前言
本文旨在为初学者提供有关计算机图像编码的基础知识，以帮助他们初步理解计算机中图像编码的概念。鉴于我个人知识的限制，如有不准确之处，欢迎指正并提供建议。
一、认识图片
我们先来看一张图片：
如果我们把它用ps打开，再放大后你可以看到如下信息：
从上面的图中，我们可以看到图片好像是由很多个小方块组成的，每个方块都有一个自己的颜色，这个颜色是单一的。图片的宽是60个小方块，图片的高是50个小方块，整个图片有60*50=3000个小方块组成。
1、像素
图片的像素是指图像的最小单位，通常以像素（pixel）来表示。每个像素都是图像中的一个小方块，它们排列在一个二维网格中，以创建完整的图像。
- 像素密度（通常以每英寸像素数表示，像素/英寸或PPI）也是一个重要概念，它表示在一英寸内有多少像素。
- 像素大小：像素的大小通常以微米（microns）为单位，表示一个像素的实际物理尺寸。
2、分辨率
图片分辨率是指图像中包含的像素数量，通常以水平像素数和垂直像素数表示。分辨率决定了图像的清晰度和细节水平。
以下是有关图片分辨率的详细介绍：
水平像素数和垂直像素数：分辨率通常由两个数字表示，分别代表图像的水平像素数和垂直像素数。例如，一张图像的分辨率可以是1920x1080，其中1920代表水平像素数，1080代表垂直像素数。
总像素数：要计算图像的总像素数，只需将水平像素数与垂直像素数相乘。例如，一张1920x1080的图像包含了共2073600个像素。
单位：通常，分辨率的单位是像素，但在某些情况下，也可以用其他单位，例如磅（常用于打印品质图像的分辨率），或PPI（每英寸像素数，用于描述图像在打印或显示设备上的输出质量）。
影响图像质量：图像的分辨率直接影响其质量。较高分辨率的图像通常更清晰，包含更多细节，因此适用于大型打印或高分辨率显示屏。较低分辨率的图像可能会在这些情况下显得模糊或失真。
文件大小：图像的分辨率也会影响其文件大小。通常情况下，较高分辨率的图像会占用更多的存储空间，因为它们包含更多的像素数据。这需要考虑，特别是在网络上传和下载图像或在设备上存储图像时。
3、像素的颜色
现在我们是不是只要把图片中的每个像素，用0和1的组合来表示，就可以在计算机中存储了呢，那我们要怎么来表示呢？
- 我们用1bit来表示一个像素，那可以表示2种颜色，这种图像叫，黑白图像（也称为二值图像），如下图：
[图片上传失败...(image-e75147-1697684701714)]
- 用2bit来表示一个像素，那可以表示4种颜色
- 用3bit来表示一个像素，那可以表示8种颜色
- 用4bit来表示一个像素，那可以表示16种颜色
- 用5bit来表示一个像素，那可以表示32种颜色
- 用6bit来表示一个像素，那可以表示64种颜色
- 用8bit来表示一个像素，那可以表示256种颜色
- 用24bit来表示一个像素，那可以表示1677万种颜色
[图片上传失败...(image-b3b041-1697684701714)]
现在我们已经知道了，可以怎么样来表示图片像素的颜色，那现实生活中这么多种颜色，又怎么和这些数字对应上呢？解决这个问题之前，我们先来了解一下什么叫“图片的位深度”。
4、图片的位深度
图片的位深度，也称为色深或像素深度，它是指每个像素在图像中用多少位来表示其颜色或灰度级别。位深度决定了图像能够表示多少不同的颜色或灰度级别，以及图像的颜色精度。
常见的位深度包括：
1位位深度：每个像素只有两个可能的值，通常表示为0和1，用于二值图像，如黑白图像或透明/不透明图像。
8位位深度：每个像素可以有256个不同的颜色或灰度级别，通常用于灰度图像或基本的彩色图像。
24位位深度：通常用于真彩色图像，其中每个像素可以表示约1677万种不同的颜色。这是通过8位红色、8位绿色和8位蓝色通道组合而成的。
32位位深度：在真彩色图像的基础上，还可以包括一个8位的alpha通道，用于表示像素的不透明度。这通常用于图像合成和处理，如PNG图像格式。
位深度的增加会增加图像的颜色精度，使其能够表示更多的颜色或灰度级别。然而，更高的位深度也会导致图像文件变得更大，需要更多的存储空间。选择位深度通常要根据具体应用和需求来权衡。
接下来，我们再来看颜色所对应的值都可以怎么来确定。
二、RGB色彩空间
RGB颜色空间是一种用于表示彩色图像的常见颜色模型。RGB代表红色（Red）、绿色（Green）和蓝色（Blue），这三种颜色通道是通过不同的亮度值的组合来创建各种颜色的。在RGB颜色空间中，每个像素由三个分量组成，分别代表了红色、绿色和蓝色通道的亮度值。通过调整这三个通道的亮度值，可以混合出各种颜色。
1、发现
基本颜色：早期的颜色研究表明，人眼对三种颜色最敏感，这些颜色是红色、绿色和蓝色。这一发现奠定了三元色模型的基础。
James Clerk Maxwell：19世纪的苏格兰物理学家詹姆斯·克拉克·麦克斯韦对颜色混合进行了深入的研究。他通过将红色、绿色和蓝色光进行不同比例的混合，实验证明了颜色混合的原理，从而提出了三元色模型的概念。
2、常用数字表示方法
我们现在只要把R、G、B的亮度值，用数字的方式表示出来，如：
- 用3bit表示一个像素：红色、绿色、蓝色各占1位，8种颜色，用于大部分早期的电脑显示器
- 用8bit表示一个像素：红色占3位、绿色占3位、蓝色占2位，256种颜色，用于最早期的彩色Unix工作站
- 用16bit表示一个像素：红色占5位、蓝色占5位、绿色占6位，就是：RGB556或RGB16
- 用24bit表示一个像素，也被称为是：真彩色（True Color），就是：RGB24
- 用32bit表示一个像素：基于24位，增加8个位的透明通道，就是RGB32
3、颜色的表示方法
计算机中表示RGB颜色的方法主要有两种：整数表示和浮点数表示。这些方法是为了以数字形式存储和处理颜色信息而设计的，通常使用固定位数的通道值来表示红色（R）、绿色（G）、蓝色（B）颜色分量。
- 整数表示：这是最常见的RGB颜色表示方法之一，其中每个颜色通道的值表示为整数。通常，每个通道的值在0到255之间，因为8位二进制数可以表示256种不同的值。这被称为8位RGB表示。例如，(255, 0, 0)表示纯红色，(0, 255, 0)表示纯绿色，(0, 0, 255)表示纯蓝色。
对于R通道，取值0表示没有红光，取值255表示最大强度的红光。如果想表示更高的颜色精度，那只要把各通道的光的强度划分的更细就可以表示出来了。
- 浮点数表示：在某些应用中，需要更高的颜色精度，因此使用浮点数来表示RGB颜色。通常，每个通道的值在0.0到1.0之间，表示相对的亮度。这种表示在图像处理和计算机图形中常用，因为它允许更精确的颜色操作。例如，(1.0, 0.0, 0.0)表示纯红色，(0.0, 1.0, 0.0)表示纯绿色，(0.0, 0.0, 1.0)表示纯蓝色。
这两种表示方法都是为了在计算机中处理颜色而设计的，可以根据特定应用的需求选择使用整数表示还是浮点数表示。整数表示通常更常见，因为它们占用较少的存储空间，而浮点数表示提供更高的精度，适用于需要更高颜色精度的任务。
4、常见颜色的RGB
常见的24bit颜色：
- 红色：rgb(255, 0, 0)，0xFF0000
- 绿色：rgb(0, 255, 0)，0x00FF00
- 蓝色：rgb(0, 0, 255)，0x0000FF
- 黄色：rgb(255, 255, 0)，0xFFFF00
- 洋红色：rgb(255, 0, 255)，0xFF00FF
- 青色：rgb(0, 255, 255)，0x00FFFF
- 白色：rgb(255, 255, 255)，0xFFFFFF
- 黑色：rgb(0, 0, 0)，0x000000
- 更多颜色，可以参考颜色对照表，红绿蓝的比例不同，合成的颜色也就不同
从上面能看出，对于每个像素的值，在内存中是按RGB的顺序排放的，但有些地方有会出现BGR的顺序，使用过OpenCV的同学估计知道。
5、总结
尽管RGB颜色空间可以表示大多数可见颜色，但它并不是唯一的颜色模型。其他颜色模型，如CMYK、HSV、YUV等，也具有各自的优势，适用于不同的应用领域。选择颜色模型通常根据具体的需求和颜色表示方式来确定。
三、HSV色彩空间
HSV（Hue, Saturation, Value）是一种常见的颜色模型，用于描述和表示颜色。它强调颜色的感知属性，如色相（Hue）、饱和度（Saturation）、亮度（Value），并因此在图像处理、图形设计和艺术创作中得到广泛应用。
1、详细介绍：
色相（Hue）：色相表示颜色的基本属性，即颜色的类型或种类。它通常以角度度量，范围是0°到360°，将颜色圆形连续分布在整个色相环上。在色相环中，红色位于0°或360°，绿色位于120°，蓝色位于240°，依此类推。通过调整色相，可以选择不同类型的颜色。
饱和度（Saturation）：饱和度表示颜色的纯度或鲜艳度。它是从0%（无饱和度，对应于灰度）到100%（最大饱和度）的百分比。较高的饱和度表示颜色更鲜艳，而较低的饱和度会导致颜色变得更加灰淡。通过调整饱和度，可以使颜色更加鲜艳或更加淡化。
亮度（Value）：亮度表示颜色的明亮度或亮度级别。它通常以百分比表示，范围从0%（黑色）到100%（白色）。较高的亮度值表示颜色更明亮，而较低的亮度值表示颜色更暗。通过调整亮度，可以改变颜色的明亮程度。
2、表示方法
HSV与RGB两种颜色模式都可以用来表示同一种颜色，但是，计算机显示器和许多其他设备都是基于RGB颜色模式工作的，因此在最终存储和显示时，通常会将HSV颜色模式转换为RGB颜色模式。
HSV到RGB的转换过程涉及一些数学计算，根据H（色相）在色轮上的位置，S（饱和度）和V（明度）的值，可以计算出对应的R、G、B值。
这种转换通常都由图形处理软件和编程语言库自动进行，使用者通常不需要直接进行这种转换。
YUV，是一种颜色编码方法。常使用在各个影像处理组件中。 YUV在对照片或影片编码时，考虑到人类的感知能力，允许降低色度的带宽。这样就能为我们节省不少带宽，我们下次重点讨论一下。
