第二章节 图像基础：从像素到Python库
2.1 像素——构成图像的最小单元
先问个问题：你在电脑上看到的一张照片，本质上是什么？
答案是——一堆有颜色的小方块排成矩阵。每个小方块就是一个像素 (Pixel)。像素是图像的基本单元，就像砖头是墙的基本单元一样。我在早期做图像算法时，经常要手动处理像素级数据，那时候才真正理解“图像就是矩阵”这句话的分量。
每个像素存储颜色信息，这个信息所占的二进制位数叫位深度 (Bit Depth)：
- 1位：只能表示黑白（0或1），用在二值图像里。
- 8位：能表示 256 种颜色，通常是灰度图。
- 24位：RGB 各占 8 位，总共 1600 多万种颜色——这就是我们常见的真彩色。
- 32位：在 24 位基础上加一个 Alpha 通道（透明度）。
2.2 RGB色彩空间与灰度图
你想想看，显示器是怎么混合出五颜六色的？
靠的是光的三原色：红 (Red)、绿 (Green)、蓝 (Blue)。每个像素用三个数值 (R, G, B) 表示，范围 0～255。 (0,0,0) 是纯黑，(255,255,255) 是纯白。
我刚开始接触图像时，常遇到一个需求：把彩色图转成灰度图。其实公式很简单：
Gray = 0.299 × R + 0.587 × G + 0.114 × B为什么权重不同？因为人眼对绿色最敏感，对蓝色最不敏感。这是心理学和生理学实验得出的经验系数。我曾在一次图像预处理项目里，直接用平均值公式 (R+G+B)/3，结果灰度图看起来暗部细节丢了——换成加权公式就正常了。
| 特性 | RGB彩色图 | 灰度图 |
|---|---|---|
| 通道数 | 3（R、G、B） | 1（亮度） |
| 数据量 | 大（每个像素3字节） | 小（每个像素1字节） |
| 适用场景 | 需要颜色信息的处理 | 边缘检测、模板匹配等算法 |
2.3 常见图像存储格式：BMP、JPEG、PNG
同样是图片，为什么有的几兆、有的几百 KB？差别就在编码方式。我用表格把三种主流格式的核心差异列出来：
| 格式 | 压缩方式 | 是否无损 | 支持透明 | 典型场景 |
|---|---|---|---|---|
| BMP | 无压缩 / RLE | 是（RLE无损） | 否 | Windows 原生位图，适合做原始数据测试 |
| JPEG | 离散余弦变换 + 量化 | 否（有损） | 否 | 照片、互联网传输，压缩率高 |
| PNG | DEFLATE（LZ77 + Huffman） | 是 | 是（Alpha通道） | 需要无损和透明的场景，比如Logo、UI元素 |
有个避坑指南：我做盲水印时，不要用 JPEG 作为嵌入载体。因为 JPEG 的有损压缩会破坏你嵌入的像素数据，造成水印提取失败。我曾经在这个坑里栽过跟头——测试时用 BMP 效果完美，换 JPEG 后水印全碎了。后来学乖了，要么用 PNG 输出，要么强制设定 JPEG 最高质量（但依然不保险）。
2.4 Python图像处理库：PIL/Pillow 与 OpenCV
实际项目中，我用的最多的是两个库：Pillow（PIL 的活跃分支）和 OpenCV（Open Source Computer Vision Library）。
Pillow 适合快速读写、格式转换、简单滤镜。安装很简单：
pip install Pillow看个例子——读取一张图片并转为灰度：
from PIL import Image
img = Image.open('test.bmp')
print(img.size) # (width, height)
gray = img.convert('L') # 转灰度
gray.save('test_gray.png')OpenCV 更强大，擅长矩阵运算、特征检测、视频处理。安装：pip install opencv-python。但有个坑——OpenCV 默认用 BGR 顺序，不是 RGB！我第一次用 OpenCV 显示图片时，颜色全变成蓝紫调……
import cv2
img = cv2.imread('test.bmp')
print(img.shape) # (height, width, channels)
# 转 RGB
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)本章知识体系
下面这张 SVG 图梳理了本章的核心逻辑，从像素定义，到色彩空间，再到存储格式和 Python 工具。