比特平面分层（一些基本的灰度变换函数）基本原理及Python实现

1. 基本原理

在灰度图中，像素值的范围为[0, 255]，即共有256级灰度。在计算机中，我们使用8比特数来表示每一个像素值。因此可以提取出不同比特层面的灰度图。比特层面分层可用于图片压缩：只储存较高比特层（为什么使用较高层，而不是较低层？通过二进制转换，我们知道较高层在数值中的贡献更大）；如使用高四位比特层表示原有的八层比特平面。

2. 测试结果

图源自skimage

3. 代码

 def extract_bit_layer(input_image, layer_num):
     '''
     提取比特层
     :param input_image: 原图像
     :param layer_num: 提取层
     :return: 提取到的比特层
     '''
     input_image_cp = np.copy(input_image)  # 输入图片的副本

     if layer_num == 1:
         input_image_cp = np.where((input_image_cp >= 0) & (input_image_cp < 2), 255, 0)
     elif layer_num == 2:
         input_image_cp = np.where((input_image_cp >= 2) & (input_image_cp < 4), 255, 0)
     elif layer_num == 3:
         input_image_cp = np.where((input_image_cp >= 4) & (input_image_cp < 8), 255, 0)
     elif layer_num == 4:
         input_image_cp = np.where((input_image_cp >= 8) & (input_image_cp < 16), 255, 0)
     elif layer_num == 5:
         input_image_cp = np.where((input_image_cp >= 16) & (input_image_cp < 32), 255, 0)
     elif layer_num == 6:
         input_image_cp = np.where((input_image_cp >= 32) & (input_image_cp < 64), 255, 0)
     elif layer_num == 7:
         input_image_cp = np.where((input_image_cp >= 64) & (input_image_cp < 128), 255, 0)
     elif layer_num == 8:
         input_image_cp = np.where((input_image_cp >= 128) & (input_image_cp < 256), 255, 0)
     else:
         print("please enter the number of bit layers from 1 to 8")

     output_image = input_image_cp

     return output_image