图像数据处理2

1.2 图像类型与图像数据

1.2.1RGB真彩色图像（RGB image，true color image）

RGB图像，也称为真彩色图像，是由三个相同维度的二维数组组成，每个数组分别代表图像颜色中的红色（R）、绿色（G）、蓝色（B）分量。

每个像素的颜色由这三个分量的组合决定，而每个分量通常占用8位，因此每个像素总共由24位表示，能够展示2的24次方种颜色。

Python语言中，常用一个M×N×3的NumPy三维数组来保存RGB真彩色图像。

第一维（M）：代表图像的高度，即图像的行数。它决定了图像在垂直方向上的像素数量。

第二维（N）：代表图像的宽度，即图像的列数。它决定了图像在水平方向上的像素数量。

第三维（3）：代表每个像素的颜色通道数。在RGB颜色模型中，每个像素的颜色由红色（R）、绿色（G）、蓝色（B）三个分量组成。因此，这个维度的大小是3，分别对应R、G、B三个颜色通道。

import numpy as np

# 创建一个M×N×3的NumPy三维数组来表示RGB图像
# 这里M=100, N=100，表示图像的高度和宽度都是100像素
# 3表示RGB三个颜色通道
image = np.zeros((100, 100, 3), dtype=np.uint8)

# 设置图像的背景色为灰色，即RGB三个通道的值都相等
image[:, :, :] = [128, 128, 128]

# 修改图像中(50, 50)位置像素的颜色为红色
# 注意NumPy数组的索引是从0开始的
image[50, 50, :] = [255, 0, 0]

# 打印修改后的像素值，确认颜色是否已经改变
print(image[50, 50, :])

对[M,N,(0、1、2)]的解释

对RGB通道，[M,N,0]表示图像R分量的值，[M,N,1]表示G分量的值，[M,N,2]表示图像B分量的值

[M,N,：]则表示获取图像的RGB值。

对RGB通道，[M,N,0]表示图像B分量的值，其余同理。

1.2.2索引图像（indexd color image，palette image）

索引图像是一种特殊的图像表示方式，它将像素值直接作为颜色索引表的下标，通过查找颜色索引表来获取实际的颜色值。

索引图像数据可以通过两个二维数组来表示：

一个是M×N的二维数组，用于存储每个像素的颜色索引值；

另一个P×3的二维数组，作为颜色映射表，用于存储每个像素颜色索引值所对应的RGB颜色分量。

索引图像通过仅存储每个像素的颜色索引值而不是完整的RGB颜色信息，显著减少了图像文件的大小。这使得索引图像非常适合于网络传输、存储空间有限的环境或对加载速度有严格要求的场合。

from PIL import Image  
import numpy as np  
  
# 读取索引图像  
im = Image.open('图片地址')  
  
# 确认图像是否为索引图像  
if im.mode == 'P':  
    print('图像是索引图像')  
else:  
    print('图像不是索引图像')  
    # 如果不是索引图像，可以选择转换为索引图像，但这里为了简化，我们假设它已经是索引图像  
  
# 将索引图像转换为NumPy数组，获取颜色索引值  
imgX = np.array(im)  
print('颜色索引值数组的大小:', imgX.shape)  # 输出索引数组的形状，通常是高度x宽度  
  
# 获取索引图像的调色板  
impal = im.getpalette()  
if impal:  
    # 确定调色板的颜色数量，并将其转换为二维数组颜色表  
    num_colours = int(len(impal) / 3)  
    cmaparray = np.array(impal).reshape(num_colours, 3)  
    print('图像调色板数组的大小:', cmaparray.shape)  # 输出调色板数组的形状，通常是颜色数x3（RGB）  
    print('图像调色板数组的元素:\n', cmaparray)  # 输出调色板数组的具体颜色值  
else:  
    print('图像没有调色板，可能是因为它不是索引图像或者调色板已被移除。')  
  
# 示例：使用调色板将索引值转换为RGB颜色（这里不直接显示，但展示逻辑）  
# 假设我们要获取某个像素(x, y)的颜色  
x, y = 10, 20  # 示例像素坐标  
index = imgX[y, x]  # 获取该像素的颜色索引值  
rgb_color = cmaparray[index]  # 使用索引值从调色板中获取RGB颜色  
print('像素(x, y)的RGB颜色:', rgb_color)  

①cmaparray = np.array(impal).reshape(num_colours, 3) 

对应颜色索引表即，P×3的二维数组，P代表颜色数量。

②x, y = 10, 20  # 示例像素坐标  

x代表列，y代表行，即（y,x）
index = imgX[y, x]  # 获取该像素的颜色索引值  
rgb_color = cmaparray[index]  # 使用索引值从调色板中获取RGB颜色  

print('像素(x, y)的RGB颜色:', rgb_color)

1.2.3灰度图像（grayscale image）

灰度图像，也称为单色图像，仅使用单一的颜色通道来表示图像的亮度信息,在灰度图像中，每个像素的灰度值通常在0到255之间变化，其中0表示黑色，255表示白色，中间的灰度值表示不同程度的灰色,灰度图像可以看作是RGB图像的一个特例，其中R、G、B三个分量的值相等.

此处补充一条opencv直接以灰度图方式读入彩色图像的代码

#以灰度图像方式读入一幅彩色图像
img_gray = cv.imread('图像路径', cv.IMREAD_GRAYSCALE)

1.2.4二值图像（binary image）

二值图像是最简单的图像类型，其每个像素只能取两个值之一（通常是0和1），分别代表黑色和白色，二值图像可以看作是灰度图像的一个极端情况，其中所有像素的灰度值都被阈值化处理为0或255，由于二值图像只有两个灰度级别，因此它的存储空间非常小，处理速度也很快。

应用：二值图像广泛应用于文字识别、边缘检测、图像分割等领域。

注，本人为在校学生，博客是边学边写的，主要是为了巩固知识，如有错误请积极指正。