图像如何存储在计算机中？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

介绍

深度学习技术普遍用于非结构化数据，例如文本数据或图像数据。在处理任何类型的数据之前，应先对它有充分的了解。

因此，在本文中，我们将讨论图像并查看它们如何实际存储在计算机上。我们将介绍两种保存图像的流行格式-灰度和RGB格式。

直接开始吧！

黑白或灰度图像如何存储在计算机中？

让我们举个例子。在这里，我们已经采取了黑白图像，也被称为一个 灰度图像。

这是数字8的图像。现在，如果我们进一步放大并且仔细观察，你会发现图像变得失真，并且你会在该图像上看到一些小方框。

这些小方框叫做Pixels。我们经常使用的图像维度是X x Y。这实际上是什么意思？这意味着图像的尺寸就是图像的高度（x）和宽度（y）上的像素数。

在这种情况下，高度为24像素，宽度为16像素。因此，此图像的尺寸将为24 x 16。尽管我们看到的是这种格式的图像，但计算机以数字的形式存储图像

这些像素中的每一个都表示为数值，而这些数字称为像素值。这些像素值表示像素的强度。对于灰度或黑白图像，我们的像素值范围是0到255。

接近零的较小数字表示较深的阴影，而接近255的较大数字表示较浅或白色的阴影。

因此，计算机中的每个图像都以这种形式保存，其中你具有一个数字矩阵，该矩阵也称为Channel

现在你能猜出这个矩阵的形状吗？好吧，它将与图像的高度和宽度上的像素值数量相同。在这种情况下，矩阵的形状将为24 x 16

现在，让我们快速总结一下到目前为止我们已经学到的要点-

• 图像以数字矩阵的形式存储在计算机中，其中这些数字称为像素值。

• 这些像素值代表每个像素的强度。

• 0代表黑色，255代表白色。

• 数字矩阵称为通道，对于灰度图像，我们只有一个通道。

彩色图像如何存储在计算机上？

现在我们有了关于如何将灰度图像存储在计算机中的想法，让我们看一个彩色图像的示例。让我们以彩色图像为例，这是一条狗的图像，

该图像由许多颜色组成，几乎所有颜色都可以从三种原色（**红色，绿色和蓝色）生成。**我们可以说每个彩色图像都是由这三种颜色或3个通道（红色，绿色和蓝色）

这意味着在彩色图像中，矩阵的数量或通道的数量将会更多。在此特定示例中，我们有3个矩阵：1个用于红色的矩阵，称为红色通道

另一个绿色的称为绿色通道

最后是蓝色的矩阵，也称为蓝色通道。

这些像素都具有从0到255的值，其中每个数字代表像素的强度，或者你可以说红色，绿色和蓝色的阴影。最后，所有这些通道或所有这些矩阵都将叠加在一起，这样，当图像的形状加载到计算机中时，它会是

其中N是整个高度上的像素数，M是整个宽度上的像素数，3表示通道数，在这种情况下，我们有3个通道R，G和B。在我们的示例中，彩色图像的形状将是   **6 x 5 x 3，**因为我们在高度上有6个像素，在宽度上有5个像素，并且存在3个通道。

尾注

本文介绍了两种最常见的图像格式：灰度和RGB，以及它们如何存储在计算机中。

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~