【可视化-1】认识图像，从图像可视化开始

【觉得这个啰嗦的，可以直接从下面的小标题开始看。】

很久以来，图像采用了栅格式的数字化表示方式，可以预见这种表示方式还将持续很久。也有的人将这种表示方式称作点阵（区别于点云），它将图像矩形划分成有限行和有限列的更小矩形区域，这样的小矩形区域叫做像素。每个像素的颜色用一个或者一组数值表示，如果是灰度图像（黑白图像）用一个数值就够了，下图就是手写数字8的黑白图像，对于计算机来说就是一个二维数值矩阵，每一个不同颜色的像素都用不同的数值代表。注意，这个图中的数值应该是用255减去真实数值后的结果，因为一般将灰度离散成256个等级，用8位无符号整数表示，数值越小越黑，数值越大越亮。

图像的数字化表示

如果是彩色图像需要用到三个数值，根据所选用的色彩模型不同，三个数分别代表不同的含义。如果是RGB色彩模型，三个数值分别表示红、绿、蓝三原色的强度；如果是HSV色彩模型，三个数值分别表示色调、饱和度、明度。如果是CMY色彩模型，三个数值分别表示青、品红、黄三间色的强度。

CMY色彩模型在使用时通常还要加一个K，表示纯黑色。因为CMY是印刷用的色彩模型，需要依靠反射某些色光调制颜色（青色颜料吸收红光，品红颜料吸收绿光，青色颜料和品红颜料混合一起之后就只反射蓝光了，就是调出了蓝色）。由于颜料的问题，CMY混一起也调不出黑色，不得不专门加一个黑色墨盒。但是如果用CMY表示的数字图像在显示器上是能够显示出黑色的，因为所有发光的显示设备都使用RGB色彩模型，将CMY表示的黑色转到RGB就是(0,0,0),显示器像素里的三原色发光模块都不发光就是纯黑色了。

除了色彩模型之外，要确定彩色图像像素的实际颜色，还需要明确色彩空间。色彩空间是在色彩模型上定义的，色彩模型加上能把具体数值映射到实际颜色的函数就是色彩空间，如如sRGB和Adobe RGB。通常彩色图像文件中也会存储所用的色彩空间，如果不指定就会用当前显示器默认的色彩空间去解释颜色值，通常是sRGB色彩空间。sRGB色彩空间的色域比Adobe RGB小，也就是Adobe RGB中的某些颜色在sRGB中不存在。下图展示了常用色彩空间转换到CIE-XYZ色彩模型后的色域（在CIE-XYZ系统中占据的范围）。

不同色彩空间的色域

实际上像素位置上的数值不一定表示颜色或者亮度，还可以表示红外强度、温度、降水量、高程等等。如果像素值不代表颜色和亮度，就不再是常规意义上的图像了，像素值的取值范围也不再局限在[0,255]（也有些数码相机拍摄到的原始图像的R、G、B值都采用无符号16位整型存储，其取值范围根据相机传感器的量化等级数量确定，可以取到的最大值大于255，通常小于2^16），存储像元值得类型可以根据精度需求选择浮点型或者更长的整型。如果要显示出来，这些像元值还是需要映射到[0,255]，然后组合成显示设备要求的像元格式。

栅格数据可视化的定义

跳出颜色或者亮度的局限，图像就是一种栅格数据，黑白图像只用一个通道就够了，是一种单通道的栅格数据；采用三分量色彩模型（RGB、HSV等）的彩色图像有三个通道，是有三个通道的栅格数据。有些彩色图像还有个alpha通道，这个通道没有物理意义，仅在显示时起作用，用于指定与背景颜色混合的比例。栅格数据的通道数量还可以更多，比如卷积神经网络输出的特征图、多光谱影像、高光谱影像。彩色影像可以认为是传感器对接收到的蓝、绿、红三个波段的强度的记录，而多光谱影像除了记录蓝、绿、红波段外，还记录近红外、远红外等波段。高光谱影像对波段的划分更细致，有可能将蓝色光划分成十多个波段分别记录。因此在遥感领域图像的通道也叫做波段。

栅格数据中的数值，对人类来说难以直观感受，在二维平面上只有将数值对应到颜色，把栅格数据显示成彩色（灰度）图像，以让人能够直观感受到栅格上数值的区别。这种将栅格数据转换成色彩进行显示的手段叫做栅格可视化，根据像素值到颜色的转换关系不同又分为不同的可视化方式。