Что означает 16-bit signed integer image с параметром VALID RANGE -100–16000?

Question

[Артур Бекеров]

Приветствую. Делаю свою амбициозную штуку.
Никак не могу осмыслить, что означает 16-bit signed integer image с параметром VALID RANGE -100–16000.
У меня есть изображение, которое читаю в Python.

Значения выводятся следующие:

[[7578 7578 5873 ..., 3000 3000 3188]
[6503 7578 7435 ..., 2906 2978 2925]
[6876 7330 7330 ..., 3053 2781 2790]
...,
[8396 8240 8240 ..., 9258 9258 9180]
[8319 8319 8240 ..., 9589 9654 9689]
[8313 8353 8347 ..., 9855 9885 9891]]

Answer 1

[radioxoma]

Продолжая тему. Я сталкивался, по большей части, с медицинскими изображениями. От обычных фотографий до многомерных объёмных стеков. С ГИС особо не работал, можно начать отсюда.

То изображение, которое вы представили, является одноканальным. Его ещё могут называть серым (градации серого), полутоновым (grayscale). Каждый канал это просто матрица точек с разными интенсивностями. Вы сами привели пример. Чтобы получить цветное изображение, требуется три канала. См. RGB. Привычные нам фотографии имеют три канала в цветовой схеме RGB, каждый из которых содержит данные в uint8. Четвёртый канал (альфа-канал) добавляется для получения прозрачности, когда изображения накладывается друг на друга. Цветовые пространства и их математическое представление довольно обширная тема, обратитесь к литературе. Можно начать с RGB.

А теперь то, о чём вы спрашивали.

uint16 представляет 2¹⁶ = 65536 (0...65535) возможных значений пиксела изображения. int16 то же самое, только отсчёт идёт не от нуля, а от -32768 до 32767.
uint8 представляет 2⁸ = 256 (0...255) возможных значений, по аналогии. Для обработки изображений удобнее unsigned int, так как положительные значения естественны: матрица камеры получает свет различной интенсивности (положительные значения) или его отсутствие (ноль). Так устроен АЦП фотоматрицы.

Получается, что uint16 позволяет хранить больше (чем uint8) данных в одном пикселе (ячейке матрицы). В 65536/256 = 256 раз больше. Возникает вопрос: есть ли у вас данные, требующие такого диапазона? А если есть, то что вы с ними будете делать? Обрабатывать конечно лучше с большей точностью. А вот отображать всё равно придётся в uint8 на канал. Монитор не отобразит все 16 бит, не все форматы изображений такую глубину поддерживают, как поведёт себя браузер не имею понятия.

Резюме: обрабатывать с максимальной точностью. Картинки для браузера конечного пользователя отдавать в восьмибитном jpg (если не страшны артефакты) или png (если нужна прозрачность или максимальная сохранность данных).

Answer 2

[radioxoma]

Уточните вопрос. Signed short int, разве нет?

У вас двухмерный массив, каждый элемент массива имеет C-подобный (си-подобный) тип. В отличие от unsigned, каждый элемент может быть ещё и отрицательным, хотя обычно для обработки изображений с отрицательными значениями не работают.

Откуда данные получаете? Рентгеновские снимки?

Comments

[Артур Бекеров]

@radioxoma спутниковые снимки

[Артур Бекеров]

не пойму как с ними лучше работать. переводить в 8 битный формат?

[radioxoma]

@krekerov Если данные вписываются в 256 значений без потери динамического диапазона, то можно rescale (не знаю как по-русски) их в uint8. Для большей точности можно использовать большую битность: uint16, uint32 (см. numpy). Собственно это вопрос вашего удобства, просто по моему опыту некоторые алгоритмы (например, в scikit-image не всегда адекватно ведут себя с int). Вообще, не нужно искать здесь проблемы.

Я так и не понял, что конкретно вы хотите сделать и какую помощь получить. Вопрос всё ещё не задан.

[Артур Бекеров]

@radioxoma мне просто хотелось осмыслить физический смысл 16 битных изображений. все что гуглил - об использовании 16битных в фотошопе.
Я произвожу математические вычисления и записываю в файл.
Потом с помощью того же numpy делаю цветное изображение из этого файла.
У вас большой опыт работы с такими изображениями?
у меня терабайт этих снимков, хочу сделать апи для системы экомониторинга и выводить их на гугл карту.
поэтому и вопрос какбы сложноват как лучше процессить и хранить эти изображения.

Answer 3

[Sergey Lerg]

Смотря какую обработку вы выполняете. Если всё ужать в 256 значений и вам будет этого достаточно для результата, то так и делайте.
Если точность теряется больше чем нужно, то переводите в целые 16 битные числа и работайте с такой разрядностью.
Я пологаю, что диапазон -100..0 не имеет особого физического смысла? Если имеет, то его можно выделить в отдельное изображение, например. Или принять тупо нулями, если они вообще не критичны для обработки.

Comments

[radioxoma]

Зачем в отдельное изображение? +100 и всё будет хорошо. Если нужно сохранить верхнюю границу диапазона, то:

import numpy as np
image = np.arange(-100, 101, step=1) # Пример картинки
image += 100 # Сдвиг к положительным значениям
image /= (image.max() / (image.max() - 100)) # Нормализуем

[radioxoma]

Да, image.max() лучше вычислить один раз заранее.