数字图像的表示

1. 二值图像

    一般用于黑白图像存储，常见于早期的计算机及显示设备上，每个像素以0表示黑色，1表示白色，则矩阵

   

   表示的二值图像为：

   ​

   二维码估计就是这么生成的，这种图像在单片机用单色液晶屏输出时最常用；

   

   二值图像的唯一参数为分辨率，分辨率越大，显示的图像越清晰。

   每像素存储单元：1 bit
   
   
    
2. 灰度图像
   
   这个世界并非非黑即白，在黑白之间还可以划分若干个不同级别的灰色区间——灰阶就是这么产生的；
   8位的灰阶是应用较为广泛的标准，即用0~255将黑到白划分256个等级，如下图：
   阶数越多（数字量位数越大），则过渡越自然，因此 灰度图引入了一个新参数：灰阶
   以前的黑白照片，严格来说，应该是灰度照片：
   
   既能描述形状，又能描述景深，灰度图已经很实用了，能够感知客观世界，当然，对于能够感知不同频率光谱的动物而言，世界是多彩的，于是还需要在计算机中表示色彩。
   
   每像素存储单元：1~2 Byte  （视灰阶位数而定）
    
3. RGB（A）& CMYK彩色图像
    杨-赫尔姆霍兹定理（The Young-Helmholtz theory） 告诉咱们，主动光的三原色为 红（Red），绿（Green），蓝（Blue），三色按不同的比例混合，生成了世界上各种颜色，反之，任何色彩理论上可以分解为三原色的特定比例组合——于是有了RGB色彩表示法。上图
   
   
   可以看出，蓝绿混合出青色（Cyan），红蓝混合出粉色（Magenta），红绿混合出黄色（Yellow），三色混合出白色（主动光）； 将RGB“翻转一下”就变成了CMYK ， K是中间的Black。
   RGB图像中，每个像素分为3个通道，每个通道用0~255分别表示红绿蓝三色的“浓度”： 例如 rgb（255，255，255）表示白色，rgb（0，0，0）表示黑色
   *RGB的基础上再增加一个表示透明度的Alpha通道值，就组成了RGBA 图像；
   
   RGBA 一般称为 加色法（多用于屏幕显示），图像整体偏亮； CMYK一般称为减色法（多用于印刷色彩表述，如打印机输出），图像一般偏暗。
   
   
   每像素存储单元：3 or 4 Bytes

色彩空间： HSL 和 HSV

HSL即色相、饱和度、亮度（英语：Hue, Saturation, Lightness）。HSV即色相、饱和度、明度（英语：Hue, Saturation, Value），又称HSB，其中B即英语：Brightness。

【注】 基于心理学认知、生物神经科学……不同学科的理论，颜色模型有很多，最为出名的当属 Young-Helmholtz 提出的三原色模型，就是常用的RGB， 另一个为 海灵（Hering，又译作 黑林）的对色理论（Opponent colour theory) , 19世纪中晚期，著名的心理学家Helmholtz和Hering一直就色觉及其他视觉模型互相争论，部分源于对科学的执着，部分源自两人之间的私人恩怨（文献里读到的啊，不要问是啥恩怨，问就是不知道）。 随着现代生物学和神经科学研究的深入，两位 De Valois（RUSSELL L. DE VALOIS and KAREN K. DE VALOIS）于1975年从生物视觉神经的角度阐述了两者的互补关系：1. 两者分别属于视觉通道（visual pathway）中的两个不同的过程（two stages），三原色理论属于色觉感知阶段而对立色理论则属于色觉传输及处理(理解和加工)阶段； 2. 两者分别解释了不同功能的神经元：在视网膜的感知层，只有三种对不同波长的光线敏感的视锥细胞（cones），分别是长（L- red），中（M-green）和短（S-blue）——这不就是三原色么？但是到了视网膜的无长突细胞（amacrine cells）和神经节处（ganglion cells）之后，三原色被编码为三组对色： 黑-白， 红-绿， 黄-蓝—— 这就是Hering主张的对立过程（ opponent process ）理论了。简单说结论： 两个理论都是正确且成立的。由于从电路上看，实现三原色更为简单，所以目前一般的电子成像设备（数码相机，屏幕等等）均采用了RGB模型，但随着人工智能近年向连接主义倾斜，Hering模型也许从原理上更符合复杂的色觉感知。近年有研究人员尝试将Hering模型用于计算机视觉任务例如： 碰撞检测

https://zh.wikipedia.org/wiki/HSL%E5%92%8CHSV%E8%89%B2%E5%BD%A9%E7%A9%BA%E9%97%B4

4. 索引图像

    由于RGB由三个字节存储，色彩空间理论上具有 256*256*256=16,777,216 个离散值（即1677万色，16M色）；而实际上，很多可以表达的颜色肉眼分辨率是很难分辨出来的（可以类比声音，差了几个Hz的音，没几个人能分辨出来）， 生活中常用的颜色其实多数是离散且不连续的，例如小时候常用的x色水彩笔（我用过的最多的也就四十几支）

于是类似字符的编码，人们也给颜色创建了一个目录（index），通过这个索引查表来得到真实的色彩表示值（写过单片机查表程序的同学们都很熟悉这个映射过程吧），颜色查表过程如下图（从mathworks公司网站间接引用的susan cohen的图）所示

这样，一个原本用三字节表示的色彩值就简化成了一个“页码” （索引）值，用一个字节就可以表示256种不同色彩，大大节省了彩色图的存储空间，当然，由于是有损压缩，代价就是色彩不那么“细腻”了—— 无所谓了，反正大多数人不怎么在意，况且，即使显示的色彩再丰富，输出设备支持的颜色空间依然是有限的（据说各国钱币上的色彩就不是一般打印机能够直接输出的）。 

每像素存储单元：1 Byte

5 瞎想

没打错字，就是瞎想不是遐想~~

未来计算机的色彩表达会否更进一步呢？会出现什么新的方法或技术吗？ 感觉两个方面可能有变化： 1. 随着存储空间的极大丰富，完全可以用更多字节来表示一个像素的色彩，但目前来看必要性不是很大，因为感觉一千六百多万的色彩值真的真的已经超出人类的需求了； 2. 从二维向三维的过度，VR或AR对这方面估计有研究，并已取得结果，维度的提升或许会根据人类的应用需求而出现一些根据3D图像的特点（光照角度，阴影blabla……）

-------------------------------------------------------------------------------------------------------------------------

推荐阅读：

数字图像的概念，灰度图像、二值图像、RGB图像、索引图像的异同

计算机中的颜色如何表示？

计算机中的颜色V——快速计算颜色的色相值

RGB转灰度的几种算法

RGB图像转为灰度图

RGB,CMYK,HSB各种颜色表示的转换