图像识别与处理——图像的表示与通道数问题

图像的表示与通道数问题

数字图像的基本概念
对于一幅的数字图像，我们看到的是 肉眼可见的一幅真正的图片，但是计算机看来，这副图像只是一堆亮度各异的点。一副尺寸为 M × N 的图像可以用一个 M × N 的矩阵来表示，矩阵元素的值表示这个位置上的像素的亮度，一般来说像素值越大表示该点越亮。

一般来说，灰度图用 2 维矩阵表示，彩色（多通道）图像用 3 维矩阵（M× N × 3）表示。

下面说说什么是通道数

*******************************************************************

通道数问题
描述一个像素点，如果是灰度，那么只需要一个数值来
描述它，就是单通道。

如果一个像素点，有RGB三种颜色来描述它，就是三通道。
而四通道图像，就是R、G、B加上一个A通道，表示透明度。一般叫做alpha通道，表示透明度的。
2通道图像不常见，通常在程序处理中会用到，如傅里叶变换，可能会用到，一个通道为实数，一个通道为虚数，主要是编程方便。

通过通道可以改变图像的色相和颜色，例如如果你保存红色通道，那么图像本身就只保留红色的元素和信息。
如果察看单个通道，发现每个通道都显示为一幅灰度图像(不能说是黑白图像)。某个通道的灰度图像中的明暗对应该通道色的明暗，从而表达出该色 光在整体图像上的分布情况。由于通道共有3个，所以也就有了3幅灰度图像。
通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。
　通道中的纯黑，代表了该色光在此处完全不发光，亮度级别是0。
　介于纯黑纯白之间的灰度，代表了不同的发光程度，亮度级别介于1至254之间。
　灰度中越偏白的部分，表示色光亮度值越高，越偏黑的部分则表示亮度值越低。
现在可以明白为何通道用灰度表示了吧？因为通道中色光亮度从最低到最高的特性，正符合灰度模式那种从黑到白过渡的表示。正是因为灰度的这种特性，使得它在以后还被应用到其它地方。通道中的灰度，与颜色调板的灰度滑块是对应的
一幅完整的图像，红色绿色蓝色三个通道缺一不可。即使图像中看起来没有蓝色，只能说蓝色光的亮度均为0，但不能说没有蓝色通道存在。
“存在、亮度为零”和“不存在”是两个不同的概念

******************************************************************************

接着再说说图像是如存储的，即使如何编码的：
如果是单通道图像，即灰度图，每个像素值用一个八位的二进制即可，如下图：

其中，I（ij）表示第i行第j列的亮度值。

如果是多通道图像，比如 RGB 图像，则每个像素用三个字节表示。在 OpenCV 中， RGB 图像的通道顺序为 BGR ，存储如下图 所示：