Computer Vision 学习 -- 图像存储格式

本文把自己理解的图像存储格式总结一下。

计算机中的数据,都是二进制的,所以图片也不例外。

这是opencv文档的描述,具体在代码里面,使用矩阵来进行存储。

类似下图是(BGR格式):

图片的最小单位是像素,这里是BGR(通常我们说的blud、green、red的表示法)表示每个像素对应的值(这里BGR的混合,可以得到我们可见光的所有值)。

如果是单通道(例如:灰度化之后的图像,这里就只有一列)

参考可见光光谱:

因为物体都是原子组成,原子都在运动,运动会产生光波,不同的物体生成的光波不一样,人类视网膜可以识别的光波,为可见光波段,具体可以由RGB三种颜色组成(每种0-255范围)。

所以,摄像机、照相机等成像,也是通过感光器(如下图所示),来获取不同的值, 然后存储,一般的感光器都是接收RGB三种颜色波段,所以最终图片存储也是采用(RGB)存储。其中每个像素都有(RGB)值。

这样,从最开始的成像原理来理解图片一般都是为啥按照这种存储方式,就说的通了。

当然,具体的系统文件,还需要一些header头部信息(来进行描述)。然后还会具体到各种编码(png、jpg等)啥的,就是后面的事情了。

参考:

书籍: Computer Vision Metric

OpencvDoc

时间: 2024-08-28 17:02:58

Computer Vision 学习 -- 图像存储格式的相关文章

[学习笔记] CS131 Computer Vision: Foundations and Applications:Lecture 4 像素和滤波器

Background reading: Forsyth and Ponce, Computer Vision Chapter 7 Image sampling and quantization Types of images: binary, gray scale, color Resolution: DPI: dots per inch, spatial pixel density Image histograms: histogram of an image provides the fre

Deep Learning for Computer Vision with MATLAB and cuDNN(译文)

翻译水平有限,欢迎阅读原文 一.深度学习 当前,深度学习已经成为一个热门话题.随着深度学习算法和GPU技术的发展,我们已经能够解决许多领域(计算机视觉.自然语言处理和机器人学)曾经认为不可能的事情. 深度学习是建立在传统的深度神经网络之上的.最近几年的热点是大数据集和强大的GPUs的使用.神经网络本质上是一种并行算法,因此多核GPUs的使用能够明显的减少用于训练深度神经网络的时间.以下,我将会讨论如何使用MATLAB以及深度卷积神经网络和GPUs开发一个对象识别系统 二.为什么将深度学习用于计算

Computer vision:algorithm and application 计算机视觉算法与应用

最近在看Computer vision:algorithm and application计算机视觉算法与应用这本书,感觉对机器视觉学习很好的一本书,下面对书本知识和网上的资源作个总结. 先从后面的附录开始看,其中包括数据集站点,相关机器视觉软件和参考文献,对今后算法学习与实现有用. 下面是学长整理的一些资料,现在搬过来学习学习: 以下是computer vision:algorithm and application计算机视觉算法与应用这本书中附录里的关于计算机视觉的一些测试数据集和源码站点,

Computer Science - Computer Vision - Intro

Computer Vision - Intro 初探计算机视觉 CV在AI领域的地位 视觉相当于人脑的大门,是人类感知外界世界的最主要途径.该生理构造决定真实世界中的信息主要以视觉为主.所以,如果不能处理视觉信息的话,整个AI领域就几乎无法研究真实的世界.而作为AI领域中的子领域,CV就承担着处理视觉信息的任务.其地位不言而喻. 视觉,它相当于说芝麻开门.大门就在这里面,这个门打不开, 就没法研究真实世界的人工智能. CV与ML的关系 CV是一个领域,下辖很多子问题,就像物理学.而ML基本是一个

My Reading List - Machine Learning && Computer Vision

本博客汇总了个人在学习过程中所看过的一些论文.代码.资料以及常用的资源与网站,为了便于记录自身的学习过程,将其整理于博客之中. Machine Learning (1) Machine Learning Video Library - Caltech说明:罗列了机器学习的常用算法以及机器学习图谱 (2) Deep Learning - Bengio 说明:Deep Learning三大牛之一Bengio写的一本书 (3) Understanding LSTM Networks 说明:非常棒的LS

Graph Cut and Its Application in Computer Vision

Graph Cut and Its Application in Computer Vision 原文出处: http://lincccc.blogspot.tw/2011/04/graph-cut-and-its-application-in.html 网络流算法最初用于解决流网络的优化问题,比如水管网络.通信传输和城市的车流等.Graph cut作为其中一类最常见的算法,用于求解流网络的最小割,即寻找一个总容量最小的边集合,去掉这个集合中的所有边将阻断这个网络.图像和视频也能被视作网络(或者

Computer Vision的尴尬---by林达华

Computer Vision的尴尬---by林达华 Computer Vision是AI的一个非常活跃的领域,每年大会小会不断,发表的文章数以千计(单是CVPR每年就录取300多,各种二流会议每年的文章更可谓不计其数),新模型新算法新应用层出不穷.可是,浮华背后,根基何在?对于Vision,虽无大成,但涉猎数年,也有管窥之见.Vision所探索的是一个非常复杂的世界,对于这样的世界如何建模,如何分析,却一直没有受普遍承认的理论体系.大部分的研究工作,循守着几种模式:o    从上游学科(比如立

翻译:Mastering OpenCV with Practical Computer Vision Projects(第8章)(二)

/******************************************************************************************************************************************************************************************翻译:Mastering 请接着上一篇:OpenCV with Practical Computer Vision Proje

Computer vision labs

积累记录一些视觉实验室,方便查找 1.  多伦多大学计算机科学系 2.  普林斯顿大学计算机视觉和机器人实验室 3.  牛津大学Torr Vision Group 4.  伯克利视觉和学习中心 Prof. Trevor Darrell CS280 Computer Vision Object Detection and Segmentation for RGB-D Images 5. Carnegie Mellon University(CMU) Compoter Vision Group Kr