计算机视觉-0基础概念

一.数字图像是什么

我们在计算机世界里，网络世界里看到图片都是数字图像，不管是哪种格式，bmp，jpg，png，统统都是二进制字节码放在内存中。计算机按指定的编解码规则将二进制字节读出来，通过显示器展示出图片。数字图像有很长的发展历史，从英美报纸行业开始，编码、解码、压缩、传输、存储、显示，各种技术蓬勃发展直到今天，出现了很多关于数字图像的概念。

二.openCV是什么

对数字图像进行处理当然可以从字节码级别开始处理，能这么做很厉害，但是太无聊，我们要做的工作是在像素矩阵的基础之上做点东西。openCV是个开源的处理图片的代码工具包，openCV可以直接把各种格式的图像直接读成多维矩阵，或者叫向量空间，每个像素就是这个空间中的一个向量，计算机视觉要从这个矩阵开始进行工作。除了openCV外，还有其他各种工具会用到。

三.图像通道是什么

数字图像和画在纸上的图片、光学胶卷曝光出来的照片不一样，要把图的内容存在计算机中并且能展示给人眼看。在图像数字化过程中，必然损失掉一些细节，图片以大量的像素点的形式记录在计算机上，我们可以用“分辨率”来描述像素的密集程度，也就是与实际画面接近的程度。我们把每一个像素作为一块单独的信息，以最原始的黑白图为例，每一个像素用8bit存储（0～ 255），代表256级不同的灰度，每个位置的像素点都有自己的不同程度的黑白灰，于是一整张黑白照片就被记录下来了。这里的为每个像素点记录灰度数据就叫通道，灰度图是单通道。
而一般的彩色图，每个像素点要记录RGB三个信息，所以这就是三通道，有的图还要在加上透明度信息，这就是四通道。
还有一种HSV三通道模型，分别是色调、饱和度、明度。
等等。
结论：数字图片中，像素的分量就是通道。可以以通道为单位，将每条通道可以单独拿出来处理。

四.图像预处理

传统的计算机视觉主要包括几个工作流程：图像预处理，特征值提取，特征表示，利用数据训练模型。

1、灰度图与灰度直方图

灰度图就是计算机中的黑白照片，每个像素只有一个通道，这个通道也叫灰度通道，数值是0~255，表示这个像素点是有多黑。

灰度直方图均衡化，通过调整像素改变直方图，可以使图片的对比度更高

2、噪声与滤波

数字图像由电信号保存和传递，所以不可避免会被噪声污染，左为原始图片，右为被噪声污染后。

滤波，就是对图片中的像素进行计算，降低噪声。有多种算法，例如均值滤波、高斯滤波、中值滤波等等。

3、阈值二值化

将灰度图处理为二值图，所有像素点只有两种可能0或255，例如文字识别的时候，文字的像素全处理为纯黑，纸张的颜色全处理为纯白。

五、图片特征描述

特征的提取和表示就是：通过提取图像的有用信息，并且丢弃无关信息来简化图像的表示。例如，尺度不变特征变换、方向梯度直方图。