什么是量化？

量化是一种有损压缩技术，它通过将一系列值压缩到单个量子来实现。换句话说，我们也可以说它是一个将连续的值范围转换为有限的离散值范围的过程。在给定的流中，当离散符号减少时，该流变得更易于压缩。

例如，当我们减少数字图像中的颜色数量时，文件大小也会减小。

应用场景，例如 JPEG 中的 DCT 数据量化和 JPEG 2000 中的 DWT 数据量化。

正如我们所知，位用于表示像素强度，这是有限的，这就是为什么需要量化的原因。

如果使用 8 位表示一个像素，其范围从 0 到 255，其中 0 用于纯黑色，255 用于纯白色，中间值用于灰色。

在上面的图像中，原始图像的量化级别为 257，量化后的图像的量化级别为 16。

轮廓

正如我们在量化中看到的那样，当图像中的灰度级数减少时，图像上就会开始出现一些伪色和边缘。

让我们考虑一个 8 bpp 的图像，它具有以下灰度级

256 种灰度。

128 种灰度。

64 种灰度。

32 种灰度。

我们可以在上面的图像中看到，当灰度级降低时，图像上就会开始出现线条。

与 64 种灰度相比，我们可以在 32 种灰度中看到更多的线条。这被称为轮廓。

ISO 偏好曲线

我们已经看到了灰度级和轮廓的效果。这些结果可以用曲线的形式显示，这被称为 ISO 偏好曲线。

ISO 偏好曲线表明，轮廓效应不仅取决于灰度级分辨率的降低，还取决于图像的细节。

换句话说，我们可以说，如果图像更详细，那么与灰度级被量化的细节较少的图像相比，轮廓效应会在图像中稍后出现。

请看以下三张图像，以清楚地理解灰度级分辨率

图像 1

图像 2

图像 3

在图像 1 中，我们可以看到人群，细节非常少。

在图像 2 中，与另一个相比，只有一张脸更详细。

图像 3 比图像 1 和图像 2 更详细。

您在上面的图像中看到这些变化是因为灰度级分辨率。我们可以根据结果绘制一个图表。

在下面的图表中，每条曲线代表一张图像。

根据上面的图表，在图像 1 中，由于轮廓，无法看到面部。在图像 2 中，女孩的脸比男孩的脸更详细，这是由于轮廓效应。在图像 3 中，由于轮廓效应较少，图像中的男孩可以更清楚地看到，因为这张图像更详细。

我们可以说，当图像更详细时，ISO 偏好曲线更垂直，如果图像更详细，则需要非常少的灰度级分辨率。