计算机视觉系列2：如何教计算机看懂一张图

---

本文是《灵魂画手大话计算机视觉，0基础入门》系列的第二节课，回看第一节课《计算机视觉迅速了解》。
本节课重点预告：从这节课开始，小黄同学带领大家开始走入计算机的世界！一张照片在计算机里是如何表示的呢？对，就是灰度直方图。叮叮叮，准备好，点击视频开始第二课吧！以下是视频文字稿：大家好，小黄同学今天将进行我们的第二堂课。上一堂课，我们总结了计算机视觉到底是什么，给了大家一个初步的认识。今天我们就开始走入计算机视觉的世界。首先我们先进入图片的世界，世界上你们看到的都是这种花花、草草、太阳。这就是一朵小花，这是我们看到的世界。但是相机把它拍进去之后，无论是存储还是让图片在电脑里面的形式，更应该是一堆数据。比如一张纯白的画，在计算机的世界里面，它就是这么一个矩阵。然后纯白的画，一个矩阵，因为我们都知道白色比较亮，所以在计算机里面这边白色的地方，都是1。在计算机世界里面一张图片，亮与不亮用0到1来表示。1就是最亮，0就是最不亮，中间就是不同亮的等级。这个就是我们常说的，用浮点数去表示一个像素的亮度，当然也可以用8bit的数据去表示。从00000000，8个0，到11111111，8个1来表示亮度。11111111就是最亮，00000000就是最不亮。00000000到11111111就是0到255。一张图片就是由像素构成的，一个数字就是一个像素，数字的值就代表像素的亮度。比如说这张图片是10×10的，每一行有十个像素，一共有十列。突然，我拿出一只黑色的笔，比如说在上面写了一个1。那么写的1这个位置， 这些数据就会变成0，0.0  0.0  0.0   0.0  0.0。黑白电视机从白到黑，就有不同等级的灰色。世界过于灰暗，不，我们这个是党领导下的阳光的世界，应该是多姿多彩的。所以现在很多图片应该是彩色的，而不应该是灰色的。那么彩色怎么去表示呢?大自然非常神奇的给了我们三种原色，RGB也就是红、绿、蓝，它们的组合就可以组成任意的颜色。这个我相信大家应该是知道的，不知道可以买点颜料试一试。用三种颜色去组成不同的颜色，颜料多加一点和少加一点，就代表这种颜色的强度不一样。真正的彩色图片是一张三维的矩阵，刚刚灰度图片是一个二维的矩阵。一张彩色图片是一个三维的矩阵， 一个矩阵代表红色，一个矩阵代表绿色，一个矩阵代表蓝色。就是说图片中一个像素位置的点，分别有三种颜色的亮度去表示它。后面就是这一个相似的点，有三种颜色去表示像素的点。那么三种颜色也可以用不同的亮度，那么这个亮度跟灰度的亮度表示一样。可以用0到1之间的浮点数，也可以用8bit的0到255的数去表示。现在大家应该了解了这个数字的图像到底是怎么一回事。他们就是作为矩阵，一张图片其实就是一个矩阵。彩色图片是一个三维的矩阵，灰度图就是一个二维的矩阵。既然了解了这个图片，我们可以来聊一聊图片里面的一些特性。最早的是通过了解图片的灰度直方图。为了简单起见，就以灰度图为例，里面可能画了不同的东西。比如说画了个人，画了个小猫，还有桌子椅子什么的。那么这张图片刚刚我们说了，他们是有一堆数据构成的。这些数据代表图片里面的不同的亮度，每一个像素点有一个数据，就代表它的亮度。亮度是用0到255来表示，那么我们可以画出灰度直方图。横坐标就是它的灰度等级，最大就是255。纵坐标是像素个数，比如说亮度为50的像素有多少个，亮度为100的像素有多少个，亮度为150的像素有多少个。如果一张图是黑白的，只有两种颜色，一个就是255，白色，最亮。一个就是0，黑色。那么这个图里面就是会有各个像素等级图片的个数，就是灰度图。从灰度图上我们可以发现什么呢？如果一张图片整体比较亮，光线比较好，那么灰度图分布直方图里面，这张图的分布就会比较偏右边一点，整体的像素值就会比较大，高亮度这各项数据的个数像素就会比较多。如果这张图片偏暗，那么灰度直方图就会比较偏左边一点。我们经常会说到图片的对比度，在灰度直方图中是怎么去体现的呢？如果图片对比度比较低的话，说明这里面不同像素的亮度就非常接近。所以他们在灰度直方图里面就会体现出来比较集中。图像对比度高是什么样子呢？我们常说黑白分明，因为黑白相像素之间的亮度差异比较大，体现在灰度直方图上，会在各个亮度等级上分布比较均匀。我们提高对比度又叫灰度直方图均衡化，让灰度直方图在上面分布均匀。这里面可能用到一点点的概率论知识。比如说这个位置，它里面有一个像素值，可能是0到255当中的任意一个数，这可以看作是一个概率。灰度直方图可以看成是一个概率的密度分布。我们要均匀，那么概率密度分布就应该唯一。所以通过让像素在亮度上面的概率密度分布唯一，来达到均衡化。推导公式：看完今天介绍的灰度直方图，大家应该对一个图像到底是什么东西有了一个大概的了解，
下节课讲图像的几何变换，相信大家会对图像几何变换有一个全新的认知。
《灵魂画手大话计算机视觉，0基础入门》系列计算机视觉系列课程简介