理放向研究。把图像变成变灰度图像,索引图像或二值图像。
  • 灰度图像转化为彩色图像的MATLAB代码。
  • lena;peppers;couple;cameraman等256×256标准灰度图像
  • 灰度图像的拼接

    2015-10-08 16:42:42
    该代码实现图像的拼接,利用金字塔将图像分解为多个尺度,在多个尺度上进行匹配,由配准函数进行匹配,最后完成两幅图像的拼接
  • 1、实现灰度图像读写以及垂直翻转 2、实现灰度图像的水平翻转 3、将灰度图像中心100*100区域变白 4、将灰度图像尺寸缩小1倍
  • bmp24位彩色图像转8位灰度图像,纯C++语言实现,适合图片处理初学者。
  • 将一幅512*512的原始灰度图像,采用3*3的平均窗口对它作滤波运算(原图像外围的像素的灰度值视为128);对滤波后图像隔行、隔列丢弃一半像素形成一幅256*256的小图像;对此小图像分别采用最邻近内插、双线性内插的...
  • Matlab程序,自己手动实现rgb图像转灰度图像
  • mfc实现灰度图像处理

    2014-07-24 14:09:39
    主要是做了灰度图像的几何变换、正交变换、图像增强、二值化处理、形态学处理、图像分割等功能。代码主要参考了《visual c++数字图象处理技术详解》以及网上的一些技术文章。
  • 把BMP图像转成伪彩色图,MATLAB实现: clear all;close all;clc; I=imread('peizhun2.bmp'); imshow(I); I=double(I); [m,n]=size(I); L=256; for i=1:m for j=1:n if I(i,j) R(i,j)=0; G(i,j)=4*I(i,j); ...
  • 杭州电子科技大学孔万曾老师的人工智能课上的大作业,用遗传算法实现灰度图像的阈值分割
  • 灰度图像/MATLAB/数字图像处理入门

    千次阅读 多人点赞 2019-11-29 11:45:17
    灰度图像灰度图像转化rgb2gray灰度图像转化rgb2ind灰度图像向索引图像的转换gray2ind将灰度图像转换为索引图像grayslice索引图像转换为灰度图像ind2gray索引图像转换为真彩色图像ind2rgb灰度图像转换为二值图像im2bw...

    灰度图像转化rgb2gray

    matlab_Code
    close all; %关闭当前所有图形窗口
    clear all; %清空工作空间变量
    clc; %清屏
    X=imread(‘football.jpg’); %读取文件格式为.jpg,文件名为football的RGB图像的信息
    I=rgb2gray(X); %将RGB图像转换为灰度图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    subplot(121),imshow(X); %显示原RGB图像
    subplot(122),imshow(I); %显示转换后灰度图像
    Result在这里插入图片描述

    灰度图像转化rgb2ind

    close all; %关闭当前所有图形窗口
    clear all; %清空工作空间变量
    clc; %清屏
    RGB = imread(‘football.jpg’); %读取图像信息
    [X1,map1]=rgb2ind(RGB,64); %将RGB图像转换成索引图像,颜色种数N是64种
    [X2,map2]=rgb2ind(RGB,0.2); %将RGB图像转换成索引图像,颜色种数N是216种
    map3= colorcube(128); %创建一个指定颜色数目的RGB颜色映射表
    X3=rgb2ind(RGB,map3);
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure;
    subplot(131),imshow(X1,map1); %显示用最小方差法转换后索引图像
    subplot(132),imshow(X2,map2); %显示用均匀量化法转换后索引图像
    subplot(133),imshow(X3,map3); %显示用颜色近似法转换后索引图像
    在这里插入图片描述

    灰度图像向索引图像的转换gray2ind

    close all %关闭当前所有图形窗口
    clear all; %清空工作空间变量
    clc %清屏
    I = imread(‘cameraman.tif’) %读取灰度图像信息
    [X,map]=gray2ind(I,8); %实现灰度图像向索引图像的转换,N取8
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure,imshow(I); %显示原灰度图像
    figure, imshow(X, map); %显示N=8转换后索引图像
    在这里插入图片描述
    在这里插入图片描述

    将灰度图像转换为索引图像grayslice

    close all; %关闭当前所有图形窗口
    clear all; %清空工作空间变量
    clc; %清屏
    I = imread(‘coins.png’); %读取图像信息
    X = grayslice(I,32); %将灰度图像转换为索引图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure,imshow(I); %显示原图像
    figure,imshow(X,jet(32)); %jet(M)是相当于colormap,是一个M×3的数组
    在这里插入图片描述
    在这里插入图片描述

    索引图像转换为灰度图像ind2gray

    close all; %关闭当前所有图形窗口
    clear all; %清空工作空间变量
    clc; %清屏
    [X,map]=imread(‘forest.tif’);%像信息
    I = ind2gray(X,map); %再将索引图像转换为灰度图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure,imshow(X,map); %将索引图像显示
    figure,imshow(I); %将灰度图像显示
    在这里插入图片描述
    在这里插入图片描述

    索引图像转换为真彩色图像ind2rgb

    [X,map]=imread(‘kids.tif’); %读取图像信息
    RGB=ind2rgb(X,map); %将索引图像转换为真彩色图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure, imshow(X,map); %显示原图像
    figure,imshow(RGB); %显示真彩色图像

    在这里插入图片描述

    灰度图像转换为二值图像im2bw

    I=imread(‘rice.png’); %读取图像信息
    BW1=im2bw(I,0.4); %将灰度图像转换为二值图像,level值为0.4
    BW2=im2bw(I,0.6); %将灰度图像转换为二值图像,level值为0.6
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure;
    subplot(131),imshow(I); %显示level=0.4转换后的二值图像
    subplot(132),imshow(BW1); %显示level=0.5转换后的二值图像
    subplot(133),imshow(BW2); %显示level=0.6转换后的二值图像

    在这里插入图片描述

    索引图像转换为二值图像im2bw

    load trees; %从文件‘trees。mat’中载入数据到workplace
    BW = im2bw(X,map,0.4); %将缩=索引图像转换为二值图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure, imshow(X,map); %显示原索引图像
    figure, imshow(BW); %显示转换后二值图像

    在这里插入图片描述
    在这里插入图片描述

    RGB图像转换为二值图像im2bw

    I=imread(‘pears.png’); %读取图像信息
    BW=im2bw(I,0.5); %将RGB图像转换为二值图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure,
    subplot(121),imshow(I); %显示原图像
    subplot(122),imshow(BW); %显示转换后二值图像

    在这里插入图片描述

    矩阵J转换为灰度图像mat2gray

    X=magic(256);
    I= mat2gray(X); %将矩阵J转换为灰度图像
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    imshow(I); %显示转换后灰度图像
    在这里插入图片描述

    对灰度图像G进行2次滤波,实现边缘检测filter2

    I=imread(‘tire.tif’); %读取图像信息
    H=[1 2 1;0 0 0;-1 -2 -1]; %设置subol算子
    X=filter2(H,I); %对灰度图像G进行2次滤波,实现边缘检测
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]); %修改图形背景颜色的设置
    figure,
    subplot(131),imshow(I);
    subplot(132),imshow(X,[]),colorbar(); %显示图像,并添加颜色条
    subplot(133),imshow(X,[]),colorbar(‘east’);
    在这里插入图片描述

    读取多帧图像序列

    close all; %关闭当前所有图形窗口
    clear all; %清空工作空间变量
    clc; %清屏
    I=zeros(128,128,1,27); %建立四维数组I
    for i=1:27
    [I(:,:,:,i),map]=imread(‘mri.tif’,i); %读取多帧图像序列,存放在数组I中
    end
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]) %修改图形背景颜色的设置
    montage(I,map); %将多帧图像同时显示
    在这里插入图片描述

    二维图像纹理映射三维球体表面warp

    clc; %清屏
    %I=imread(‘testpat.png’);
    I=imread(‘football.jpg’); %读取图像信息
    [x,y,z]=sphere; %创建三个(N+1)×(N+1)的矩阵,使得surf(X,Y,Z)建立一个球体,缺省时N取20
    set(0,‘defaultFigurePosition’,[100,100,1000,400]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]) %修改图形背景颜色的设置
    figure,
    subplot(121),warp(I); %显示图像映射到矩形平面
    subplot(122),warp(x,y,z,I); %将二维图像纹理映射三维球体表面
    grid; %建立网格
    在这里插入图片描述

    交互式用鼠标选择像素

    clc; %清屏
    RGB = imread(‘peppers.png’); %读取图像信息
    c = [12 146 410]; %新建一个向量c,存放像素纵坐标
    r = [104 156 129]; %新建一个向量r,存放像素横坐标
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]) %修改图形背景颜色的设置
    pixels1=impixel(RGB) %交互式用鼠标选择像素
    pixels2= impixel(RGB,c,r) %将像素坐标作为输入参数,显示特定像素的颜色值

    图像像素信息显示工具impixelinfo

    close all; %关闭当前所有图形窗口
    clear all %清空工作空间变量
    clc; %清屏
    set(0,‘defaultFigurePosition’,[100,100,1000,500]); %修改图形图像位置的默认设置
    set(0,‘defaultFigureColor’, [1 1 1]) %修改图形背景颜色的设置
    h = imshow(‘hestain.png’); %显示图像
    hp = impixelinfo; %创建图像像素信息显示工具
    set(hp,‘Position’,[150 290 300 20]); %设置像素信息工具显示的位置
    figure
    imshow(‘trees.tif’);
    impixelinfo %创建图像像素信息显示工具
    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • MATLAB中将彩色的图像转化为灰度图像
  • 彩色图像、灰度图像、二值图像和索引图像区别

    万次阅读 多人点赞 2019-06-21 12:51:08
    彩色图像,每个像素通常是由红(R)、绿(G)、蓝(B)三个分量来表示的,分量介于(0,255)。RGB图像与索引图像一样都...但与索引图像不同的是,RGB图像每一个像素的颜色值(由RGB三原色表示)直接存放在图像矩...

    参考:http://www.sohu.com/a/50526196_196473
    https://blog.csdn.net/smf0504/article/details/72899725
    https://www.cnblogs.com/xixixing/p/5826871.html
    照片:
    在这里插入图片描述
    二值图像表示为logical数组(0或1,分别表 示黑和白)
    数据类型uint8(8位无符号整数):
    uint8,表示变量是无符号整数,范围是0到255.uint8是指0~2^8-1 = 255数据类型,一般在图像处理中很常见。
    参考:Matlab图像处理中uint8和double的问题
    为了节省存储空间,matlab为图像提供了特殊的数据类型uint8(8位无符号整数),以此方式存储的图像称作8位图像
    imread把灰度图像存入一个8位矩阵,当为RGB图像时,就存入8位RGB矩阵中。
    因此,matlab读入图像的数据是uint8,而matlab中数值一般采用double型(64位)存储和运算。所以要先将图像转为double格式的才能运算。
    意思也就是显示的时候用uint8 运算的时候用double;

    即,主要是为了保持运算精度, 一般来说用double 来完成复杂的运算。而在存储的时候的一般存储为uint8类型,节省存储空间。

    im2double():将图象数组转换成double精度类型
    im2uint8():将图象数组转换成unit8类型
    im2uint16():将图象数组转换成unit16类型
    在这里插入图片描述
    因为uint8的图像是灰度图像,也就是 像素值是从0~255变化的,而转换为double后像素值成了0-1变化,也就是说0是黑色,1是白色

    彩色图像,每个像素通常是由红(R)、绿(G)、蓝(B)三个分量来表示的,分量介于(0,255)。RGB图像与索引图像一样都可以用来表示彩色图像。与索引图像一样,它分别用红(R)、绿(G)、蓝(B)三原色的组合来表示每个像素的颜色。但与索引图像不同的是,RGB图像每一个像素的颜色值(由RGB三原色表示)直接存放在图像矩阵中,由于每一像素的颜色需由R、G、B三个分量来表示,M、N分别表示图像的行列数,三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。RGB图像的数据类型一般为8位无符号整形,通常用于表示和存放真彩色图像,当然也可以存放灰度图像。

    灰度图像(gray image)是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑色与白色两种颜色;但是,灰度图像在黑色与白色之间还有许多级的颜色深度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的,用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存,这样可以有256级灰度(如果用16位,则有65536级)。

    二值图像(binary image),即一幅二值图像的二维矩阵仅由0、1两个值构成,“0”代表黑色,“1”代白色。由于每一像素(矩阵中每一元素)取值仅有0、1两种可能,所以计算机中二值图像的数据类型通常为1个二进制位。二值图像通常用于文字、线条图的扫描识别(OCR)和掩膜图像的存储。

    索引图像即它的文件结构比较复杂,除了存放图像的二维矩阵外,还包括一个称之为颜色索引矩阵MAP的二维数组。MAP的大小由存放图像的矩阵元素值域决定,如矩阵元素值域为[0,255],则MAP矩阵的大小为256Ⅹ3,用MAP=[RGB]表示。MAP中每一行的三个元素分别指定该行对应颜色的红、绿、蓝单色值,MAP中每一行对应图像矩阵像素的一个灰度值,如某一像素的灰度值为64,则该像素就与MAP中的第64行建立了映射关系,该像素在屏幕上的实际颜色由第64行的[RGB]组合决定。也就是说,图像在屏幕上显示时,每一像素的颜色由存放在矩阵中该像素的灰度值作为索引通过检索颜色索引矩阵MAP得到。索引图像的数据类型一般为8位无符号整形(int8),相应索引矩阵MAP的大小为256Ⅹ3,因此一般索引图像只能同时显示256种颜色,但通过改变索引矩阵,颜色的类型可以调整。索引图像的数据类型也可采用双精度浮点型(double)。索引图像一般用于存放色彩要求比较简单的图像,如Windows中色彩构成比较简单的壁纸多采用索引图像存放,如果图像的色彩比较复杂,就要用到RGB真彩色图像。

    展开全文
  • C++实现灰度图像的腐蚀、膨胀、细化运算(bmp灰度图片),vc6.0运行无误
  • 利用opencv的cvKMeans2进行聚类分析,并给出测试代码,希望对大家有所帮助
  • 灰度图像

    千次阅读 2014-12-31 10:58:44
    学习DIP第15天 转载请标明本文出处:... 二值图像涉及到的操作多为形态学操作,前几篇已经对二值图像的形态学操作做了简单的介绍,如果以后有更深入的研究或者有新的发现,将会继续补充,按照进度...

     

    学习DIP第15天

    转载请标明本文出处:http://blog.csdn.net/tonyshengtan,欢迎大家转载,发现博客被某些论坛转载后,图像无法正常显示,无法正常表达本人观点,对此表示很不满意。。。。。。。。

    开篇废话

        二值图像涉及到的操作多为形态学操作,前几篇已经对二值图像的形态学操作做了简单的介绍,如果以后有更深入的研究或者有新的发现,将会继续补充,按照进度,接下来将要学习灰度图像的一些基本算法。我主要学习的教材是“冈萨雷斯的第三版”,《图像处理、分析与机器视觉》,以及《图像处理与计算机视觉算法及应用》。这几本书算是经典的入门级教材,也算深入教材,据大牛们说,这几本书超级给力,做完项目看会更有体会,因为本人小菜,所以大牛的话要慢慢来自己体会。
        2014年最后一天,给灰度图开个好头,希望2015年能找到图像处理的相关工作。。。。。

    灰度图像

           完整内容迁移至 

    http://www.face2ai.com/DIP-4-0-灰度图像/

    http://www.tony4ai.com/DIP-4-0-灰度图像/

    展开全文
  • 灰度图像直方图计算

    2013-10-20 22:17:47
    编程实现灰度图像直方图计算,里面含有256*256灰度图一幅,可以完美运行
  • MATLAB非线性灰度变换,只要是对数变换,以增强图像的显示效果
  • 灰度图像:每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度。 二值图像(黑白图像):每个像素点只有两种可能,0和1.0代表黑色,1代表白色。数据类型通常为1个二进制位。 索引...

    一、简介

    彩色图像:每个像素由R、G、B三个分量表示,每个通道取值范围0~255。数据类型一般为8位无符号整形。

    灰度图像:每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度。

    二值图像(黑白图像):每个像素点只有两种可能,0和1.0代表黑色,1代表白色。数据类型通常为1个二进制位。

    索引图像:类似于查字典,为了解决彩色图像消耗空间大的问题,一般应用于色彩构成比较简单的场景。
     

    二、详解

    彩色图像


      是指图像中的每个像素值都分成R、G、B三个基色分量,每个基色分量直接决定其基色的强度,这样产生的色彩称为真彩色。例如图像深度为24,用R:G:B=8:8:8来表示色彩,则R、G、B各占用8位来表示各自基色分量的强度,每个基色分量的强度等级为2^8=256种。图像可容纳2^24=16M种色彩(24位色)。24位色被称为真彩色,它可以达到人眼分辨的极限,发色数是1677万多色,也就是2的24次方。但32位色就并非是2的32次方的发色数,它其实也是1677万多色,不过它增加了256阶颜色的灰度,为了方便称呼,就规定它为32位色。少量显卡能达到36位色,它是24位发色数再加512阶颜色灰度。但其实自然界的色彩是不能用任何数字归纳的,这些只是相对于人眼的识别能力,这样得到的色彩可以相对人眼基本反映原图的真实色彩,故称真彩色

    灰度图像


      灰度图像(gray image)是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑色与白色两种颜色;但是,灰度图像在黑色与白色之间还有许多级的颜色深度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的,用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存,这样可以有256级灰度(如果用16位,则有65536级)

    三、CV中

    彩色图像(color image):每个像素通常是由红(R)、绿(G)、蓝(B)三个分量来表示的,分量介于(0,255)。RGB图像与索引图像一样都可以用来表示彩色图像。与索引图像一样,它分别用红(R)、绿(G)、蓝(B)三原色的组合来表示每个像素的颜色。但与索引图像不同的是,RGB图像每一个像素的颜色值(由RGB三原色表示)直接存放在图像矩阵中,由于每一像素的颜色需由R、G、B三个分量来表示,M、N分别表示图像的行列数,三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。RGB图像的数据类型一般为8位无符号整形,通常用于表示和存放真彩色图像,当然也可以存放灰度图像。

    灰度图像(gray image)是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑色与白色两种颜色;但是,灰度图像在黑色与白色之间还有许多级的颜色深度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的,用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存,这样可以有256级灰度(如果用16位,则有65536级)。

    二值图像(binary image),即一幅二值图像的二维矩阵仅由0、1两个值构成,“0”代表黑色,“1”代白色。由于每一像素(矩阵中每一元素)取值仅有0、1两种可能,所以计算机中二值图像的数据类型通常为1个二进制位。二值图像通常用于文字、线条图的扫描识别(OCR)和掩膜图像的存储。

    索引图像,即它的文件结构比较复杂,除了存放图像的二维矩阵外,还包括一个称之为颜色索引矩阵MAP的二维数组。MAP的大小由存放图像的矩阵元素值域决定,如矩阵元素值域为[0,255],则MAP矩阵的大小为256Ⅹ3,用MAP=[RGB]表示。MAP中每一行的三个元素分别指定该行对应颜色的红、绿、蓝单色值,MAP中每一行对应图像矩阵像素的一个灰度值,如某一像素的灰度值为64,则该像素就与MAP中的第64行建立了映射关系,该像素在屏幕上的实际颜色由第64行的[RGB]组合决定。也就是说,图像在屏幕上显示时,每一像素的颜色由存放在矩阵中该像素的灰度值作为索引通过检索颜色索引矩阵MAP得到。索引图像的数据类型一般为8位无符号整形(int8),相应索引矩阵MAP的大小为256Ⅹ3,因此一般索引图像只能同时显示256种颜色,但通过改变索引矩阵,颜色的类型可以调整。索引图像的数据类型也可采用双精度浮点型(double)。索引图像一般用于存放色彩要求比较简单的图像,如Windows中色彩构成比较简单的壁纸多采用索引图像存放,如果图像的色彩比较复杂,就要用到RGB真彩色图像。

    展开全文

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 144,473
精华内容 57,789
关键字:

灰度图像