比特平面分層（一些基本的灰度變換函數）基本原理及Python實現

1. 基本原理

在灰度圖中，像素值的范圍為[0, 255]，即共有256級灰度。在計算機中，我們使用8比特數來表示每一個像素值。因此可以提取出不同比特層面的灰度圖。比特層面分層可用於圖片壓縮：只儲存較高比特層（為什么使用較高層，而不是較低層？通過二進制轉換，我們知道較高層在數值中的貢獻更大）；如使用高四位比特層表示原有的八層比特平面。

2. 測試結果

圖源自skimage

3. 代碼

def extract_bit_layer(input_image, layer_num):
    '''
    提取比特層
    :param input_image: 原圖像
    :param layer_num: 提取層
    :return: 提取到的比特層
    '''
    input_image_cp = np.copy(input_image)  # 輸入圖片的副本

    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