【小白学OpenCV】（零）——计算机图像基础

最近开始接触图像处理，开始学习大名鼎鼎的OpenCV。都说分享才是最好的学习，能用自己的语言向别人解释清楚才是真正的理解透彻了，所以我决定在学习的同时不断总结、在这里和大家分享自己的所悟。

学习OpenCV最好的教程应该是官方的教程文档了，在解压后opencv\build\doc下有tutorial和refman（接口介绍），但是都是英文写的，文字很多很密集，好吧其实我有密集恐惧症。所以我推荐大家看一下中文站点翻译的教程，快速入门，尽快建立整体框架概念，后续可以回过头有针对性的去看官方教程： http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html。这里写的比较简单，很多算法并没原理解释，没有基础的筒子们会非常难理解。好吧，其实我初看的时候也是不懂，就让我来为大家做补充吧，保证一看就懂哦~~~

好了，不多啰嗦了，回到正题。图像处理或者说机器视觉，要处理的都是图像，所以咱们先不急着去搞OpenCV，先捋一下图像基础，温故而知新哈~

一、黑白2值（二进制图）

我们从简单说起，首先是80后童年的掌上游戏机那种，黑白2值的点阵图，如下图：



这种图片的原理非常简单：需要显示的小格子涂黑，背景白色，刚好就对应了计算机中的0/1两种状态了。这种用矩阵来表示就非常简单啦：这样就沿着”1“画出一根斜线了。这种图像的元素取值范围是0或1，所以就叫2值图了。

特点及应用：2值图是最简单的图像，体积小处理速度非常快，很多时候为了提高算法效率我们会使用2值图，而且很多函数要求的输入参数也是2值图。通常我们可以用阀值化、compare()、inrange等对矩阵的运算得到2值图。

二、灰度图

只有0/1明显是弱爆了，将元素的取值范围扩大，就成了灰度图。比如我们常用的8位灰度图，就是亮度值取值在[0,255]之间的整数，0代表纯黑，255代表纯白，中间的数值做过渡。这样的话，就能反应出颜色的深浅了。如下图：



这里就引出一个概念：图像的位深。对比矩阵的话，矩阵的元素的取值范围所对应的存储位数就是位深了。比如说8位无符号，那就是2的8次方，即256。16位浮点，32位这些都是一样理解的，位深越大就是说颜色表现的越精细，图片的体积也就越大了。

特点及应用：只有黑白色，以很小的体积来比较好地表现图像细节，处理速度较快，是图像处理中运用最广的一种图片。获取灰度图的方法很多，可以分离彩色图像得到、可以直接转换成灰度图等。

颜色空间缩减：为了提高处理的速度，我们很多时候并不需要那么高精度来区分亮度值。比如[0, 255]之间，[0, 9]这个区间内的值都用0表示，[10,19]之间都用10来表示等，这样就可以减少数据量，提高处理速度了。这里用了C++里面int类型除法自动截余的特点，new=old/10*10。如old=16，则new=16/10*10=1*10=10。通过这样的替换，就可以用26个数字代表256种亮度值了。

通常我们还会预先计算好所可能用到的替换值，然后通过查表赋值的方法来取代直接计算，为了进一步提高运算效率。

三、RGB图（RGBA）

接着就是彩色图了。色彩里面有个三原色：蓝、绿、红。这3种颜色不同比例的混合可以产生各种颜色。为了显示彩色，我们需要将上述矩阵的元素再扩张，改为由代表3个原色的值来表示。如下图（搬官方教程的，大家当做彩色的看吧）：



简单点分一下就是：

这里就又引出了一个概念：通道。所谓通道，就是说你这个图片里面的每个点的颜色由几方面共同控制的。常见的RGB图片，每个点都是由红蓝绿3个原色控制的，所以就是有RGB3通道了。另外还有个RGBA通道的图片是怎么回事呢？这个A代表的是透明度，虽然说3原色已经可以表示所有颜色，但是在两张图片叠加的时候，透明度这个通道可以控制叠加的比重，得到我们想要的半透明效果。最简单的例子就是我要把一个圆形叠加到另外的图片去，计算机中图像都是矩形的，圆四周是有留白的。但叠加的时候留白是不要的，那可以在透明度通道设置为0，那在叠加的时候这里就不会出现留白了。这里跟掩码的效果是一样的。



特点及应用：符合人眼认知，包含的信息量大。

彩色图里面又有几种分类（不是说bmp、jpg、png这些图片格式哦），有RGB、HSV这些。

各个颜色系统，各有自身优势：

RGB是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用。
HSV和HLS把颜色分解成色调、饱和度和亮度/明度。这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
YCrCb在JPEG图像格式中广泛使用。
CIE L*a*b*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。

每个组成元素都有其自己的定义域，取决于其数据类型。如何存储一个元素决定了我们在其定义域上能够控制的精度。最小的数据类型是 char ，占一个字节或者8位，可以是有符号型（0到255之间）或无符号型（-127到+127之间）。尽管使用三个 char 型元素已经可以表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double（8字节，64位）则能给出更加精细的颜色分辨能力。但同时也要切记增加元素的尺寸也会增加了图像所占的内存空间。

PS：采用什么颜色系统要根据实际情况来决定，从运算效率的角度来看，我们一般不直接对彩色图做处理，所以我们要选择适当的颜色系统，然后通过分离或其他运算提取出包含信息最多的灰度图来进行处理。

关于图像的基础就先总结到这里，其他内容以后再来补充吧~~~