跳到主要内容

数字图像基础

学习目标​

完成本节后，你将能够：

  • 理解图像的像素表示和颜色通道
  • 分清灰度图和彩色图的存储方式
  • 理解 RGB 与 HSV 的区别
  • 知道常见图像格式适合什么场景

一、计算机眼中的图片到底是什么？​

人看到一张猫的照片，会想到“这是一只猫”。
计算机看到的其实不是“猫”，而是一大堆数字。

最简单的理解：

图像 = 一个按位置排好的数字矩阵

你可以把它想成一个“灯光棋盘”：

  • 每个格子就是一个像素（pixel）
  • 每个像素里存着亮度或颜色数值
  • 所有像素排在一起，就组成了整张图

二、像素：图像的最小单位​

2.1 灰度图​

灰度图里，每个像素只需要一个数字表示亮度：

  • 0 表示纯黑
  • 255 表示纯白
  • 中间值表示不同程度的灰
import numpy as np

# 一个 5x5 的灰度图
gray = np.array([
    [0,   50, 100, 150, 200],
    [30,  80, 130, 180, 230],
    [60, 110, 160, 210, 255],
    [20,  70, 120, 170, 220],
    [10,  40,  90, 140, 190]
], dtype=np.uint8)

print("灰度图 shape:", gray.shape)
print(gray)

这里的 shape 是 (5, 5)，表示：

  • 高度 5
  • 宽度 5

也就是说，这张图只有 25 个像素。

2.2 彩色图​

彩色图一般使用 RGB 表示颜色：

  • R = 红色强度
  • G = 绿色强度
  • B = 蓝色强度

每个像素不再是一个数，而是三个数。

import numpy as np

# 一个 2x2 的 RGB 图像
rgb = np.array([
    [[255,   0,   0], [  0, 255,   0]],
    [[  0,   0, 255], [255, 255,   0]]
], dtype=np.uint8)

print("RGB 图 shape:", rgb.shape)
print(rgb)

这里 shape = (2, 2, 3)，表示：

  • 高 2
  • 宽 2
  • 每个像素 3 个通道

三、通道是什么？​

通道（channel）可以理解成“同一张图的不同颜色层”。

类比一下：

一张 RGB 图片，就像三张半透明薄膜叠在一起：一张红膜、一张绿膜、一张蓝膜。

import numpy as np

rgb = np.array([
    [[255,   0,   0], [  0, 255,   0]],
    [[  0,   0, 255], [255, 255,   0]]
], dtype=np.uint8)

red_channel = rgb[:, :, 0]
green_channel = rgb[:, :, 1]
blue_channel = rgb[:, :, 2]

print("R 通道:\n", red_channel)
print("G 通道:\n", green_channel)
print("B 通道:\n", blue_channel)

在计算机视觉里，“拆通道”是非常常见的操作。

比如：

  • 只分析亮度
  • 只增强某种颜色
  • 先转灰度再做边缘检测

四、图像为什么常用 uint8？​

大多数图片像素值范围是 0~255，所以常用 uint8 存储：

  • u = unsigned，无符号
  • int8 = 8 位整数
  • 能表示 0~255
import numpy as np

pixel = np.array([128, 200, 30], dtype=np.uint8)
print(pixel, pixel.dtype)

但在模型训练里，我们常常会把图像归一化到 0~1：

import numpy as np

pixel = np.array([128, 200, 30], dtype=np.float32)
pixel_normalized = pixel / 255.0

print(pixel_normalized)

为什么要归一化？​

因为神经网络更喜欢数值尺度稳定的数据。
就像做饭时每种调料都得有合理量级，不能一个用“克”、另一个用“桶”。

五、RGB 和 HSV 有什么区别？​

5.1 RGB：按“混多少红绿蓝”描述颜色​

RGB 很适合存图、显示图。
但它不太符合人类描述颜色的方式。

比如人更习惯说：

  • 这个颜色偏红
  • 饱和度高
  • 更亮一点

这时 HSV 往往更直观：

  • H = Hue，色相
  • S = Saturation，饱和度
  • V = Value，明度

5.2 一个直接可运行的小例子​

import colorsys

# 红色像素，先把 0~255 映射到 0~1
r, g, b = 255 / 255, 80 / 255, 80 / 255
h, s, v = colorsys.rgb_to_hsv(r, g, b)

print("HSV:")
print("H =", round(h, 3))
print("S =", round(s, 3))
print("V =", round(v, 3))

RGB 和 HSV 适合什么场景？​

颜色空间更适合什么
RGB存储、显示、神经网络输入
HSV颜色筛选、颜色分割、按“色调/亮度”处理图像

比如你要“找出画面里偏红的区域”，HSV 往往比 RGB 更方便。

六、把彩色图转成灰度图​

灰度图并不是简单地把三个通道平均一下。
通常会按人眼对不同颜色敏感度加权。

常见公式：

gray = 0.299*R + 0.587*G + 0.114*B

import numpy as np

rgb = np.array([
    [[255,   0,   0], [  0, 255,   0]],
    [[  0,   0, 255], [255, 255, 255]]
], dtype=np.float32)

gray = (
    0.299 * rgb[:, :, 0] +
    0.587 * rgb[:, :, 1] +
    0.114 * rgb[:, :, 2]
)

print(gray.astype(np.uint8))

七、图像格式怎么选？​

这是非常工程化但很实用的知识。

格式特点常见用途
JPG / JPEG有损压缩，体积小照片、网页展示
PNG无损压缩，支持透明图标、截图、UI 素材
WebP压缩效率高现代网页图像
BMP基本不压缩，体积大教学、底层处理

一个非常实用的直觉​

  • 照片：优先 JPG
  • 需要透明背景：优先 PNG
  • 想兼顾质量和体积：考虑 WebP

八、为什么视觉任务总在说“分辨率”？​

分辨率就是图像大小，比如：

  • 224 x 224
  • 640 x 480
  • 1920 x 1080

分辨率越高：

  • 细节越多
  • 计算量也越大

这就像你看地图：

  • 放大后更清楚
  • 但要处理的信息也更多

所以很多深度学习模型会先把图像缩放到固定大小。

九、一个小实验：统计图像亮度​

下面这个例子可以帮你快速建立“图像就是数值矩阵”的感觉。

import numpy as np

gray = np.array([
    [10, 20, 30],
    [100, 120, 140],
    [200, 220, 240]
], dtype=np.uint8)

print("最暗像素:", gray.min())
print("最亮像素:", gray.max())
print("平均亮度:", gray.mean())

这在视觉任务里很常见，比如：

  • 判断一张图是不是整体过暗
  • 做亮度归一化
  • 估计曝光情况

十、初学者常见误区​

1. 以为图像是“对象”，不是“数组”​

对人来说是对象，对计算机来说先是数组。
先接受这一点，后面所有视觉算法都会顺很多。

2. 混淆图像 shape​

不同库可能约定不同：

  • NumPy / OpenCV 常见 H x W x C
  • PyTorch 常见 C x H x W

这是后面写模型时必须特别小心的点。

3. 以为 RGB 和 HSV 只是换个名字​

不是。
它们是不同的颜色表示方式，适合的处理任务也不同。

小结​

学完这节，你要建立一个关键直觉：

图像并不神秘，本质上就是带空间结构的数字矩阵。

后面无论是 OpenCV 处理、卷积神经网络，还是目标检测，本质上都在处理这些有结构的数字。

练习​

  1. 自己创建一个 3x3 的灰度图矩阵，统计它的最大值、最小值和平均值。
  2. 自己创建一个 2x2x3 的 RGB 图像，打印每个通道。
  3. 把一组 RGB 像素手工转成 0~1 浮点数，理解归一化的作用。