10.1.1 视觉基础路线图：像素、通道、处理

计算机视觉从输入直觉开始。在分类、检测或分割之前，你需要知道图像在计算机里是什么数字形态。

先看图像流水线

第一个心智模型很简单：图像 = 高度 × 宽度 × 通道。后面的很多 bug 都来自 shape、通道顺序、坐标或颜色空间混淆。

跑一个极小图像形状检查

这个玩具图像有 2 行、3 列和 RGB 值。

image = [
    [[255, 0, 0], [0, 255, 0], [0, 0, 255]],
    [[255, 255, 255], [0, 0, 0], [128, 128, 128]],
]

height = len(image)
width = len(image[0])
channels = len(image[0][0])
top_left_pixel = image[0][0]

print("shape:", (height, width, channels))
print("top_left_pixel:", top_left_pixel)

预期输出：

shape: (2, 3, 3)
top_left_pixel: [255, 0, 0]

如果真实图片读取后的形状或通道顺序错了，后面每个模型结果都会更难信任。

按这个顺序学

步骤	阅读	实操产出
1	图像表示	解释像素、通道、高度、宽度、RGB/BGR
2	OpenCV 基础	加载、查看、裁剪、缩放、保存图片
3	基础处理	尝试灰度、阈值、模糊、边缘和简单滤波

通过标准

如果你能检查图像 shape，按坐标裁剪区域，解释通道顺序，并为 README 保存一张处理结果，就通过了本章。

检查思路与讲解

1. 合格答案要把任务映射到正确的视觉输出：类别标签、检测框、mask、OCR 文本、embedding 或视频事件。
2. 证据应包含渲染后的视觉产物，以及一个指标或定性错误说明。
3. 自检时要能指出一个视觉失败模式，例如类别混淆、漏检、mask 边界差、光照变化、领域偏移或标注质量弱。

留下的证据

学完这一页，至少保留这张证据卡：

输入图像

本次运行中使用的源图像或合成图像

数组形状

宽、高、通道、dtype，以及坐标约定

处理后输出

灰度、裁剪、边缘、阈值或已保存的中间图像

失败检查

通道顺序、缩放失真、坐标错误或过度处理

期望产出

前后对比图片，以及打印出的形状或像素值