![cf1b1837bb51f8d529d6a2b5c7c8a8b5.png](https://img-blog.csdnimg.cn/img_convert/cf1b1837bb51f8d529d6a2b5c7c8a8b5.png)
在开始介绍卷积神经网络之前,觉得有必要说一说计算机是如何读解图像,在计算机中是采用什么样数据结构来保存图像。
![96590831d477444a2777b2467ba649d5.png](https://img-blog.csdnimg.cn/img_convert/96590831d477444a2777b2467ba649d5.png)
其实用矩阵来保存一张图像,通过将 3 维矩阵来表示一张图像,可以理解将图像切分一个一个小方块(pixel)每个小方块都有一个位置信息坐标,pixel 颜色通过 RBG 来表示,可能还具有透明通道,或者带有表示深度的通道,就用这些信息来表示一张图像输入给计算机。这样这种表示存储图像方式比较低级,会丢失许多语义信息。
![330b1ff5ce31b0f172045e1f5cda24d4.png](https://img-blog.csdnimg.cn/img_convert/330b1ff5ce31b0f172045e1f5cda24d4.png)
那么计算机在面对这些只有位置和颜色的信息数据,想要得到更多信息就需要靠自己,因为信息不足,这样对于计算机来理解或者读懂一张图片的语义无形带来困难。