1. 程式人生 > >影象識別與處理——影象的表示與通道數問題

影象識別與處理——影象的表示與通道數問題

影象的表示與通道數問題

數字影象的基本概念
對於一幅的數字影象,我們看到的是 肉眼可見的一幅真正的圖片,但是計算機看來,這副影象只是一堆亮度各異的點。一副尺寸為 M × N 的影象可以用一個 M × N 的矩陣來表示,矩陣元素的值表示這個位置上的畫素的亮度,一般來說畫素值越大表示該點越亮。

一般來說,灰度圖用 2 維矩陣表示,彩色(多通道)影象用 3 維矩陣(M× N × 3)表示。

下面說說什麼是通道數

*******************************************************************

通道數問題
描述一個畫素點,如果是灰度,那麼只需要一個數值來
描述它,就是單通道。

如果一個畫素點,有RGB三種顏色來描述它,就是三通道。
而四通道影象,就是R、G、B加上一個A通道,表示透明度。一般叫做alpha通道,表示透明度的。
2通道影象不常見,通常在程式處理中會用到,如傅立葉變換,可能會用到,一個通道為實數,一個通道為虛數,主要是程式設計方便。

通過通道可以改變影象的色相和顏色,例如如果你儲存紅色通道,那麼影象本身就只保留紅色的元素和資訊。
如果察看單個通道,發現每個通道都顯示為一幅灰度影象(不能說是黑白影象)。某個通道的灰度影象中的明暗對應該通道色的明暗,從而表達出該色 光在整體影象上的分佈情況。由於通道共有3個,所以也就有了3幅灰度影象。
通道中的純白,代表了該色光在此處為最高亮度,亮度級別是255。
 通道中的純黑,代表了該色光在此處完全不發光,亮度級別是0。
 介於純黑純白之間的灰度,代表了不同的發光程度,亮度級別介於1至254之間。
 灰度中越偏白的部分,表示色光亮度值越高,越偏黑的部分則表示亮度值越低。
現在可以明白為何通道用灰度表示了吧?因為通道中色光亮度從最低到最高的特性,正符合灰度模式那種從黑到白過渡的表示。正是因為灰度的這種特性,使得它在以後還被應用到其它地方。通道中的灰度,與顏色調板的灰度滑塊是對應的
一幅完整的影象,紅色綠色藍色三個通道缺一不可。即使影象中看起來沒有藍色,只能說藍色光的亮度均為0,但不能說沒有藍色通道存在。
“存在、亮度為零”和“不存在”是兩個不同的概念

******************************************************************************

接著再說說影象是如儲存的,即使如何編碼的:
如果是單通道影象,即灰度圖,每個畫素值用一個八位的二進位制即可,如下圖:
這裡寫圖片描述
其中,I(ij)表示第i行第j列的亮度值。

如果是多通道影象,比如 RGB 影象,則每個畫素用三個位元組表示。在 OpenCV 中, RGB 影象的通道順序為 BGR ,儲存如下圖 所示:
彩色RGB影象儲存示意圖

相關推薦

影象識別處理——影象表示通道問題

影象的表示與通道數問題 數字影象的基本概念 對於一幅的數字影象,我們看到的是 肉眼可見的一幅真正的圖片,但是計算機看來,這副影象只是一堆亮度各異的點。一副尺寸為 M × N 的影象可以用一個 M × N 的矩陣來表示,矩陣元素的值表示這個位置上的畫素的亮度,

用101000張食物圖片實現影象識別(資料的獲取處理)-python-tensorflow框架

    前段時間,日劇《輪到你了》大火,作為程式設計師的我,看到了另外一個程式設計師—二階堂,他的生活作息,以及飲食規律,讓我感同身受,最讓我感觸的是他做的AI聊天機器人,AI菜品分析機器人,AI罪犯分析。      這讓作為程式設計師的我突然萌生了一股攀比和一種激情,我也得做一個出來(小聲bb,都得嘗試下)

預見未來 | 影象識別的未來:機遇挑戰並存

這篇文章轉載至微軟研究院AI頭條公總號,僅供參考學習。   預見未來 | 影象識別的未來:機遇與挑戰並存 在計算機視覺領域,影象識別這幾年的發展突飛猛進,但在進一步廣泛應用之前,仍然有很多挑戰需要我們去解決。本文中,微軟亞洲研究院視覺計算組的研究員們為我們梳理目前深度學習在影象

影象識別的未來:機遇挑戰並存

識別影象對人類來說是件極容易的事情,但是對機器而言,這也經歷了漫長歲月。 在計算機視覺領域,影象識別這幾年的發展突飛猛進。例如,在PASCAL VOC物體檢測基準測試中,檢測器的效能從平均準確率30%飆升到了今天的超過90%。對於影象分類,在極具挑戰性的ImageNet資料

微軟亞洲研究院:預見未來 | 影象識別的未來:機遇挑戰並存

轉自微軟亞洲研究院微博 對於影象識別領域,這是一個激動人心的時代 編者按:自1998年成立以來,微軟亞洲研究院一直致力於推動電腦科學領域的前沿技術發展。在建院20週年之際,我們特別邀請微軟亞洲研究院不同領域的專家共同撰寫“預見未來”系列文章,以各自領域的前瞻視角,從機器學習、計算機視覺、系統

驗證碼/OCR影象識別處理(去噪)

去噪 獲取影象紅色通道(字型一般是黑色的,去除印章等其它因素) 二值化 鄰域畫素演算法: 對於畫素值>245的鄰域畫素,判別為屬於背景色,如果一個畫素上下左右4各畫素值有超過2個畫素屬於背景色,那

影象識別處理相關資料集介紹

Corel5k          這是Corel5K影象集,共包含科雷爾(Corel)公司收集整理的5000幅圖片,故名:Corel5K,可以用於科學影象實驗:分類、檢索等。Corel5k資料集是影象實驗的事實標準資料集。請勿用於商業用途。私底下學習交流使用。Corel影象庫涵蓋多個主題,由若干個CD組

Atitit mysql資料庫自定義異常在java裡面的捕獲處理推薦標準規範

Atitit mysql資料庫自定義異常在java裡面的捕獲與處理推薦標準與規範 程式碼 1 程式碼 BEGIN #Routine body goes here...    SIGNAL SQLSTATE 'HY000' SET MESSAGE_TEXT = "e

影象處理影象識別筆記(六)影象增強3

上一章節中我們講解了空域濾波的影象增強方法,包括影象的平滑和銳化,本文中,我們首先帶來頻域濾波的影象增強方法,指在頻域中對影象進行變換,需要的基礎知識是前述過的影象傅立葉變換,請檢視學習。 一、頻域濾波處理 頻域濾波處理的一般方法如下圖所示,先將影象經過傅立葉變換為頻域形式,然後乘以

影象處理影象識別筆記(五)影象增強2

上一節中我們講解了灰度變換的原理以及實現方法,本節我們講解空域濾波增強,與灰度變換相同,空域濾波增強是一種空域處理的方法,不過空域濾波不是一種對點做處理的方法,而是利用相鄰畫素間的關係進行增強。空域濾波可以按照增強效果的不同分為平滑與銳化兩類,又都可分為線性與非線性方法,線性濾波利用空域卷積

影象處理影象識別筆記(三)影象增強1

影象增強的目的是為了改善影象的視覺效果,為了更便於人或機器的分析和處理,在不考慮影象降質(前提)的情況下,提高影象的可觀性。灰度變換是一種典型的影象增強方法,我們通常把影象處理按照處理方法分成空域方法與頻域方法兩類,灰度變換是一種對點處理的空域處理方法。 一、灰度變換 將一個灰度區間

影象處理影象識別筆記(二)影象變換

在本章節中,將介紹幾種常用的影象變換的方法,即利用數學公式將影象變換成另一種具有特定物理意義的影象,通過新的影象,我們可以觀察出原影象的某些特性,且可以對原影象進行濾波、壓縮等影象處理的操作,包括傅立葉變換、沃爾什變換等。 一、影象傅立葉變換基本原理與實現 傅立葉變換,是將時域訊號轉

影象處理影象識別筆記(一)

本系列是研一課程《影象處理與影象識別》的隨堂筆記,主要內容是數字影象處理方面,根據老師的講課內容與自己的理解所書寫,還會有一些具體實現的程式碼,基於Python,歡迎交流。本篇主要介紹影象處理與影象識別的基礎知識。 一、影象處理(ImageProcessing) 影象處理是對影象資訊

應用於影象視訊處理影象識別神經網路

電子科技大學 格拉斯哥學院 通訊二班 鮑佳慧 2017200602004 一. 背景介紹 在大一下學期我參加了格拉斯哥學院所開展的一系列新生研討課活動,其中曾兵院長介紹了有關影象處理,三維電視和“可視”大資料,讓我對我們日常的影象和視訊有了全新的認識並激發了我對視訊影象處理的興趣。

影象處理影象識別筆記(三)影象增強

影象增強的目的是為了改善影象的視覺效果,為了更便於人或機器的分析和處理,在不考慮影象降質(前提)的情況下,提高影象的可觀性。灰度變換是一種典型的影象增強方法。 一、灰度變換 將一個灰度區間對映到另一個灰度區間的變換稱為灰度變換,g(x,y)=T[f(x,y)]g

影象識別處理之Opencv——高斯濾波GaussianBlur() 11月2日暫存

高斯濾波是一種線性平滑濾波,對於除去高斯噪聲有很好的效果。 在其官方文件中形容高斯濾波為”Probably the most useful filter”,同時也指出高斯濾波並不是效率最高的濾波演算法。 高斯演算法在官方文件給出的解釋是高斯濾波是通過對輸入陣

影象識別處理之Opencv——基本資料結構及示例

OpenCV中強大的Mat型別大家已經比較熟悉了。這裡梳理一些在工程中其他經常用到的幾種基本資料型別。包括: Vec Scalar:顏色的表示

影象處理--卷積濾波器的聯絡

卷積與濾波器的聯絡(??)   吳恩達解釋瞭如何實現卷積運算元(convolution operator),並展示了它如何在影象中檢測邊緣。他還介紹了其他濾波器,例如Sobel 濾波器,它賦予邊緣中心畫素更大權重。   根據吳恩達的解釋,濾波器的權重不應該人工設計,而應該使用爬山演算法(

MATLAB數字影象處理概述

1. DIP概述 (1) 數字影象處理(Digital Image Processing)及特點 數字影象處理又稱為計算機影象處理,它是將影象訊號轉換成數字訊號並利用計算機對其進行處理的過程,以提高影象的實用性,從而達到人們所要求的預期結果。數字影象處理有以下特點:處理資訊量大

機器學習筆記(十二):TensorFlow實戰四(影象識別卷積神經網路)

1 - 卷積神經網路常用結構 1.1 - 卷積層 我們先來介紹卷積層的結構以及其前向傳播的演算法。 一個卷積層模組,包含以下幾個子模組: 使用0擴充邊界(padding) 卷積視窗過濾器(filter) 前向卷積 反向卷積(可選) 1.1