在數字圖像處理領域，圖像壓縮是一個永恒的話題，我們常常需要在保證圖像質量的前提下，盡可能地減小文件大小，以節省存儲空間、加快網絡傳輸速度，除了常見的JPEG、PNG等有損或無損壓縮格式外，從圖像數據本身的位深度入手進行壓縮，是一種簡單而高效的精簡方法，本文將詳細介紹如何利用MATLAB中的bitget函數，通過降低圖像位深度來實現圖像壓縮，并探討其原理、實現步驟與效果。
什么是位深度與圖像壓縮？
在開始之前,我們首先要理解兩個核心概念：
-
位深度：位深度指的是存儲一個像素點顏色所使用的二進制位數，位數越多，能表示的顏色范圍就越廣，圖像色彩層次就越豐富,常見的位深度有：
- 8位：這是最標準的形式，通常指灰度圖像（256個灰度級，0-255）或彩色圖像的每個通道（RGB各有256個級別）。
- 16位：每個通道有65536個級別，能記錄更豐富的色彩和亮度細節,常用于專業攝影和后期制作。
- 24位：通常指真彩色圖像，由8位的紅、綠、藍三個通道疊加而成,總共約1670萬種顏色。
-
圖像壓縮：圖像壓縮的目的是減少表示圖像所需的數據量,它分為兩類：
- 無損壓縮：壓縮后可以完全還原原始圖像，沒有任何信息損失,例如PNG格式。
- 有損壓縮：壓縮過程中會丟棄一部分人眼不敏感的數據，以換取更高的壓縮率,例如JPEG格式。
我們今天要討論的位深度壓縮，本質上是一種有損壓縮，通過減少表示像素的位數，我們直接丟棄了最低位的顏色信息,從而減小了圖像的數據量。
核心工具：bitget函數
MATLAB的bitget函數是實現位深度壓縮的關鍵,它的作用是從一個整數中提取指定位的值。
語法： c = bitget(A, bit)
參數說明：
A：輸入的整數數組（在我們的場景中，就是圖像矩陣）。bit：要提取的位的位置，從1（最低位）到最高位。
返回值：
c：一個與A大小相同的數組，其元素是A中對應元素指定位的值（0或1）。
簡單示例： 假設我們有一個像素值 A = 200（二進制為 11001000）。
bitget(200, 1)提取最低位，得到0。bitget(200, 8)提取最高位，得到1。
bitget函數就像一個精密的“數字鑷子”，能精準地操作圖像數據中的每一位,這正是我們進行位深度壓縮的基礎。
使用bitget進行圖片壓縮的步驟
下面我們通過一個具體的例子，將一幅標準的24位彩色圖（每個通道8位）壓縮到4位,來演示整個流程。
第一步：讀取原始圖像
我們使用imread函數讀取一張圖片，為了清晰展示效果,我們選擇一張色彩豐富的圖片。
% 讀取原始圖像
original_img = imread('peppers.png');
% 假設原始圖像是 uint8 類型，每個通道8位
% 顯示原始圖像
figure;
subplot(1, 2, 1);
imshow(original_img);'原始圖像 (8-bit per channel)');
第二步：確定目標位深度并進行數據截斷
假設我們的目標是將每個顏色通道從8位壓縮到4位，這意味著我們只需要保留原始8位數據中的高4位,而丟棄低4位。
如何實現？我們可以利用bitget提取高4位（即第5位到第8位）,然后將它們重新組合成一個4位的整數。
% 目標位深度 target_bits = 4; % 提取高4位 (第5, 6, 7, 8位) % 注意：bit的位置從1開始計數 high_4_bit = bitget(original_img, 8:-1:8-target_bits 1); % 將邏輯數組 (true/false) 轉換為 double (0/1) high_4_bit = double(high_4_bit); % 將4位數據重新組合成一個整數 % [b8, b7, b6, b5] -> b8*8 b7*4 b6*2 b5*1 compressed_img = uint8(high_4_bit(:,:,1) * 2^3 high_4_bit(:,:,2) * 2^2 high_4_bit(:,:,3) * 2^1 high_4_bit(:,:,4) * 2^0);
代碼解釋：
bitget(original_img, 8:-1:8-target_bits 1)：一次性提取了每個像素值的高4位。8:-1:5表示從第8位提取到第5位。double(high_4_bit)：bitget返回的是邏輯類型（logical），我們需要將其轉換為double類型以便進行后續的數學運算。compressed_img = ...：這一步是核心，我們將提取出的4個位（現在它們是0或1的矩陣）通過加權求和的方式，重新組合成一個0到15之間的整數，如果高4位是1101，計算結果就是1*8 1*4 0*2 1*1 = 13。
第三步：顯示并比較結果
我們將原始圖像和壓縮后的圖像放在一起進行對比。
% 顯示壓縮后的圖像
subplot(1, 2, 2);
imshow(compressed_img);['壓縮圖像 (', num2str(target_bits), '-bit per channel)']);
% 計算壓縮率
original_size = numel(original_img); % 像素總數
compressed_size = numel(compressed_img);
compression_ratio = (1 - compressed_size / original_size) * 100;
fprintf('原始圖像大小: %d 像素\n', original_size);
fprintf('壓縮后圖像大小: %d 像素\n', compressed_size);
fprintf('數據量減少了: %.2f%%\n', compression_ratio);
效果分析： 運行上述代碼，你會發現壓縮后的圖像出現了明顯的色帶或輪廓效應，這是因為從256個級別銳減到16個級別，色彩過渡不再平滑，圖像的主體結構和內容依然可辨，控制臺會輸出壓縮率，對于從8位到4位的壓縮，數據量正好減少了一半（50%）。
更通用的壓縮函數
為了方便重復使用,我們可以將上述邏輯封裝成一個函數。
function compressed_img = compress_image_by_bits(original_img, target_bits)
% COMPRESS_IMAGE_BYBITS 通過降低位深度來壓縮圖像
% compressed_img = compress_image_bybits(original_img, target_bits)
% 將原始圖像的每個通道壓縮到 target_bits 位。
% 檢查輸入有效性
if ~ismember(class(original_img), {'uint8', 'uint16'})
error('輸入圖像必須是 uint8 或 uint16 類型。');
end
if target_bits <= 0 || target_bits >= 16
error('目標位深度應在1到15之間。');
end
% 獲取原始位深度
original_bits = intmax(class(original_img)); % 對于uint8是255, uint16是65535
% 提取目標的高位
bits_to_get = original_bits:-1:original_bits-target_bits 1;
high_bits = bitget(original_img, bits_to_get);
% 轉換并重組
high_bits = double(high_bits);
weights = 2.^(target_bits-1:-1:0);
% 對每個通道進行計算
if size(high_bits, 3) == 1 % 灰度圖
compressed_img = uint8(sum(high_bits .* weights, 3));
else % 彩色圖
compressed_img = uint8(sum(high_bits .* weights, 4));
end
end
使用這個函數非常簡單：
% 使用通用函數進行壓縮 compressed_img_5bit = compress_image_by_bits(original_img, 5); figure; imshow(compressed_img_5bit);['壓縮圖像 (5-bit per channel)']);
總結與展望
利用bitget函數進行位深度壓縮，是MATLAB中一種非常直觀且強大的圖像處理技巧,它的優點在于：
- 實現簡單：核心邏輯清晰,代碼量少。
- 原理明確：直接操作圖像數據的最小單位——位
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
