AI菜鸟飞-数字图像基础I

有人说，在数字时代，每个人都是一个数字。

确实如此，数字时代，所有信息需要编码为数字，由我们的算力--数字计算机去处理。所以，一切的基础是数字，和数学。到达这个基础之前，需要将信息编码为数字，也就是将信息转换为数字计算机可以理解的形式。不知道将来会不会有生物计算机，来颠覆以数字为基础的这一切，打住，现在开始学习。

说到AI，那图像领域是AI应用的一大领域，说到图像，那我们先从最基础的看一看，图像如何数字化表示。

首先，要分割，要分解，要各个击破，要一口一口的吃饭。废话有点多，就是将图片分割为一个一个的像素。

然后，图像不同，其每个像素包含的信息量并不一样，图像可分为黑白、灰度、彩色。

黑白：非黑即白，二值图像。这种图像是让人讨厌的，就像这个世界上，说你不是好人就是坏人，不是我的朋友就是我的敌人，这种是一种粗暴蛮横的态度。

灰度：也是黑白，没有彩色，但有过渡。就像我们看以前的黑白故事片，虽然是黑白，但有足够细腻的轮廓和层次，美女也是很动人的美女。

彩色：用三个分量（RGB）来混合表达出一个颜色

上面讲了图像数字化的基本概念，下面是灰度直方图。

灰度直方图是图像的一个重要特征，它的概念还是比较简单的，就是灰度级出现的频率（在所有灰度级中出现的次数比例）和灰度级的关系图。如果是彩色图像，则可以按3个颜色分量分别计算灰度直方图。

灰度直方图有什么用呢？

可以用于图像二值化的阈值的确定，确定阈值之后，可以将图像简化为二值图像，也就是黑白图像。小于等于这个阈值的灰度，转换为0，而大于这个阈值的灰度，转换为1.

阈值怎么确定呢？如果直方图曲线有2个波峰，1个波谷的话，那个波谷所在的点对应的灰度值就是阈值。为什么这个点是阈值，原理是什么？没有说，我也不明白。看这这个波形图随便想象一下，如果是爬山的话，这个波谷，很像是一个垭口，垭口是一个比较特殊的位置点，一般上了垭口，你可以歇一口气，休息一会；垭口的风会很大；而且如果你翻过了垭口，你才能看到新的景象，而没到垭口之前，你是看不到的。

如果是彩色图像的化，这么简化却没有说，需要琢磨一下

上图就是将灰度图转换为黑白二值图的一个例子。

然后学习数字图像处理的算法，和数据结构的基础知识。

数字图像处理算法的形式有：

点处理。每个像素点自己就可以处理。

邻域、局部处理。每个像素点需要关联到自己前后左右的邻居点结合起来处理。

大局处理

迭代处理。反复运算，多次迭代的意思，直到达到处理目标。

跟踪处理

窗口处理、模板处理；前者是处理图像的矩形部分区域，后者可以处理图像的任意形状区域

串口处理、并行处理；显然并行处理的机制有效率上的优势

图像的数据结构，有以下几种方式：

组合方式，就是用一个字长存放多个像素的灰度值。这个很少用

比特面方式，就是相同的比特面用一个二维数组表示，形成比特面

分层结构，就是从原图开始，依次形成像素较少的系列图形。这个我感觉调整图片像素分辨率大小就是属于这种。

树结构，没明白，不写了

对于常见的彩色图像，要用到多重图像数据存储，存储方式有三：逐波动、逐行、逐像素

我们用的图片文件，应该是逐像素的方式把～

然后按照不同的方式存储或组织图像像素的灰度，就得到了我们经常说的图片格式。

RAW格式是连图像尺寸大小自己都不知道的，需要配合信息头来处理。

BMP格式，终于到了最熟悉的格式，但又不知道说什么，其实我对它并不熟悉，以为对它熟悉最终发现是一种错觉

BMP里面有一个调色板的概念，大致意思是说，当颜色色彩不那么丰富的时候，将每种颜色在调试板上标识出来（颜色枚举），每个像素表明自己是第几个颜色就可以了。

这样比较节省空间，可以用于2色-256色的图片。但对于颜色丰富（真彩色）的图片，就不用调色版了。

最后是TIFF，用于遥感，地理信息领域。

今天到这里。本文学习材料整理来自：MOOC-数字图像处理