Nano Hash - криптовалюты, майнинг, программирование

Как преобразовать 256-цветное изображение в 16-цветное изображение с помощью Emgu CV, C#?

Я работаю над С# Emgu CV, чтобы преобразовать 256-цветное изображение в 16-цветное изображение.

Я мог читать данные изображения.

Image<Gray, Byte> img = new Image<Gray, Byte>("test01.bmp");

Я могу найти функцию преобразования.

Image<Gray, Byte> img2 = img.Convert(Gray, Byte);

Здесь вторым параметром является глубина изображения. Я хочу установить его как 4. Но доступные значения параметров, как показано ниже.

Byte, SByte, Single, double, UInt16, Int16 or Int32

Как я могу решить эту проблему?

.net c# image-processing emgucv
18.01.2021

Ответы:


1

В приведенном вами примере вы конвертируете цветное изображение в изображение в оттенках серого. Изображение в градациях серого НЕ является 256-цветным изображением. 256-цветное изображение использует беззнаковый байт в качестве индекса в цветовой палитре. 16-цветному изображению требуется всего 4 бита, чтобы обеспечить индекс в 16-цветной палитре. Я подозреваю, что 16-цветное изображение по-прежнему будет иметь каждый пиксель, представленный младшими 4 битами беззнакового байта. Можно упаковать 2 пикселя в один байт, но я не знаю ни одной системы, которая это делает.

Суть в том, что вы не хотите устанавливать глубину преобразованного изображения в 4, вы хотите использовать Byte, поскольку для 256-цветного изображения требуется 8 бит. Насколько мне известно, в EmguCV нет подпрограммы, которая преобразует 256-цветное изображение в 16-цветное.

Если вы не являетесь цветовой палитрой, вам нужно будет квантовать изображение. Об этом процессе есть много хороших статей. Это содержит некоторые очень хорошие примеры.

Дуг

21.01.2021
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..