1. 图像描述
相机加上镜头，把三维世界中的信息转换成了一个由像素组成的照片
随后存储在计算机中，作为后续处理的数据来源
在数学中，图像可以用一个矩阵来描述
而在计算机中，它们占据一段连续的磁盘或内存空间，可以用 二维数组 来表示
这样一来，程序就不必区别它们处理的是一个数值矩阵，还是有实际意义的图像了
2. 图像表示
从最简单的图像——灰度图开始说起
在一张灰度图中，每个像素位置 (x，y) 对应到一个灰度值
所以一张宽度为
，高度为
的图像，数学形式可以记成一个矩阵：
然而，计算机并不能表达整个实数空间
所以只能在某个范围内，对图像进行量化
例如常见的灰度图中，用 0-255 之间整数（即一个 unsigned char，一个字节）来表达图像的灰度大小
那么，一张宽度为 640，高度为 480 分辨率的灰图度就可以这样表示：
unsigned char image[480][640];
在程序中，图像以一个二维数组形式存储
它的 第一个下标则是指数组的 行，而 第二个下标 是 列
在图像中，数组的行数对应图像的高度，而列数对应图像的宽度
3. 图像的内容
图像是由像素组成的
3.1. 像素坐标
当访问某一个像素时，需要指明它所处的坐标
左边显示了传统像素坐标系的定义方式：
一个像素坐标系原点位于图像的左上角， X 轴向右， Y 轴向下
（也就是 视觉SLAM笔记（20） 单目相机模型 所说的 u，v 坐标）
如果它还有第三个轴的话，根右手法则， Z 轴应该是向前的
这种定义方式是与相机坐标系一致的
平时说的图像的宽度和列数，对应着 X 轴
而图像的行数或高度，则对应着它的 Y 轴
根据这种定义方式，如果讨论一个位于 x，y 处的像素
那么它在程序中的访问方式应该是：
unsigned char pixel = image[y][x];
它对应着灰度值 (x,y) 的读数
注意这里的 x 和 y 的顺序
虽然有些繁琐地讨论坐标系的问题
但是像这种下标顺序的错误，会是在调试过程中经常碰到的，又具有一定隐蔽性的错误之一
如果在写程序时不慎调换了 x，y 的坐标，编译器无法提供任何信息
而看到的只是程序运行中的一个越界错误而已
3.2. 像素信息
一个灰度像素可以用八位整数记录，也就是一个 0-255 之间的值
当要记录的信息更多时，一个字节恐怕就不够了
例如，在 RGB-D 相机的深度图中，记录了各个像素离相机的距离，这个距离通常是毫米为单位
而 RGB-D 相机的量程通常在十几米范围左右，超过了 255 的最大值范围
这时，人们会采用 十六位整数（C++ 中的 unsigned short）来记录一个深度图的信息
也就是位于 0 至 65536 之间的值
换算成毫米的话，最大可以表示 65 米，足够一个 RGB-D 相机使用了
3.3. 通道
彩色图像的表示则需要通道（channel）的概念
在计算机中，用红色，绿色和蓝色这三种颜色的组合来表达任意一种色彩
于是对于每一个像素，就要记录它的 R,G,B 三个数值，每一个数值就称为一个通道
例如，最常见的彩色图像有三个通道，每个通道都由 8 位整数表示
在这种规定下，一个像素占据了 24 位空间
通道的数量，顺序都是可以自由定义的
在 OpenCV 的彩色图像中，通道的 默认顺序是 B,G,R
也就是说，当得到一个 24 位的像素时，前 8 位表示蓝色数值，中间 8 位为绿色，最后 8 位为红色
同理，亦可使用 R,G,B 的顺序表示一个彩色图
如果还想表达图像的透明度时，就使用 R,G,B,A 四个通道来表示它
参考：
相关推荐：
视觉SLAM笔记（22） RGB-D相机模型
视觉SLAM笔记（21） 双目相机模型
视觉SLAM笔记（20） 单目相机模型
视觉SLAM笔记（19） 相似变换群与李代数
视觉SLAM笔记（18） Sophus
谢谢！
转载：https://blog.csdn.net/qq_32618327/article/details/102362612