计算机视觉相关数据,【计算机视觉（一）】图像数据表示

数字图像是连续的光信号经过传感器的采样在空间域上的表达。一张图像是由一个包含若干个像素点的矩形框组成的，试着把一张图在“画图”软件中放大会有更直观的感受，下面是lena图放大后的效果。

lena放大图

可以看到图像是由很多个小格子组成的，每个小格子都只有一种颜色，这是构成图像的最小单元——像素(pixel)。不同的像素值代表了不同的颜色，像素值的值域一般在0到255(包括)之间，也就是256个整数，因此可以用完整个unsigned char类型的值域，所以像素值一般都是用unsigned char类型表示。

但0-255并不能映射到像上图所示的彩色，而只是对应黑色到白色之间的灰度值(grayscale)，如下图：

灰度值

要表示彩色像素，先回忆初中物理学的三原色，红绿蓝(RGB)，饱和的红绿蓝三种颜色叠加起来就是白色，假如其中一种颜色不那么“饱和”则可以表示其他的颜色，调节三种颜色的比例则可以表示我们常看到的24位色。灰度值的颜色空间在几何上可以用一根直线表示，而RGB彩色空间在几何上则对应了一个立方体，如下图：

RGB

因此，要表示彩色值，我们需要3个维度，也就是3个图像通道，每个像素值用3个数字表示，如(255,255,255)表示白色，(255,0,0)表示红色，(255,255,0)表示黄色。

像素在图像上的排布使用左手坐标系，原点在左上角，如下图：

图像坐标系

在OpenCV的python库中访问图像像素的示例代码如下：

# coding: utf-8

import cv2

import numpy as np

def main():

# 读取lena图

img = cv2.imread('lena.jpg')

# 打印img的维度

print 'img.shape:',img.shape

# 打印img的一个像素值

print 'img[0,0]:',img[0,0]

# 打印img的一个像素的一个通道值

print 'img[0,0,0]:',img[0,0,0]

if __name__ == '__main__':

main()

运行结果

在OpenCV的Python库中，图像是用numpy库的array结构表示的，你可以理解为矩阵。img这个numpy.array的第一个维度沿着行方向，第二个维度沿着列方向，第三个维度沿着通道。numpy.array与Matlab中的矩阵很相似，也支持多个数据同时访问，如img[0, :]可以表示图像的第一行所有像素、img[..., 0]可以表示图像的第一个通道所有像素。