计算机视觉入门基础——计算机如何‘看’片

更多深度文章，请关注：https://yq.aliyun.com/cloud

计算机视觉是一门研究如何使机器‘看’的科学，我们都喜欢看美丽的图像，但是你有没有想过计算机是如何看这些图像的？接下来，我会详细介绍说明计算机如何处理图像的。

看到上面的图像，一个正常的人可以很容易地知道，图像中有一只猫。但是，计算机可以真正看到猫吗？答案是否定的，计算机看到数字矩阵（0到255之间）。一般来说，我们可以将图像分类为灰度图像或彩色图像。首先，我们先讨论灰度图像然后再讨论彩色。上图是灰度图像，图像中每个像素都表示的是像素的亮度，下面我们就说一说这个亮度问题。了解更多关于像素。让我们先来看看上面图片中计算机是怎么看的。

我已将上面的图像大小调整为18 * 18，以便于理解。与我们不同的是，计算机将图像看作2D矩阵。你可能听说有人说这幅画的大小是1800 * 700或1300 * 700，这个大小显示了一个图像的宽度和高度。换句话说，如果大小为1300 * 700，则水平方向为1300像素，垂直方向为700像素。这意味着总共有910000（1300 * 700）像素。如果图像的大小为700 * 500，那么矩阵的维数将为（700,500）。这里，矩阵中的每个元素（像素）表示该像素中的亮度强度。这里，0表示黑色，255表示白色，数字越小，越接近黑色（数字大小决定黑的程度）。

彩色图像

在灰度图像中，每个像素表示仅一种颜色的强度。换句话说，它有一个通道。而在彩色图像中，我们有3个通道RGB（红，绿，蓝）。标准数码相机都有3（RGB）通道。

如上图所示，彩色图像由红色、绿色和蓝色三个通道组成。现在的问题是，计算机如何看待这个形象？同样，答案是他们看到矩阵。现在下一个问题应该是，我们要如何在矩阵中表示这个图像，因为它有3个通道，与我们只有一个通道的灰度图像不同。在这种情况下，我们利用3D矩阵来实现表示彩色图像。我们有一个通道的矩阵，但在这种情况下，我们将有三个矩阵堆叠在一起，这就是为什么它是3D。700 * 700彩色图像的尺寸将为（700,700,3）。假设第一个矩阵表示红色通道，则该矩阵的每个元素表示该像素中的红色强度，同样为绿色和蓝色。通常，彩色图像中的每个像素具有与其相关联的三个数字（0至255）。这些数字表示该特定像素中的红色、绿色和蓝色的强度。至于为什么是红绿蓝这三色，想必大家都知道色度学的最基本原理，即三基色原理。大多数颜色都可以通过三色按照不同的比例混合产生。

结论

计算机将图像看作矩阵。灰度图像具有一个通道（灰色），因此我们可以在2D矩阵中表示灰度图像，其中每个元素表示该特定像素中亮度的强度。记住，0表示黑色，255表示白色。灰度图像有一个通道，而彩色图像有三个通道RGB（红、绿、蓝）。我们可以在深度为3的3D矩阵中表示彩色图像。

本文由阿里云云栖社区组织翻译。

文章原标题《How do computers see an image ?》，作者：Savan Visalpara

作者个人网站：https://savan77.github.io/，可以与作者交流。

译者：袁虎，审阅：李烽 阿福

文章为简译，更为详细的内容，请查看原文