从计算机视觉到人脸识别：一文看懂颜色模型、信号与噪声

导读：计算机视觉是计算机科学的一个重要门类。计算机视觉的主要目标是教会计算机如何去“看”，所以也称为机器视觉。本文将介绍计算机视觉的一些基础知识。

作者：王天庆

如需转载请联系大数据（ID：hzdashuju）

01 计算机视觉介绍

计算机视觉的主要目标是教会计算机如何去获取图片信息中的知识，例如人脸识别就是让计算机去自动获取与识别人脸图像中的知识，这个“知识”的范畴可以是“两张图片中的人脸是否来自于同一个人”，也可以是“图片中的人脸是男人还是女人”。

维基百科上对计算机视觉的定义如下：

Computer vision is an interdisciplinary field that deals with how computers can be made for gaining high-level understanding from digital images or videos. From the perspective of engineering, it seeks to automate tasks that thehuman visual system can do.

计算机视觉是一个跨学科领域，涉及如何使用计算机获取数字图像与视频中的高层次理解。从工程角度来看，它的目标是寻找一种能够与人类视觉系统实现相同功能的自动化任务。

这段话表明了计算机视觉的跨学科特点，它与人工智能、固态物理学、神经生物学、信号处理等产生诸多关联。传统的计算机视觉的处理方法多是采用信号处理方法，而机器学习技术浪潮的兴起，为计算机视觉打开了一扇新的大门。

当然，计算机视觉的数据输入源最简单和常见的就是摄像头了。但是，计算机视觉技术对于非摄像头的数据输入源也能提供很好的支持。

例如，麻省理工学院的一项研究成果能够实现基于WiFi信号探测到墙的另一侧人的动作和姿态，基于红外线传感器也能够实现人脸识别，甚至基于地震信号进行矿藏探测的技术中也可以结合计算机视觉的一些技术。

从这个角度说，计算机视觉的技术辐射度和应用范围是非常广泛的，计算机视觉技术能够使我们的生活更加多姿多彩，为创造更美好的世界提供了一个强大的工具。

02 颜色模型

我们看到的图像数据是以二维的形式展现的，这些图片有的是缤纷多彩、富有表现力的彩色图片，也有的是表现得沉郁顿挫的黑白风格，甚至有的图片只有纯黑和纯白两种颜色。诸如此类，都是图片的不同表现形式，我们将在本节具体了解一下它们的区别。

1. 彩色图像

下面，我们将介绍两种最为常用的颜色模型，分别是RGB颜色模型和HSV颜色模型。RGB颜色模型是在几何形态上呈现立方体结构，与硬件实现关联紧密。HSV颜色模型在几何形态上呈现椎体结构，更偏向于视觉上直观的感觉。

1.1 RGB颜色模型

RGB颜色模型应该是我们在平时生活中接触最多的一种颜色模型，也就是我们通常说的红、绿、蓝三原色模型。

RGB颜色模型是将红、绿、蓝3种不同颜色，根据亮度配比的不同进行混合，从而表现出不同的颜色。由于在实现上使用了3种颜色的定量配比，因此该模型也被称为加色混色模型。通过3种最基本颜色的混合叠加来表现出任意的一种颜色的方法，特别适用于显示器等主动发光的显示设备。

值得一提的是，RGB颜色的展现依赖于设备的颜色空间，不同设备对RGB颜色值的检测不尽相同，表现出来的结果也存在差异。这也就使得我们感觉有些手机屏幕颜色特别逼真、绚丽，而另一些就难以令人满意。

如图3-1所示展现了RGB颜色模型的空间结构，这是一个立方体结构，在该几何空间中，3个坐标轴分别代表了3种颜色。那么，从理论上讲，任何一种颜色都包含在该立方体结构中。

▲图3-1 RGB颜色模型的空间结构

接触过Web前端开发的读者可能会对RGB颜色模型有一些了解，例如#FFFFFF代表纯白色，#FF0000代表正红色。这是采用十六进制对24比特展示模式的一种表示方法。开始的两个十六进制数字位表示红色，中间的两位表示绿色，最后的两位表示蓝色，每一种颜色采用8比特来表示，3种颜色共计占用24比特。

我们平时用得最多的RGB颜色展示模式也就是24比特展示的。这种方法分别将红、绿、蓝3种颜色使用8比特无符号整数来表示。8比特无符号整数表示的范围就是0~(2⁸-1)，也就是[0,255]的整数区间。

例如，使用一个元组来表示正红色，元组中元素的顺序为红、绿、蓝，则正红色可以表示为(255,0,0)。那么对于黄色这种颜色来讲，它是由红色和绿色两种颜色叠加产生的，所以正黄色可以表示为(255,255,0)。如果我们想要减少该种黄色的亮度该如何操作呢？只需要把红、绿两种颜色同时按比例减少就可以实现了。

而如果改变它们的比例配比，则可以实现混合后的颜色向某种颜色进行偏移，例如橘黄色就会更加偏向红色一些。

1.2 HSV颜色模型

<