图像的深度和通道
图像的深度
图像中像素点占得bit位数，就是图像的深度，比如以下图像的深度。
二值图像：
图像的像素点不是0 就是1 （图像不是黑色就是白色），图像像素点占的位数就是 1 位，图像的深度就是1，也称作位图。
灰度图像：
图像的像素点位于0-255之间，（0：全黑，255代表：全白，在0-255之间插入了255个等级的灰度）。最大值255的二进制表示为11111111，占有8个bit位，即2^8=256，图像的深度是8。
图像的通道
通道，是数字图像中存储不同类型信息的灰度图像。一个图像最多可以有数十个通道，常用的RGB和Lab图像默认有三个通道，而CMYK图像则默认有四个通道。 一张RGB图像含有三个通道：红（Red）、绿（Green）、蓝（Blue）。 一张CMYK图像含有四个通道：青色（Cyan）、品红（Magenta）、黄色、黑色。
所以想灰度图就只有一个通道，占有8个bit位，也就是8位图。所以RGB图像占有三个通道，3*8=24，所以RGB图像就是24位图。
图像在内存中的存储
图像像素点的存储就是对应的原图从左到右，从上到下，依次排列，每个点的值就是就是像素点的值，每个点的地址就是像素像素点的地址。
如第一幅图就是灰度图的存储，只有单通道。在内存中的存储即可用一个一维数组来表示，根据顺序从左到右，从上到下，依次按顺序存入数组。
图二则为RGB图像的存储模型，每一个像素有3个通道，所以需要一个二维数组来表示，顺序也是从左到右，从上到下，如[[234,200,0],[234,0,0],[255,55,0],....]这样，当然其中的数子，在内存中需要用对应的二进制来表示。
python输出图像数据
我们来用python来输出一个图片的像素数据，来验证看看上面所说的存储模型。
import sys
import tensorflow as tf
from PIL import Image, ImageFilter
import numpy as np
def imageprepare(argv):
testImage=Image.open(argv).convert('L')
testImage = testImage.resize((6, 4))
test_input=np.array(testImage)
print(test_input)
def main(argv):
"""
Main function.
"""
imvalue = imageprepare(argv)
if __name__ == "__main__":
main(sys.argv[1])
我这里传进去一张图片，然后转换成L模型（L表示灰度图），设置宽高位（6，4），输出如下所示，这里np.array把图片数据转换成了一个二维数组，方便根据（x,y）来读取:
[[254 255 254 97 255 248]
[246 255 15 180 255 255]
[252 227 227 246 44 252]
[244 254 229 151 243 248]]
如我们之前所说根据从左到右，从上到下存储的话，则可以方便的用以下方法来读取：
width = testImage.size[0]
height = testImage.size[1]
y = 0
while y<height:
x = 0
while x<width:
print(test_input[y,x])
x += 1
y += 1
对应的RGB图片，我们转换模型改一下testImage=Image.open(argv).convert('RGB')，转换为array之后，就变成了一个rowscolschannels的三维矩阵，输出读取如下所示：
[[[254 254 254]
[255 255 255]
[254 254 254]
[ 97 97 97]
[255 255 255]
[248 248 248]]
[[246 246 246]
[255 255 255]
[ 15 15 15]
[180 180 180]
[255 255 255]
[255 255 255]]
[[252 252 252]
[227 227 227]
[227 227 227]
[246 246 246]
[ 44 44 44]
[252 252 252]]
[[244 244 244]
[254 254 254]
[229 229 229]
[151 151 151]
[243 243 243]
[248 248 248]]]
width = testImage.size[0]
height = testImage.size[1]
y = 0
while y<height:
x = 0
while x<width:
# 像素的3通道值
print(test_input[y,x])
print('R: ' + str(test_input[y,x,0]))
print('G: ' + str(test_input[y,x,1]))
print('B: ' + str(test_input[y,x,2]))
x += 1
y += 1
仿python图像处理库PIL
python代码
以下为python中PIL把图片转换为像素数据数组的代码，我们先把图片转化为RGBA格式，然后输出对应位置的像素数据。当然RGBA一个像素有4个通道，所以我们可以依次输出每个通道的值，如R通道：test_input[y,x,0]。
def imageprepare(argv):
testImage=Image.open(argv).convert('RGBA')
testImage = testImage.resize((28, 28))
test_input=np.array(testImage)
print(test_input)
width = testImage.size[0]
height = testImage.size[1]
y = 0
while y<height:
x = 0
while x<width:
print(test_input[y,x])
# print('R: ' + str(test_input[y,x,0]))
x += 1
y += 1
iOS代码
在iOS中图片转化为图片数据格式相对于python和Android中来讲相对麻烦一些，所以我这里封装了一个iOS图片转图片数据的类。输出的格式跟python中类似，但是python支持多种编码格式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。这里iOS开发中只支持RGBA，CMYK。
在iOS中我们会先根据图片的编码格式来生成一个CGContextRef（画布），以下代码是对RGBA格式图片处理生成的CGContextRef。
- (CGContextRef) newBitmapRGBA8ContextFromImage:(CGImageRef) image {
CGContextRef context = NULL;
CGColorSpaceRef colorSpace;
uint32_t *bitmapData;
size_t bitsPerPixel = 32;
size_t bitsPerComponent = 8;
size_t bytesPerPixel = bitsPerPixel / bitsPerComponent;
size_t width = CGImageGetWidth(image);
size_t height = CGImageGetHeight(image);
size_t bytesPerRow = width * bytesPerPixel;
size_t bufferLength = bytesPerRow * height;
colorSpace = CGColorSpaceCreateDeviceRGB();
if(!colorSpace) {
NSLog(@"Error allocating color space Gray\n");
return NULL;
}
// Allocate memory for image data
bitmapData = (uint32_t *)malloc(bufferLength);
if(!bitmapData) {
NSLog(@"Error allocating memory for bitmap\n");
CGColorSpaceRelease(colorSpace);
return NULL;
}
//Create bitmap context
context = CGBitmapContextCreate(bitmapData,
width,
height,
bitsPerComponent,
bytesPerRow,
colorSpace,
kCGImageAlphaPremultipliedLast);
if(!context) {
free(bitmapData);
NSLog(@"Bitmap context not created");
}
CGColorSpaceRelease(colorSpace);
return context;
}
要理解以上代码，首先要知道什么是像素格式：
位图其实就是一个像素数组，而像素格式则是用来描述每个像素的组成格式，它包括以下信息：
Bits per component ：一个像素中每个独立的颜色分量使用的 bit 数；
Bits per pixel ： 一个像素使用的总 bit 数；
Bytes per row ： 位图中的每一行使用的字节数。有一点需要注意的是，对于位图来说，像素格式并不是随意组合的，目前iOS、Mac OS X开发只支持以下有限的 17 种特定组合： 官方文档
源码
DSImageBitmaps这是我iOS源码的地址，其中包含了python的代码，我iOS里面的图片直接使用的是python裁剪过大小的图片，然后能发现数据的数据是一样的。
但是我用iOS里面直接裁剪大小后的图片就跟python处理过大小的图片输出的数据就不一样了，说是python的image.resize用到了滤波器，具体是什么我也不太清楚。反正就是iOS和python处理图片大小内部的算法有些许差异，但是你能发现每一个像素上的数据差异不大，具体到一张图显示的话人眼是识别不出来的。
还有就算要注意iOS中处理的图片大小问题，也就是iOS中像素和image.size的关系：
test.png (像素 20*20) test@2x.png(像素40*40) test@3x.png(像素 60*60)
UIImage *image = [UIImageimageNamed:@"test.png"];
image.size输出大小为（20，20);
UIImage *image = [UIImage imageNamed:@"test@2x.png"];
image.size输出大小为（20，20);
UIImage *image = [UIImage imageNamed:@"test@3x.png"];
image.size输出大小为（20，20);
image.size输出的大小会自动识别图片是几倍的，如果是3倍的输出的结果就是像素除以3，2倍的像素除以2。
参考
Converting UIImage to RGBA8 Bitmaps and Back
一张图片引发的深思
谈谈 iOS 中图片的解压缩
