计算机视觉的基础概念与入门

一. 前言

之前学习了一下 Python 环境下计算机视觉方面的一些应用（主要是 OpenCV）.

但是对于计算机视觉方面的种种概念都是一笔带过，计算机视觉是一个很大的领域，在深入它之前 ，有必要对其中的一些基础概念有一个宏观的理解。

二. 要学清楚哪些东西？

• 🅰️ ： 一个图像在计算机里面存储的时候 ，涉及到了哪些概念？
• 🅱️ : 图像在计算机里面存储的实质是什么样的？
• ➡️ : 那么最终在应用中如何产生作用？

三. 学一学那些生涩又难懂的术语

3.1 非黑即白 ：计算机图形的存储基础

上学的时候或多或少都学过 ，计算机底层的存储方式是二进制。不论什么数据 ，在最底层都是 0-1 的关系，图像同样如此。

• 以 《计算机视觉40例从入门到深度学习》 这里面的一个案例来说明 ：

但为了表示一张复杂的图形 ，远远不是 0-1 这么简单 ， 由此出现了一个概念 ：像素。

• 像素（Pixel）是计算机图像的基本单位，用于表示图像中的一个点。每个像素都包含颜色和亮度信息，组合在一起形成整个图像。
• 如果抽象从黑白的角度来说 ， 一个像素点就是一个字节 ，有八位Bit 表示 0-255 这个区间

分辨率是什么？

分辨率是指图像或显示器上像素的密度，通常以水平像素数和垂直像素数来表示，如 1920x1080。它决定了图像或显示器可以显示的细节和清晰度

• 一个分辨率为 1920x1080 的图像意味着图像有 1920 个像素宽度和 1080 个像素高度
• 分辨率越高，图像可以显示的细节和清晰度就越高 ，可以展示更多的细节（但是不等于图像就清晰了，它只是可以）

3.2 颜色模型 ： 将颜色进行量化

之前说到了 ，一个像素点里面是包含颜色信息的 ，这些颜色信息通常称为 ： 颜色模型

• RGB（Red, Green, Blue）模型 ：通过红绿蓝 3色组合形成的颜色模型
  • 表示方式：每个颜色分量通常用8位表示，范围是0到255
    • 红色：R = 255, G = 0, B = 0
    • 白色：R = 255, G = 255, B = 255
    • 灰色：R = 128, G = 128, B = 128
• RGBA（Red, Green, Blue, Alpha）模型 : 在上述的基础上增加了透明度的概念
  • 表示方式：Alpha通道也用8位表示
    • 不透明红色：R = 255, G = 0, B = 0, A = 255
    • 半透明红色：R = 255, G = 0, B = 0, A = 128
• CMYK（Cyan, Magenta, Yellow, Black）模型 : 由青色、品红、黄色和黑色四种颜色
  • 表示方式：每个颜色分量的范围是0到100%
    • 青色：C = 100%, M = 0%, Y = 0%, K = 0%
• HSB/HSV（Hue, Saturation, Brightness/Value）模型 ：用于描述颜色的感知特性
  • 表示方式：通过色相 ，饱和度 ，亮度来全方位的表示
    • 色相（Hue）：表示颜色的类型，范围是0到360度。
    • 饱和度（Saturation）：表示颜色的纯度，范围是0%到100%。
    • 亮度/值（Brightness/Value）：表示颜色的明暗程度，范围是0%到100%。
    • 纯绿色：H = 120°, S = 100%, B/V = 100%
• HSL（Hue, Saturation, Lightness）模型 ： 类似HSV模型，但使用光度来表示颜色的明暗程度
  • 表示方式：色相（Hue） + 饱和度（Saturation） + 光度（Lightness）
    • 纯蓝色：H = 240°, S = 100%, L = 50%
• Lab（CIELAB）模型 : Lab模型是基于人眼感知的颜色模型
  • 表示方式： L (明度) + a (绿色到红色的颜色分量) + b (蓝色到黄色的颜色分量)
• YUV/YCbCr 模型 ： Y表示亮度，U和V（或Cb和Cr）表示色度

为什么需要这么多的模型？

不同的颜色模型有着各自的适用的场景 ，RGB 比较适用于电子显示设备 ，而 CMYK 主要用于打印和出版， 而 YUV 则可以用于视频压缩和传输。

文件格式和颜色模型的关系 ？

• 不同的文件格式支持的颜色模型是不一样的 : 例如 JPEG 通常支持 RGC 模型，但不支持 RGBA.

四. 快速入门

4.1 从单色调开始 ： 黑白是如何存储的？

在上面我们学习了图像是以像素点的形式存在 ，又弄明白了颜色是怎么进行融入的 ，但是始终有一个问题 ：数据存储的格式最终是什么样的？

• 通常情况下，采用一个字节来描述灰度图像中一个像素点的像素值。
• 一个字节表示的范围是[0,255]

---

• 👉 首先 ： 我们假设一张图片 看起来 只有黑白二色 ，当他放大的时候 ，那么图像应该是这样的

我们注意到 ，小图放大到像素点级别的时候 ，总会有边界模糊的地方。在忽略这些地方的情况下 ，黑色和白色就可以分别通过 0 和 255 进行表示了 ：

• 👉 然后 ，可以观察到 ，在边界处数值是在 0-255 之间变化的 ：

• ❓ 总结 ： 在由黑到白的过程中 ，我们可以通过一个字节表示其黑白的强度 ，通过 0-255 的转换 ，得到一个基础的黑白图像。

4.2 量化 ： 灰度表示五彩斑斓的黑

由此我们可以联想到计算机视觉里面的一个常见的操作 ： 灰度化。

• 灰度的目的是把有颜色的图像转换成黑白的图像 ，避免其他的干扰因素。

• ❓ 总结 ：同样的 ，我们把一个彩色图像按照灰度化的方式 ，就可以得到一个五彩斑斓的黑白图像了。其中同样通过 0-255 的范围来表示黑白的边界。

4.3 颜色表示起来也很简单了

那么我们再进一步 ，颜色该怎么表示呢？我们以 RGC 颜色图像为例 ：

• 👉 每个像素点的颜色用红色、绿色和蓝色三个通道的值来表示。因此，整个图像可以用三个二维矩阵来表示，每个矩阵对应一个颜色通道。

• 👉 如上图 ： 一个图片的每个像素点 ，都可以看作三个矩阵的组合 ： R(A,B,C)

• 👉 而每个矩阵中只需要存储对应的颜色值的值即可 ：

五. 扩展用法

5.1 如何对图片进行索引？或者说如何操作图像？

查询整个图像中暗色的区域并且修改其色度

import cv2
import numpy as np

# 读取图像
image_path = "C:\\Users\\zzg\\Desktop\\test003.png"
image = cv2.imread(image_path)

# 检查图像是否正确读取
if image is None:
    print("Error: Could not read image.")
    exit()

# 将图像转换为灰度图像（可选）
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 定义暗色像素的阈值（这里假设灰度值低于100的像素为暗色像素）
dark_threshold = 100

# 复制图像以便后续处理
brightened_image = np.copy(image)

# 提高暗色像素的亮度
indices = np.where(gray_image < dark_threshold)
brightened_image[indices] += 100  # 增加像素的亮度值（可以根据需要调整）

# 显示处理后的图像
cv2.imshow("Original Image", image)
cv2.imshow("Brightened Image", brightened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存处理后的图像（可选）
cv2.imwrite("brightened_image.jpg", brightened_image)

• ❓ 可以看到 ，天空中暗色的区域被我们直接改成了白色 ，图像中暗色的区域也被替换了
• ❗ 只不过由于我们替换的幅度太大 ，导致图像变化的太明显
• 👉 我们所知的修图 ， 美颜 主要是在这个基础上用了更复杂的算法

5.2 计算机视觉处理图像的原理

还是以 OpenCV 为例 ，我们可以很轻易的拿到图像的像素点位 ，然后获取到图像的颜色模型，然后展示它们 ：

import cv2
import numpy as np

# 读取图像
image_path = "C:\\Users\\test.png"
image = cv2.imread(image_path)

# 获取图像的高度和宽度
height, width, _ = image.shape
scale_factor = 100  # 放大倍数
new_height = height * scale_factor
new_width = width * scale_factor

# 放大图像
resized_image = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_NEAREST)

# 在放大后的图像上标注RGB值
for i in range(height):
    for j in range(width):
        b, g, r = image[i, j]
        text = f"({r},{g},{b})"
        # 在放大后的像素区域的中心位置绘制RGB值
        x = j * scale_factor + scale_factor // 4
        y = i * scale_factor + scale_factor // 2
        # 使用黑色或白色文本颜色，取决于像素的亮度
        brightness = (int(r) + int(g) + int(b)) / 3
        text_color = (0, 0, 0) if brightness > 127 else (255, 255, 255)
        cv2.putText(resized_image, text, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.3, text_color, 1, cv2.LINE_AA)

# 显示新图像
cv2.imshow("Image with Pixel Values", resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存新图像
cv2.imwrite("image_with_pixel_values.png", resized_image)

• 如果我们需要对图像进行处理 ，我们也可以对颜色模型进行修改 ：

# 指定要修改的像素位置
x, y = 100, 100  # 例如修改位置 (100, 100) 的像素

# 指定新的 RGB 值
new_color = [0, 255, 0]  # 例如修改为绿色 (B=0, G=255, R=0)

# 修改像素点的 RGB 值
image[y, x] = new_color

# 显示修改后的图像
cv2.imshow("Modified Image", image)

# 保存修改后的图像
cv2.imwrite("modified_image.jpg", image)

总结

学完了图像的基础概念 ，后续就是 OpenCV 的常见用法了。

在这个逻辑上 ，我们可以想到很多图片的处理方向 ：

• 👉 通过图像的处理实现美颜的功能 ，整体风格的转变
• 👉 基于像素点的模型 ，来搜索相似或者相同的图片
• 👉 对图像特定的区域添加蒙版或者遮挡 ，对图片进行裁剪等
• 。。。。。。太多太多了

作者：志字辈小蚂蚁
链接：https://juejin.cn/post/7391065678545584137