图像的结构

图片的单位

像素点：是最小的图像单元，一张图片由好多的像素点组成。

图片尺寸是500 * 338 的，表示图片是由一个500 * 338的像素点矩阵构成的，这张图片的宽度是500个像素点的长度，高度是338个像素点的长度，共有500 * 338 = 149000个像素点。

像素：图片的尺寸，就是像素，例如 500 * 338

图像分辨率：图像分辨率是指每英寸图像内的像素点数。图像分辨率是有单位的，叫ppi（像素每英寸）。分辨率越高，像素的点密度越高，图像越逼真

空间分辨率：指图像可辨认的临界物体空间几何长度的最小极限，如果一幅图像的尺寸为MxN，表明在成像时采集了MxN个样本，空间分辨率是MxN

幅度分辨率：幅度分辨率是指幅度离散，每个像素都有一个强度值，称该像素的灰度，一般量化采用8bit。例如8bit的灰度级为2的八次方即256，0~255。

屏幕分辨率：屏幕每行的像素点数*每列的像素点数，每个屏幕有自己的分辨率。屏幕分辨率越高，所呈现的色彩越多，清晰度越高。

图像类别

二值图像 (Binary Image)

即图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像。按名字来理解只有两个值，0和1，0代表黑，1代表白，或者说0表示背景，而1表示前景。其保存也相对简单，每个像素只需要1Bit就可以完整存储信息。如果把每个像素看成随机变量，一共有N个像素，那么二值图有 2ⁿ 方种变化，而8位灰度图有255ⁿ 方种变化，8位三通道RGB图像有(255*255*255)ⁿ 种变化。也就是说同样尺寸的图像，二值图保存的信息更少。

灰度图像 (Gray Image)

灰度图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。

灰度图像是二值图像的进化版本，是彩色图像的退化版，也就是灰度图保存的信息没有彩色图像多，但比二值图像多，灰度图只包含一个通道的信息，而彩色图通常包含三个通道的信息。

灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；但是，灰度图像在黑色与白色之间还有许多级的颜色深度。用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有2⁸=256级灰度（如果用16位，则有 2¹⁶=65536 级）。

灰度级计算公式：L=2^k，L称为“灰度级数”，k称为“位深度”

一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：256KB

像素个数：256 * 256

灰度级：每个像素要代表16个灰度值，也就是 2⁴ = 16

因此共需要：2⁸ * 2⁸ * 4bit = 256KB

一幅256级灰度的图像文件，其大小为995328B，若该图像分辩率的列数为1152， 则行数(N)为？

灰度级：256 = 2⁸

N = 995328 / (1152 * 2 * 8bit ) = 54 / 2 = 27B

彩色图像

彩色图像，每个像素通常是由红（R）、绿（G）、蓝（B）三个分量来表示的，分量介于（0~255）。

灰度图的结构

概念

图像灰度值的概念是什么？灰度也可以认为是亮度，简单说就是色彩的深浅程度。

通过三原色色彩深浅的组合，可以组成各种不同的颜色

例如三原色16级灰度，能显示的颜色就是16×16×16=4096色。不过目前的产品256级灰度已经非常地普遍了。

所谓颜色或灰度级指黑白显示器中显示像素点的亮暗差别，在彩色显示器中表现为颜色的不同，灰度级越多，图像层次越清楚逼真。灰度级取决于每个像素对应的刷新存储单元的位数和显示器本身的性能。

16位图：如每个象素的颜色用16位二进制数表示，我们就叫它16位图，它可以表达2的16次方即65536种颜色。

24位图：如每一个象素采用24位二进制数表示，我们就叫它24位图，它可以表达2的24次方即16777216种颜色。

灰度：灰度是指黑白图像中点的颜色深度，范围一般从0到255，白色为255 ，黑色为0。

灰度图：就是没有色彩，RGB色彩分量全部相等。如果是一个二值灰度图象，它的象素值只能为0或1，我们说它的灰度级为 2；故黑白图片也称灰度图像。

用个例子来说明，一个256级灰度的图象：

RGB(100, 100, 100) 就代表灰度为100，RGB(50, 50, 50) 代表灰度为50。

彩色图象的灰度其实在转化为黑白图像后的像素值（是一种广义的提法），转化的方法看应用的领域而定，一般按加权的方法转换，R ， G ，B 的比一般为3：6：1。

任何颜色都有红、绿、蓝三原色组成，假如原来某点的颜色为RGB(R，G，B)，那么，我们可以通过下面几种方法，将其转换为灰度：浮点算法：Gray = R*0.3 + G*0.59 + B*0.11

通过上述任一种方法求得Gray后，将原来的RGB(R,G,B)中的R,G,B统一用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)就是灰度图了

灰度值与像素值的关系

记录了明亮（暗与亮，黑与白）度信息的2D图像成为亮度(灰度）图像。

如果对于一张本身就是灰度图像（8位灰度图像）来说，他的像素值就是它的灰度值，如果是一张彩色图像，则它的灰度值需要经过函数映射来得到，灰度图像是由纯黑和纯白来过渡得到的，在黑色中加入白色就得到灰色。

像素中具有RGB三通道的彩色图像来说怎样才能得到灰度图像呢？只要使 R=G=B，三者的值相等就可以得到灰度图像。R=G=B=255 为白色，R=G=B=0 为黑色，R=G=B<255 的某个整数时，此时就为某个灰度值。

图片识别为什么将彩色图像灰度化

• 我们识别物体，最关键的因素是梯度（现在很多的特征提取，SIFT,HOG等等本质都是梯度的统计信息），梯度意味着边缘，这是最本质的部分，而计算梯度，自然就用到灰度图像了。
• 颜色本身，非常容易受到光照等因素的影响，同类的物体颜色有很多变化。所以颜色本身难以提供关键信息。2010PAMI有colorSIFT的一些工作，本质也是不同通道的梯度。
• rgb 不是必须的。灰度只有一通道，更方便处理。同时灰度反映了一个重要的信息就是光照强度。可以用来得到边缘（梯度信息），这就对边缘检测（轮廓）很重要了。
• 彩色图像单个像素是(R, G, B)，转换成灰度图就是(L)，灰度化之后矩阵维数下降（简化矩阵），运算速度大幅度提高，并且梯度信息仍然保留。
• 参考：https://www.zhihu.com/question/24453478

HSBC

• H指hue（色相）
• S指saturation（饱和度）
• L指lightness（亮度）
• V指value(色调)
• B指brightness（明度）