图像处理的一些基础

大家都知道，计算机视觉是人工智能的一个分支，既然谈到视觉，就不得不说图像，计算机视觉也是基于图像的基础上进行研究。所以，掌握一些图像处理的基本知识对学习计算机视觉来说还是很有帮助的。

1.像素的理解

在日常生活中，我们大多时候对图像进行处理都是在计算机或者其他的电子设备上进行。那么图像在计算机中是怎么表示呢。首先我们先来说一下像素。相信大家对像素已经听过很多次了，对于像素，我们可以理解为组成图像的最基本元素。再具体一点，我们可以把像素看成是具有各自图像属性（比如颜色，亮度等）的小方块，当他们按照一定的顺序进行排列时，就形成了我们所看到的图像。

许许多多的像素点组成了我们看到的图像

上面说到像素是图片组成的最基本元素，具有图像的属性，比如其自身的亮度，色彩等。在计算机中，这些属性都用数字来表示。下面以一张灰度图作为例子。灰度图是单通道图，像素只有一个值：灰度值。灰度值越高，则图像越亮。

灰度图

现在我们已经知道我们看到一张灰度图是由许多不同灰度值的像素点构成，而每个像素就是一个越亮的像素，灰度值越高，最高值是255（白色），越暗的像素，灰度值越低，最低值是0（黑色）。灰度值在0~255之间的像素呈现不同程度的灰色。这样，通过不同的灰度层次，图像也就展现出来了。

我们已经知道我们看到一张灰度图是由许多不同灰度值的像素点构成，而每个像素就是一个代表灰度值的数字，那么我们想想许多数字按照图像的形状成矩形排列，会变成什么呢？没错，学过线性代数的小伙伴一下子就猜出来了，就是——矩阵。

这是将上面的图像变成18*18大小的图像，灰度值为1的部分是图中黑色的部分，根据灰度值就可以大概勾勒出头部的轮廓。

2.直方图

还是以灰度图举例，一幅图像由不同灰度值的像素组成，图像中灰度的分布情况是该图像的一个重要特征。图像的灰度直方图就描述了图像中灰度分布情况，能够很直观的展示出图像中各个灰度级所占的多少。图像的灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数：其中，横坐标是灰度级，纵坐标是该灰度级出现的频率。知道图像的直方图有什么作用呢，下面以一张图片的不同的直方图的情况来说明。

图1

图1直方图

图2

图2直方图

由图1直方图可知，图1的灰度值比较聚集，所以图片的细节与层次感不够丰富，图2是将图1的灰度值分布重新调整，是各个灰度值上都有一定的像素点，这样就能增强图像的信息，为后续图像的处理提供更清晰的信息。

3.色彩空间

色彩空间也称为彩色模型，彩色空间，也就是用模型来描述彩色图像的构成规则。常见的色彩空间模型有RGB，HSV，HUE等。本文只讲述RGB和HSV空间，因为在这两个色彩空间在计算机视觉中应用比较多。

RGB空间

在RGB空间中，R代表红色（red），G代表绿色（green），B代表蓝色（blue）。其空间模型如图

以图中虚线，即红（R），绿（G），蓝（B）为x，y，z轴建立笛卡尔坐标系。不同的坐标代表不同的颜色。如品红色为（1，0，1），白色为（1，1，1）等等。其中，在（0，0，0）与（1，1，1）的对角线上的颜色是不同层次的灰度级，也就是不同颜色的灰度。

所以对于一张RGB图像，它是一张三通道的图像。分别为R通道，G通道，B通道。我们通常用通道这个词汇来表示向量中的某个分量。在前面我们已经讲过灰度图是单通道的图像，意味着像素是一个标量，因为灰度图的像素只有一个代表灰度级的值。而在RGB中，因为每个像素有三个通道的值，所以RGB图像的每个像素是一个三维向量。因此对于每张RGB图像，我们可以把它分离成3个单通道的图像，其分别代表R，G，B三种颜色的灰度图。

RGB混合图

R通道

G通道

B通道

RGB模型是面向硬件的模型。因为在电子设备内部，通过显像管对三种颜色的电敏荧光粉不同强度的激发，就能产生各种颜色。

HSV空间

前面说到RGB模型是面向硬件的，那么HSV空间是面向我们人的。因为我们更习惯去这样描述一种色彩，它是什么颜色的，它是色深的还是色浅的，是明亮的还是暗淡的。HSV空间就是符合人直观认识色彩的一个模型。H为色调（hue），S是饱和度（saturation），V是明度（value）。

HSV模型

色调H，用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。

饱和度S，由圆心里到外颜色逐渐变鲜艳。

明度V，表示颜色明亮的程度，V越大，S能取的值也越大。

好的，这次图像处理的知识就到这里。哪天有空再更，手动滑稽。