1 何为图像？

图像是人对视觉感知的物质再现。图像可以由光学设备获取，如照相机、镜子、望远镜及显微镜等；也可以人为创作，如手工绘画。图像可以记录、保存在纸质媒介、胶片等等对光信号敏感的介质上。

随着数字采集技术和信号处理理论的发展，越来越多的图像以数字形式存储。因而，有些情况下“图像”一词实际上是指数字图像。

2 计算机眼里的图像

从真实世界中获取数字图像有很多方法，比如数码相机、扫描仪、CT或者磁共振成像。无论哪种方法，我们（人类）看到的是图像，而让数字设备来“看“的时候，则是在记录图像中的每一个点的数值。

在计算机眼中，图像是以数字矩阵的形式存储的，一张图片被分成了若干个方格，但是方格还没有足够小，随意取出一个方格进行放大，还会有许多更小的方格，这个小到不能再小的方格叫做一个像素点，像素点有对应的值，在[0,255]之间，数值越大表示这个像素点越亮。如下图所示：

换言之，在计算机世界：

图像是就是像素点构成的三维矩阵(row,col,pixel)。

像素点的位置由三维矩阵中的row,col确定；如(0,0)代表位于第一行、第一列的像素点。

像素点的值由三维矩阵中的pixel确定；像素的值代表图像的亮度。

2.1 像素值

像素值的取值范围，与颜色空间、数据类型(又称图像深度)密切相关。

颜色空间

颜色空间是指对一个给定的颜色，如何组合颜色元素以对其编码。

灰度级空间(GRAY）

是最简单的颜色空间，只处理黑色和白色，对它们进行组合可以产生不同程度的灰色。

若以一个字节来给颜色编码，则其值在[0,255]之间，0代表黑色，255代表白色，0到255之间的数值代表不同的灰度。

彩色颜色空间

对于 彩色 方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。RGB颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。它的基色是红色、绿色和蓝色，有时为了表示透明颜色也会加入第四个元素 alpha (A)。

彩色有很多的颜色空间，各有自身优势：

1. RGB是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用。
2. HSV和HLS把颜色分解成色调、饱和度和亮度/明度。这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
3. YCrCb在JPEG图像格式中广泛使用。
4. CIE L*a*b*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的 距离 。

数据类型（又称图像深度）

每个颜色空间都有其自己的定义域，取决于其数据类型（又称图像深度）。

数据类型（又称图像深度）决定了各个颜色空间的像素值的范围。

最小的数据类型是 char ，占一个字节或者8位，可以是有符号型（0到255之间）或无符号型（-127到+127之间）。

尽管使用三个 char 型元素已经可以表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double（8字节，64位）则能给出更加精细的颜色分辨能力。但同时也要切记增加元素的尺寸也会增加了图像所占的内存空间。如：

1. 一张彩色的图片有R、G、B三个颜色通道，每个通道上的像素点的值代表该通道上的亮度。
2. 一张灰度图（黑白图）只有一个颜色通道。

2.2 如何描述一张图像

描述一张图像的矩阵的维度可以表示为[h,w,c] ，其中:

1. h 代表高度方向上的像素点数，
2. w 代表宽度方向上的像素点数，
3. c  代表通道数。

1. 对于灰度图像，无c 这个维度；
2. 对于RGB图像，c顺序为[r,g,b] ；
3. 对于RGBA图像，c 顺序为[r,g,b,a] ；

图像转化为numpy类型后就是shape为 [h(高度),w(宽度),c(通道数)]  的矩阵，对于灰度图像，无c 这个维度。

若图像转化为numpy类型后，返回的数组有如下形状：

1. (H, W)：表示灰度图像。
2. (H, W, 3)：表示RGB图像。
3. (H, W, 4)：表示RGBA图像。
4. PNG图像作为浮点数组(0-1)返回。所有其他格式都作为int数组返回，深度由文件的内容决定。

如何获取并存储这些像素值由我们的需求而定，最终在计算机世界里所有图像都可以简化为数值矩以及矩阵信息。

作为一个计算机视觉库， OpenCV 其主要目的就是通过处理和操作这些信息，来获取更高级的信息。因此，OpenCV如何存储并操作图像是你首先要学习的。

2.3 图像是如何存储在内存中的？

图像矩阵的大小取决于我们所用的颜色模型（颜色空间、数据类型），确切地说，取决于所用通道数。如果是灰度图像，矩阵就会像这样：

而对多通道图像来说，矩阵中的列包含多个子列，其子列个数与通道数相等。例如，RGB颜色模型的矩阵（请注意OpenCV中RGB图像的通道排列是BRG）：

注意到，子列的通道顺序是反过来的：BGR而不是RGB。很多情况下，因为内存足够大，可实现连续存储，因此，图像中的各行就能一行一行地连接起来，形成一个长行。连续存储有助于提升图像扫描速度。