图像处理的核心在于理解数字图像的底层结构。
1. 像素：数字图像的最小单元
像素（Pixel）是数字图像的基本构成单位，每个像素包含了图像在某个位置的颜色或亮度信息。想象一张由无数个小方块组成的网格，每个小方块（即像素）被赋予特定的数值，代表其颜色或亮度。
数值表示：
灰度图像 ：一个像素由单个数值表示，通常范围是 0（黑色）到 255（白色）。
彩色图像 ：一个像素由多个通道的数值组合表示。例如在 RGB 颜色空间中，每个像素由 [R, G, B] 三个分量组成（每个分量也是 0-255）。
Matlab
复制代码
% MATLAB 示例：读取图像并查看像素值
img = imread('peppers.png'); % 加载彩色图像（假设为 256x256x3 的矩阵）
pixel_value = img(100, 50, :) % 查看位置 (100,50) 的 RGB 值
2. 分辨率：图像的清晰度决定者
分辨率描述了图像的细节密度，通常表示为图像宽度和高度方向的像素数量，例如 1920x1080。更高分辨率的图像包含更多像素，因此能呈现更清晰的细节。
关键点：
分辨率越高，图像文件大小也越大。
像素密度（PPI）：每英寸的像素数量，影响屏幕或打印图像的显示效果。
Matlab
复制代码
% MATLAB 示例：获取图像分辨率
[height, width, channels] = size(img);
disp(['图像分辨率：', num2str(width), 'x', num2str(height)]);
3. 灰度图像：明暗的艺术
**灰度图像（Grayscale Image）**通过不同亮度值表现图像内容，无需色彩信息。每个像素的数值范围从 0（纯黑）到 255（纯白），中间值表示不同深浅的灰色。
应用场景： 医学影像（X 光）、文字识别（降低噪声干扰）、图像处理中的中间步骤（如人脸检测）。
Matlab
复制代码
% MATLAB 示例：将彩色图像转换为灰度图像
gray_img = rgb2gray(img);
imshow(gray_img); % 显示灰度图像
4. 彩色图像：RGB 与 HSV 的奥秘
**彩色图像（Color Image）**通过多通道数据描述像素颜色。最常见的是 RGB 颜色空间，由红（Red）、绿（Green）、蓝（Blue）三个颜色通道叠加生成所有颜色。
RGB 模型 ：
每个通道的数值范围是 0-255。
[255,0,0] 是纯红色，[0,255,0] 是纯绿色，[0,0,255] 是纯蓝色。
三个通道组合可生成 1600 多万种颜色（256 x 256 x 256）。
HSV 颜色空间 ：另一种常用颜色模型，将颜色分为 H（色调） 、S（饱和度） 、V（明度），更符合人类对颜色的直观感知。
复制代码
% MATLAB 示例：RGB 转 HSV 颜色空间
hsv_img = rgb2hsv(img);
imshow(hsv_img); % 显示 HSV 图像中不同通道的效果（需要分离通道）
5. 图像类型对比
图像类型
存储方式
适用范围
MATLAB 矩阵示例
二值图像
0-1（黑/白）
文字识别、形状分析
uint8(512x384)
灰度图像
单个数值（0-255）
去噪、增强等预处理
uint8(512x384)
彩色图像
R, G, B 三元组
自然场景、目标检测
uint8(512x384x3)