图像相关的基础知识【RGB和RGBA】—附python代码实现 图像处理基础知识，了解RGB和RGBA

?作者介绍：双非本科大三网络工程专业在读，阿里云专家博主，专注于Java领域学习，擅长web应用开发、数据结构和算法，初步涉猎人工智能和前端开发。
?个人主页：@逐梦苍穹
?所属专栏：人工智能
?gitee地址：xzl的人工智能代码仓库
✈ 您的一键三连，是我创作的最大动力?

1、图像基础知识

• 知道像素、通道等概念
• 掌握使用matplotlib加载图片方法

我们在进行图像任务时，需要了解图像的基础知识。
图像是由像素点组成的，每个像素点的值范围为 [0, 255]，像素值越大意味着较亮。
比如一张200x200的图像，则是由40000个像素点组成，如果每个像素点都是0的话，意味着这是一张全黑的图像。
我们看到的彩色图一般都是多通道的图像，所谓多通道可以理解为图像由多个不同的图像层叠加而成，例如我们看到的彩色图像一般都是由RGB三个通道组成的，还有一些图像具有RGBA四个通道，最后一个通道为透明通道，该值越小，则图像越透明。

2、像素和通道的理解

接下来，我们使用 matplotlib 库来实际理解下上面讲解的图像知识。
示例代码：

# -*- coding: utf-8 -*-
# @Author: CSDN@逐梦苍穹
# @Time: 2024/7/31 23:38
# 导入必要的库
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
# 1. 图像基本理解
def test01():
 # 创建一个200x200的全零数组（黑色图像）
 img = np.zeros([200, 200])
 # 打印图像数据
 print(img)
 # 显示图像，使用灰度颜色映射，值范围0到255
 # plt.figure(figsize=(12, 6))
 # TODO 同一图形窗口内创建多个子图的函数, 参数: 行数、列数、当前子图索引(从1开始)
 plt.subplot(1, 2, 1)
 plt.imshow(img, cmap='gray', vmin=0, vmax=255)
 # 创建一个255x255的全255数组（白色图像）
 img = np.full([255, 255], 255)
 # 打印图像数据
 print(img)
 # 显示图像，使用灰度颜色映射，值范围0到255
 plt.subplot(1, 2, 2)
 plt.imshow(img, cmap='gray', vmin=0, vmax=255)
 # 显示图像窗口
 plt.show()
# 2. 图像的通道
def test02():
 # 读取彩色图像
 # img = plt.imread('data/彩色图片.png')
 img = np.array(Image.open('data/彩色图片RGBA.png'))
 # 修改数据的维度，从(H, W, C)到(C, H, W)
 img = np.transpose(img, [2, 0, 1])
 print(img.size)
 print(img.shape[0])
 print(img)
 # 打印所有通道
 forNumber = img.shape[0]
 for i in range(forNumber):
 channel = img[i]
 # 打印当前通道的数据
 print(channel)
 if forNumber / 2 >= i:
 plt.subplot(2, 2, i + 1)
 plt.imshow(channel, cmap='gray')
 # 显示当前通道的图像
 plt.subplot(2, 2, i + 1)
 plt.imshow(channel)
 # 自适应布局
 plt.tight_layout()
 plt.show()
 # 修改透明度通道，设为0.05
 img[3] = 1
 print("-" * 50)
 print(img)
 # 将图像数据维度从(C, H, W)改回(H, W, C)
 img = np.transpose(img, [1, 2, 0])
 # 显示修改后的图像
 plt.imshow(img)
 # 显示图像窗口
 plt.show()
# 主函数入口
if __name__ == '__main__':
 # 调用test01函数
 test01()
 # 调用test02函数
 test02()

程序中的彩色图片为：

程序输出结果：


程序解释：
**test01**** 函数：**

1. 创建一个 200x200 的全零数组（黑色图像）。
2. 使用 plt.subplot(1, 2, 1) 创建一个 1 行 2 列的子图布局，并选择第一个子图。
3. 显示黑色图像，使用灰度颜色映射。
4. 创建一个 255x255 的全 255 数组（白色图像）。
5. 使用 plt.subplot(1, 2, 2) 创建第二个子图。
6. 显示白色图像，使用灰度颜色映射。
7. 使用 plt.show() 显示图像窗口。

**test02**** 函数：**

1. 使用 PIL.Image.open 读取 data/彩色图片RGBA.png 图像。
2. 使用 np.transpose(img, [2, 0, 1]) 将图像数据维度从 (H, W, C) 转换为 (C, H, W)。
3. 打印图像数据的大小和形状。
4. 遍历每个通道，打印通道数据，并在 2 行 2 列的子图布局中显示每个通道。
5. 使用 plt.tight_layout() 调整子图布局。
6. 使用 plt.show() 显示通道图像。
7. 修改 Alpha 通道为 0.05。
8. 使用 np.transpose(img, [1, 2, 0]) 将图像数据维度从 (C, H, W) 转换回 (H, W, C)。
9. 显示修改后的图像，使用 plt.show() 显示图像窗口。

下面补充几个重要的知识点！

3、RGB和RGBA

RGB和RGBA是两种常见的颜色模型，广泛应用于计算机图形学和图像处理领域。它们之间的主要区别在于是否包含透明度信息。

RGB (Red, Green, Blue)

RGB颜色模型由三种基本颜色组成：红色（Red）、绿色（Green）和蓝色（Blue）。每种颜色的强度通常用0到255之间的整数表示。在RGB模型中，通过不同强度的红、绿、蓝组合，可以表示出各种颜色。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。
• (255, 255, 255) 表示白色。
• (0, 0, 0) 表示黑色。

RGBA (Red, Green, Blue, Alpha)

RGBA颜色模型在RGB的基础上增加了一个Alpha通道，用于表示透明度。Alpha通道的值通常也是0到255之间的整数，0表示完全透明，255表示完全不透明。通过Alpha通道，可以在颜色的基础上控制其透明度，这对于图像的叠加和透明效果非常重要。例如：

• (255, 0, 0, 128) 表示半透明的红色。
• (0, 255, 0, 255) 表示完全不透明的绿色。
• (0, 0, 255, 0) 表示完全透明的蓝色。

应用场景

1. RGB 常用于需要精确控制颜色的场景，如计算机显示器、电视屏幕、数码相机等。
2. RGBA 通常用于图形设计和图像处理，如PNG图像格式支持透明背景、Web设计中的图像叠加效果等。

4、H,W,C

在图像处理中，图像数据可以以不同的维度顺序存储和处理。常见的维度顺序有两种：
①(H, W, C)：代表图像的高度（Height），宽度（Width），以及通道数（Channels）；
这种格式通常用于图像存储和显示；
例如：

一个 RGB 图像的形状可能是 (256, 256, 3)，
表示图像的高度为 256 像素，宽度为 256 像素，有 3 个颜色通道（红色、绿色和蓝色）

②(C, H, W)：代表图像的通道数（Channels），高度（Height），以及宽度（Width）；
这种格式常用于深度学习框架中，因为这样可以更方便地批量处理数据；
例如：

一个 RGB 图像的形状可能是 (3, 256, 256)，
表示有 3 个颜色通道，每个通道的高度为 256 像素，宽度为 256 像素

为什么需要转换维度：
转换维度是为了适应不同库或算法的需求。
例如：

• 在深度学习中，通常需要将图像数据转换为 (C, H, W) 格式以输入到神经网络中。
• 在显示图像或保存图像时，通常需要将数据转换回 (H, W, C) 格式。

5、小结

这里了解了图像的像素、通道相关概念。
图像是由像素点组成的，像素值的范围 [0, 255] 值越小表示亮度越小，值越大，表名亮度值越大。
一个全0的图像就是一副全黑图像。 一个复杂的图像则是由多个通道组合在一起形成的