图像数据格式：HWC与CHW的区别

HWC与CHW

HWC

HWC：在这种格式中，数据按照"高度-宽度-通道数"（Height, Width, Channel）的顺序存储。

例如，对于OpenCV来说，它通常采用行优先的方式对图像进行存储。这意味着，在一张HWC格式的图像中，第二行的首个像素会紧跟在第一行的最后一个像素之后。

以一个3x3的灰度图像为例：

[
    [V11, V12, V13],
    [V21, V22, V23],
    [V31, V32, V33]
]

经过行优先扁平化操作后，会得到：

[V11, V12, V13, V21, V22, V23, V31, V32, V33]

RGB彩色图像也可以以相同的方式处理，但是需要注意的是，在扁平化之前，每个像素都包含三个值（即R, G和B）。所以在一维数组中，每个像素都会占用三个位置。

例如，一个2x2的RGB图像在OpenCV中可能会以以下方式存储：

原始的HWC格式表示为：

[
    [[R11, G11, B11], [R12, G12, B12]],
    [[R21, G21, B21], [R22, G22, B22]]
]

行优先扁平化后的一维表示为：

[R11, G11, B11, R12, G12, B12, R21, G21, B21, R22, G22, B22]

至于选择何种扁平化方式，取决于你的具体需求以及使用的库。不过请记住，一旦你选择了一种方式，并且创建了一维数组，你就需要始终在后续的处理中使用相同的方式。

CHW

CHW：在这种格式中，数据按照"通道数-高度-宽度"（Channel, Height, Width）的顺序存储。

以一个3x3的灰度图像为例：

原始的CHW格式表示为：

[
    [[V11, V12, V13], 
     [V21, V22, V23], 
     [V31, V32, V33]]
]

经过行优先扁平化操作后，会得到：

[V11, V12, V13, V21, V22, V23, V31, V32, V33]

对于RGB彩色图像，在扁平化之前，需要注意的是，CHW格式中，每个通道都为一个二维数组。所以在转换成一维数组后，某个通道的所有像素点会被连续存储。

例如，一个2x2的RGB图像在CHW格式下可能会以以下方式转为一维数组：

原始的CHW格式表示为：

[
    [[R11, R12], [R21, R22]],
    [[G11, G12], [G21, G22]],
    [[B11, B12], [B21, B22]]
]

行优先扁平化后的一维表示为：

[R11, R12, R21, R22, G11, G12, G21, G22, B11, B12, B21, B22]

这里，你可以看到，每个颜色通道的所有元素都在一起，例如R11, R12, R21, R22 都来自红色通道。

同样，选择何种扁平化方式，取决于你的具体需求以及使用的库。