图像显示与存储

图像的显示与存储

小象实战讲义 · 基于深度学习的计算机视觉

在计算机视觉中，我们处理的一切对象都是数字图像。理解图像如何在计算机中被表示和存储，是后续所有图像处理、分析和深度学习任务的基础。本节将带你深入图像的本质，从人眼感知的颜色到计算机存储的矩阵，建立起连接物理世界与数字世界的桥梁。

💡 核心导读

• 颜色空间：学习 RGB、YUV、CMYK、HSV、CIE-XYZ 等主流颜色模型，理解加法混色与减法混色的物理原理。
• 离散化存储：掌握如何将连续的物理世界信息（颜色、亮度）离散化为计算机可存储的数字矩阵。
• 图像数据结构：理解一张彩色图片本质上是一个三维矩阵，以及灰度图与彩色图之间的转换关系。
• 存储格式：了解常见的图像文件格式（如 BMP、JPEG、PNG）及其背后的点阵存储与矢量存储原理。

从连续世界到离散存储

自然界中的颜色是连续的。光线照射到物体表面，反射出不同波长的光进入我们的眼睛，在视网膜上形成连续变化的色彩。然而，计算机只能处理离散的数字信息。因此，将图像存入计算机的第一步，就是将连续的颜色信息进行离散化。

这个过程主要解决两个问题：

1. 颜色如何编码：用什么样的数字组合来代表一种特定的颜色？这就是颜色空间要解决的问题。
2. 空间如何采样：一张图片由无数个“点”组成，我们如何选取有限数量的点来代表整张图片？这涉及到分辨率的概念。

接下来，我们将首先聚焦于第一个问题，探讨各种颜色空间。

主流颜色空间

颜色空间（Color Space）是一种通过一组数值（通常3个或4个）来精确定义颜色的数学模型。不同的颜色空间适用于不同的场景。

RGB：加法混色与显示器

RGB 是最为人熟知的颜色空间，它基于加法混色原理，专用于发光体，如显示器、电视机屏幕。

• 原理：通过混合红（Red）、绿（Green）、蓝（Blue） 三种色光来产生各种颜色。混合的光线越多，颜色越亮。当三种色光以最大强度混合时，得到白光；当三者强度均为零时，得到黑色。
• 表示：一个像素的颜色由 (R, G, B) 三个独立的分量表示。每个分量的取值范围通常是 [0, 255]（8位整数）或 [0.0, 1.0]（归一化浮点数）。
• 24位真彩色：当每个通道都用8位（即一个字节）表示时，总共需要24位，可以表示 $2^{24} \approx 1677$ 万种颜色，足以和人眼分辨的颜色数量媲美，因此被称为“真彩色”。

import numpy as np

# 演示RGB颜色的加法混色：通过叠加三个通道的矩阵来模拟
# 创建一个简单的3x3像素图像区域
red_channel = np.array([[255, 0, 0],
                        [255, 0, 0],
                        [255, 0, 0]], dtype=np.uint8)

green_channel = np.array([[0, 255, 0],
                          [0, 255, 0],
                          [0, 255, 0]], dtype=np.uint8)

blue_channel = np.array([[0, 0, 255],
                         [0, 0, 255],
                         [0, 0, 255]], dtype=np.uint8)

# 在计算机中，这三个通道的数据是分开存储的。
# 我们可以将它们堆叠成一个3D矩阵（高度，宽度，通道）。
# 注意：OpenCV默认使用BGR顺序，这里我们按RGB顺序创建，但在显示或处理时需要注意顺序。
rgb_image = np.stack([red_channel, green_channel, blue_channel], axis=-1)
print("RGB图像的形状（高度，宽度，通道）:", rgb_image.shape)
print("第一个像素的(R, G, B)值:", rgb_image[0, 0, :])

RGB图像的形状（高度，宽度，通道）: (3, 3, 3)
第一个像素的(R, G, B)值: [255   0   0]

YUV：兼容历史的亮度与色度分离

YUV 颜色空间（数字视频中常用的缩放版本称为 YCbCr）在欧洲电视系统中被广泛采用。它的出现主要是为了解决早期彩色电视机与黑白电视机的兼容问题。

• 原理：将颜色信息分离为亮度（Y，Luma） 和色度（U/V，Chroma）。
  • Y：表示图像的明亮度（灰度信息）。
  • U 和 V：表示图像的色度和饱和度，即具体的颜色信息。
• 兼容性：黑白电视机只需要处理 Y 分量就能显示图像，而彩色电视机则同时处理 Y、U、V 三个分量。这样，同一套信号可以同时服务两种设备。
• 转换：YUV 可以从 RGB 通过线性变换得到，常见的转换公式如下（ITU-R BT.601标准）： $$Y = 0.299R + 0.587G + 0.114B$$ $$U = -0.147R - 0.289G + 0.436B$$ $$V = 0.615R - 0.515G - 0.100B$$

CMYK：减法混色与印刷

与 RGB 的加法混色相反，CMYK 颜色空间基于减法混色原理，主要用于印刷、绘画等反射场景。

• 原理：通过混合青（Cyan）、品红（Magenta）、黄（Yellow） 三种颜料来吸收（减去）特定波长的光，从而呈现颜色。颜料混合越多，吸收的光越多，颜色越暗。理论上，CMY三者等量混合得到黑色，但实际印刷中会加入单独的黑（Key） 色版来提高黑色纯度和节省彩色油墨。
• 表示：一个像素的颜色由 (C, M, Y, K) 四个分量表示，取值范围通常也是 [0, 255] 或 [0.0, 1.0]。

HSV：符合人类直觉的颜色描述

HSV 颜色空间从人类视觉感知的角度出发，被广泛应用于图像分析、颜色选取等场景。

• 原理：用三个更符合人类描述习惯的要素来定义颜色：
  • H（Hue，色调）：指颜色的种类，如红、黄、蓝。通常用一个角度（0°-360°）或对应数值表示。
  • S（Saturation，饱和度）：指颜色的纯度或鲜艳程度。饱和度越高，颜色越纯（越少白色掺杂）；饱和度为零时，颜色变为灰度。
  • V（Value，明度）：指颜色的明亮程度。明度越高，颜色越亮；明度为零时，颜色为黑色。
• 直观性：HSV 模型非常直观。例如，调整饱和度可以让颜色更鲜艳或更淡雅，调整明度可以控制颜色的亮暗，而不改变其基本的色调。

import cv2
import numpy as np

# 创建一个纯绿色的BGR像素（OpenCV使用BGR顺序）
green_bgr = np.uint8([[[0, 255, 0]]])
# 将其转换为HSV颜色空间
green_hsv = cv2.cvtColor(green_bgr, cv2.COLOR_BGR2HSV)
print("纯绿色BGR值 [B, G, R]:", green_bgr[0,0])
print("对应的HSV值 [H, S, V]:", green_hsv[0,0])
print("注意：OpenCV中H的范围是[0, 179]，S和V的范围是[0, 255]。")

纯绿色BGR值 [B, G, R]: [  0 255   0]
对应的HSV值 [H, S, V]: [ 60 255 255]
注意：OpenCV中H的范围是[0, 179]，S和V的范围是[0, 255]。

CIE-XYZ：颜色科学的基础

CIE-XYZ 颜色空间由国际照明委员会（CIE）于1931年创立，它是几乎所有其他颜色空间的理论基础和参考标准。

• 原理：基于大量人类视觉实验数据，直接模拟人眼对颜色的感知。它定义了三个假想的原色 X、Y、Z，其中 Y 分量直接代表亮度。
• 重要性：CIE-XYZ 色域覆盖了人眼可见的所有颜色。我们常用的 RGB 等颜色空间，都可以看作是 CIE-XYZ 空间的一个子集。它确保了不同设备间颜色转换的科学性和一致性。

图像在计算机中的存储原理

了解了颜色编码，我们来看图像的整体存储。一张数字图像，无论是彩色还是灰度，在计算机内存中最基本的表示形式就是一个数值矩阵。

彩色图像：三维矩阵

一张 RGB 彩色图像，可以看作是由红、绿、蓝三个通道的灰度图像叠加而成。因此，它在计算机中被存储为一个三维矩阵，维度为 (高度, 宽度, 通道数)。对于 RGB 图像，通道数为 3。

import numpy as np

# 模拟一张2x2像素的RGB图像数据
# 构造一个形状为 (2, 2, 3) 的矩阵
# 每个像素点是一个包含3个值(R, G, B)的列表
image_data = np.array([
    [[255, 0, 0],   # 左上角像素：红色 (R=255, G=0, B=0)
     [0, 255, 0]],  # 右上角像素：绿色
    [[0, 0, 255],   # 左下角像素：蓝色
     [255, 255, 255]] # 右下角像素：白色
], dtype=np.uint8)

print("图像矩阵形状:", image_data.shape)
print("图像数据:")
print(image_data)
print("\n访问左上角像素的红色通道值:", image_data[0, 0, 0])
print("访问整个绿色通道（G通道索引为1）:")
print(image_data[:, :, 1])

图像矩阵形状: (2, 2, 3)
图像数据:
[[[255   0   0]
  [  0 255   0]]

 [[  0   0 255]
  [255 255 255]]]

访问左上角像素的红色通道值: 255
访问整个绿色通道（G通道索引为1）:
[[  0 255]
 [  0 255]]

灰度图像：二维矩阵与灰度化

灰度图像只包含亮度信息，没有颜色信息。因此，它被存储为一个二维矩阵，维度为 (高度, 宽度)。每个像素值代表该点的亮度（灰度级），通常范围也是 [0, 255]，0 为黑，255 为白。

我们可以通过特定的权重将彩色图像转换为灰度图像，这个过程称为灰度化。一个常用的转换公式是： $$Gray = 0.299 \times R + 0.587 \times G + 0.114 \times B$$ 这个权重考虑了人眼对不同颜色亮度的敏感度差异（对绿色最敏感，蓝色最不敏感）。

import numpy as np

# 复用上面的2x2图像数据。注意：这里按 OpenCV 的 BGR 顺序存放，
# 因此通道索引 2 是 R，索引 1 是 G，索引 0 是 B。
# 同一组数值换一种通道顺序解读，颜色含义就会反转——这正是图像处理里最容易踩的坑。
bgr_image = np.array([
    [[255, 0, 0],
     [0, 255, 0]],
    [[0, 0, 255],
     [255, 255, 255]]
], dtype=np.float32) # 转换为浮点以进行加权计算

# 手动灰度化公式（按 BGR 索引取通道）
gray_manual = 0.299 * bgr_image[:, :, 2] + 0.587 * bgr_image[:, :, 1] + 0.114 * bgr_image[:, :, 0]
print("手动计算灰度图:")
print(gray_manual.astype(np.uint8))

# 注意：灰度化是单向的。从灰度图无法恢复原始的彩色信息。

手动计算灰度图:
[[ 29 149]
 [ 76 255]]

分辨率与离散化采样

除了颜色，将连续世界离散化的另一个关键因素是分辨率。分辨率决定了在单位面积内用多少个像素点来记录图像信息。分辨率越高，像素点越多，图像细节越丰富，存储所需的数据量也越大。摄像设备（如手机摄像头）的像素数，指的就是其能捕获的最大分辨率（例如 1200 万像素意味着图像矩阵有大约 1200 万个像素点）。

图像文件格式

图像数据以矩阵形式存在于内存中，但为了保存和传输，需要将其序列化为文件。这就产生了各种各样的图像文件格式，主要分为两大类：

1. 点阵图（位图）：存储每个像素的颜色值。这是最常见的形式。

   • BMP：Windows 位图，通常不压缩，文件体积大，保真度高。
   • JPEG：采用有损压缩，通过舍弃一些人眼不敏感的细节来大幅减小文件体积，适用于网络传输和摄影照片。
   • PNG：采用无损压缩，支持透明度通道，适用于需要精确显示的图形、图标等。
   • GIF：采用无损压缩，支持多帧动画和256色索引颜色，适用于简单动画和图形。

2. 矢量图：不存储像素，而是存储构成图像的几何形状（如直线、曲线、多边形）的数学描述。

   • SVG, EPS, AI：放大缩小不会失真，适用于logo、图表、字体等。
   • 与点阵图的区别：点阵图放大后会看到像素块（模糊），而矢量图可以无限放大保持清晰。

在深度学习的图像处理中，我们主要与点阵图格式（如 JPEG, PNG）打交道，因为我们需要直接操作像素级的数值矩阵。

📝 动手练一练

1. 概念辨析：加法混色（RGB）和减法混色（CMYK）的根本物理原理是什么？请各举一个它们最适用的实际场景。

2. 动手计算：假设有一个像素的 RGB 值为 (R=100, G=150, B=50)。请使用公式 Gray = 0.299*R + 0.587*G + 0.114*B 计算其对应的灰度值（结果四舍五入取整）。

本章小结

本节我们深入探讨了数字图像的基石——显示与存储。我们了解到，计算机通过颜色空间（如 RGB、HSV）将连续的颜色世界编码为离散的数字，并以矩阵的形式（二维灰度图或三维彩色图）在内存中表示。分辨率决定了图像细节的丰富度，而不同的文件格式（如 JPEG、PNG）则在存储效率与图像保真度之间做出权衡。理解这些基本原理，是后续进行图像处理、特征提取和深度学习模型设计的必备前提。

📋 行动清单

• 在脑海中建立“彩色图像 = 三个通道矩阵叠加”的清晰概念。
• 理解 RGB（加法）与 CMYK（减法）混色的核心区别及其应用场景。
• 用 numpy 构造一张 2x2 的 BGR 小图，再用 OpenCV 的 cvtColor 在 BGR 与 HSV 之间转换，观察数值变化。

—— 小象教研组