4 图像处理基础知识

1 图像格式

1.1 通道数与像素深度

灰度图的通道数为1，RGB图片的通道数为3。对于灰度图，使用一个8位的数字就可以表示对应的黑白程度，因此像素深度为8。

以OpenCV为例介绍图像的通道数和像素深度的概念，首先我们读取并显示图片：

import cv2
from matplotlib import pyplot as plt 

img=cv2.imread("../picture/pig.jpg")
show_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
plt.imshow(show_img) 
plt.show() 

由于使用jupyter notebook，开发环境是IPython，因此无法直接使用OpenCV展示图片，需要使用matplotlib帮助展现。OpenCV默认格式为BGR，因此需要转换为RGB格式后再展现。显示结果如下：

打印原始图片，其形状为：

print(img.shape)
# (300, 300, 3)

接下来我们设置参数cv2.COLOR_BGR2GRAY，将原始图片转化为灰度图片：

img=cv2.imread("../picture/pig.jpg")
show_img=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.imshow(show_img,cmap=plt.cm.gray) 
plt.show() 

显示结果如下：

打印图片形状：

print(img.shape)
# (300, 300)

还有一类特殊的图像，只有黑色和白色，称为二值图，像素深度是1位：

img=cv2.imread("../picture/pig.jpg")
show_img=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, show_img = cv2.threshold(show_img, 220, 255,cv2.THRESH_BINARY)

plt.imshow(show_img,cmap=plt.cm.gray) 
plt.show()

转换成二值图像时核心代码为cv2.threshold，通过它可以把超过阈值的像素点设置为新值。

2 图像转换

2.1 仿射变换

仿射变换（Affine Transformation）是空间直角坐标系的变换，从一个二维坐标变换到另一个二维坐标。仿射变换是线性变换，它保持了图像的“平行性”和“平直性”，即图像中原来的直线和平行线，变换后仍然保持原来的直线和平行线。仿射变换比较常用的变换有缩放、旋转、平移、剪切和翻转。

假设某点变换前的坐标为(x,y)，变换后的坐标为(x’,y’)，那么仿射变换可以表示为：

待补充 82页