1. 图像处理基础：从像素到数字图像
说实话，每次带新人入门图像加速，我都要先问一个问题：你真的理解像素吗？很多人觉得这太基础了，不就是一个个小点嘛。但我在FPGA上做图像处理这些年，踩过的坑十有八九都是因为对像素的理解不够深。
好，咱们从头捋一遍。
1.1 像素是什么？
像素，英文叫pixel，是picture element的缩写。说白了，它就是数字图像里最小的、不可再分的单元。
你想想看，一张照片在电脑里放大再放大，最后会看到什么？对，一个个小方格。每个小方格就是一个像素。每个像素记录着这个位置的颜色信息。
核心概念：数字图像 = 像素的二维矩阵。每个像素有固定的位置坐标 (x, y) 和颜色值。
我在项目中遇到过一件事：有次做摄像头采集，图像边缘总有一条绿线。查了半天，发现是像素坐标计算时少减了1。你看，坐标问题就是这么要命。
1.2 RGB色彩空间
人眼能感知的颜色，其实可以用三种基色混合出来：红(Red)、绿(Green)、蓝(Blue)。这就是RGB色彩模型。
每个像素的颜色，由R、G、B三个分量共同决定。每个分量通常用8位表示，取值范围0~255。
| 颜色 | R | G | B |
|---|---|---|---|
| 纯红 | 255 | 0 | 0 |
| 纯绿 | 0 | 255 | 0 |
| 纯蓝 | 0 | 0 | 255 |
| 白色 | 255 | 255 | 255 |
| 黑色 | 0 | 0 | 0 |
| 灰色 | 128 | 128 | 128 |
嗯，这里要注意：RGB三个分量相等时，得到的就是灰度。128,128,128是中灰色。这个规律在做图像预处理时很有用。
1.3 灰度空间
为什么很多图像处理算法要先转灰度？我个人的经验是：灰度图只有亮度信息，没有颜色信息，数据量直接降到1/3。在FPGA上，这意味着一半以上的资源节省。
RGB转灰度的经典公式：
Gray = 0.299 × R + 0.587 × G + 0.114 × B为什么权重不一样？因为人眼对绿色最敏感，对蓝色最不敏感。这个公式是ITU-R BT.601标准里规定的。
实战技巧：在FPGA里做这个计算，别直接用浮点。我习惯把系数放大256倍，变成整数运算：
Gray = (77 × R + 150 × G + 29 × B) >> 8这样只用乘法和移位，资源省很多。
1.4 图像在计算机中的存储格式
图像在内存里怎么存的？这个问题我面试时必问。其实就两种主流方式：
1.4.1 位图格式（BMP）
最简单，不压缩。文件头 + 像素数据。每个像素按行存储，从下往上。嗯，你没看错，BMP是从左下角开始存的。
1.4.2 像素排列方式
- 交错模式（Interleaved）： R,G,B,R,G,B,... 连续排列。适合逐像素处理。
- 平面模式（Planar）： 所有R放一起，所有G放一起，所有B放一起。适合色彩空间转换。
我在做HDMI显示驱动时，就遇到过交错和平面搞混的问题。图像颜色全乱套了。后来我养成了一个习惯：先打印前几个像素的十六进制值，看一眼就知道是什么排列。
1.4.3 常见图像格式对比
| 格式 | 压缩 | 适用场景 | FPGA处理难度 |
|---|---|---|---|
| BMP | 无 | 调试、测试 | 低 |
| JPEG | 有损 | 照片存储 | 高（需解码） |
| PNG | 无损 | 网络传输 | 中 |
| RAW | 无 | 传感器原始数据 | 低 |
避坑指南：我曾经在项目中直接用JPEG做实时处理，结果发现解码延迟太大，帧率根本跑不上去。后来改成RAW格式输入，FPGA直接处理Bayer数据，延迟降到了1行以内。
所以，做图像加速时，尽量用无压缩或轻压缩格式。压缩格式的解码开销，往往比处理本身还大。
1.5 本章知识体系
下面这张图，是我自己总结的图像处理基础脉络。你看一遍，应该能对本章内容有个整体把握。
1.6 小结
这一章我们聊了三个核心概念：
- 像素是图像的最小单元，有坐标和颜色值
- RGB空间用三基色混合，灰度空间只保留亮度
- 存储格式决定了数据在内存里的排列方式，直接影响FPGA处理效率
我个人觉得，理解这些基础比背一堆算法公式更重要。因为你在FPGA上写代码时，面对的就是一个个像素、一个个字节。搞不清楚这些，后面做流水线、做DMA、做帧缓存，都会出问题。
好，基础打牢了，后面咱们就可以开始玩真的了。
可可精品资料库