CV 图像处理基础笔记大全（超全版哦~）！！！
一、图像的数字化表示
- 像素
- 数字图像由众多像素组成，是图像的基本构成单位。在灰度图像中，一个像素用一个数值表示其亮度，通常 8 位存储，取值范围 0 - 255，0 为纯黑，255 为纯白。例如，一幅简单的手写数字灰度图像，像素值分布反映了笔画的浓淡。
- 彩色图像常见采用 RGB 模式，每个像素由红（R）、绿（G）、蓝（B）三个通道值构成，同样各通道一般 8 位存储，取值 0 - 255。如 (255, 0, 0) 表示纯红色，通过不同通道组合能生成各种绚丽色彩，像一幅风景彩色照片，不同物体的颜色靠 RGB 通道精准呈现。
- 图像分辨率
- 指水平与垂直方向像素数量，用 “宽 × 高” 描述，如 1920×1080。高分辨率图像含更多细节，像高清摄影作品；低分辨率图像细节少，文件也小，如用于网页缩略图。选择合适分辨率依应用场景而定，监控视频为实时传输多采用较低分辨率，而印刷图像要求高分辨率保障印刷质量。
二、图像的存储格式
- BMP
- 位图格式，无损存储，数据按像素顺序直接排列，不压缩，优点是能完美保留原始图像质量，常用于对画质要求苛刻领域，如医学影像存档，缺点是文件体积大，占用存储空间多。
- JPEG
- 联合图像专家组格式，有损压缩，基于人眼视觉特性去除不易察觉细节，压缩比可观，广泛用于日常照片存储，网络传输时能快速加载，不过多次编辑保存会累积损失，使图像质量下降。
- PNG
- 便携式网络图形格式，无损压缩且支持透明度通道，在网页图标、需要保留背景透明效果场景表现出色，既保证质量又兼顾灵活展示需求，像网页设计中的 logo 图形多用 PNG 格式。
三、图像的基本运算
- 算术运算
- 加法：两张同尺寸图像相加，如将白天和夜晚同场景照片相加再平均，可模拟黄昏效果；但要防像素值溢出，超过 255 需特殊处理，像归一化调整。
- 减法：常用于背景减除，从含目标图像减去背景图像，能初步勾勒目标轮廓，在安防监控里，持续采集背景图像，一旦有移动物体，通过减法快速定位目标。
- 乘法与除法：乘法通过乘常数调整亮度，小于 1 使图像变暗，大于 1 变亮；除法可校正光照不均，如对因灯光角度问题一侧亮一侧暗的照片，用合适除数使光照均匀。
- 逻辑运算
- 主要针对二值图像（像素仅 0 或 1）。“与” 运算常用于提取图像重叠部分，两个二值图像对应像素做 “与”，保留共有的形状特征；“或” 运算可合并不同区域，将两个有部分不重叠的二值图像 “或”，得到完整的组合区域；“非” 运算则反转像素值，把前景变背景、背景变前景，用于简单图像反转场景。
四、颜色空间
- RGB
- 计算机图形学核心颜色空间，与显示器显示原理契合，硬件易实现。但处理颜色相关任务时，因通道相关性强，如调整红色物体色调，改变 R 通道常影响 G、B 通道，导致颜色失衡，在精准调色有局限。
- HSV
- 依人眼感知构建，色调（Hue）0 - 360° 区分颜色种类，饱和度（Saturation）0 - 1 衡量纯度，明度（Brightness）0 - 1 反映明亮程度。在颜色分割上优势显著，要提取图像中橙色部分，在 HSV 空间设定 H 范围（如 10 - 40°），S、V 合适区间，精准分离目标颜色，广泛用于目标识别前置步骤。
- 灰度
- 单通道颜色空间，将彩色转灰度常用加权平均法（Gray = 0.299R + 0.587G + 0.114B），灰度图像简化计算，许多边缘检测、特征提取任务首选灰度图启动，像经典的 Sobel 边缘检测算法在灰度图上运行效率更高，避免彩色通道干扰。
以上这些图像处理基础为后续深入学习图像滤波、特征提取、目标检测等高级 CV 技术筑牢根基，理解并熟练运用它们至关重要。