评论
体验周围世界几乎无法用几句话来捕捉，从蚂蚁的细致步伐，到巴勃罗·毕加索和比阿特丽克斯·波特的作品，再到孤独而庄严的橡树。认为我们能将一切归结为零和一是荒谬的。尽管如此，我们确实做到了。事实上，我们的图像现在如此逼真，以至于我们费尽心思重新引入伪影，比如宝丽来相片的褪色颜色或胶卷上的划痕。
这可能对浪漫主义是一种打击，但对机器学习从业者来说却是极大的好运。将图像转换为数字使其可以进行计算。
1. 谷歌网络安全证书 - 加速进入网络安全职业道路。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT
颜色吸引我，因为它更多的是关于人类感知的生理学和心理学，而不是物理学。我们所有的标准都是由人类感知决定的。需要覆盖的范围、表示颜色所需的通道数量、必须指定颜色的分辨率，以及信息密度和存储需求，都取决于人类的视网膜和视觉皮层。
这也意味着，与所有人类事务一样，存在很大的变异性。存在一些缺陷，比如color blindness（我自己有deuteranomaly，一种红绿色盲的类型），也有一些具有非凡能力的人，比如tetrachromats，他们有四种颜色感受器，而不是三种，能够区分其他人无法识别的颜色。因此，请记住，我们对感知所做的所有陈述仅仅是概括，并且会存在个体差异。
尽管光子在所有频率上振动，我们有三种不同类型的颜色感知锥体，每种锥体都有其特征频率响应，对特定颜色有强烈的反应。这意味着，通过精心选择颜色和强度的三种光源的组合，可以使我们体验到自然界中我们能够看到的任何颜色。
在计算机屏幕中，这通常是通过红色、绿色和蓝色光源来完成的，通常是发光二极管（LED）。
实际上，计算机屏幕上的红色、绿色和蓝色 LED 无法表示我们能看到的所有颜色。为了制造彩色 LED，引入了一种化学物质，该物质在大致正确的颜色下发光。这些接近理想的红色、蓝色和绿色，但并不完美。因此，现实世界中你能看到的颜色范围（色域）与计算机屏幕上能看到的颜色之间存在一定的差距。
作为附带说明，激光能够产生更接近理想的颜色。市售的激光投影系统覆盖了更多的人类可见色域，激光微阵列用于计算机屏幕是当前的研究和开发课题。
屏幕上的每个像素都是一个由红色、绿色和蓝色光源组成的三元组，但当你从足够远的地方看这些像素时，它们太小以至于你的眼睛无法区分，它们看起来像是一小块单一的颜色。确定产生哪种颜色的一种方法是指定每个光源的强度水平。由于人类对颜色强度的可觉察差异 (JND)往往保持在百分之一左右，使用 256 个离散级别提供了足够精细的控制，使颜色渐变看起来很平滑。
256 个强度级别可以用 8 位或 1 字节表示。它也可以用两个十六进制数字表示，范围从 0x00（零亮度）到 0xff（最大亮度）。指定三种颜色的强度需要三倍的位数：6 个十六进制数字（24 位或 3 字节）。十六进制表示提供了一种简洁的方式来表示红-绿-蓝颜色。前两位数字显示红色级别，第二对数字对应绿色级别，第三对数字对应蓝色级别。以下是一些极端的示例。
有许多更有用的颜色十六进制代码。为了方便和代码的可读性，颜色也可以表示为十进制三元组，例如(255, 255, 255)表示白色，或(0, 255, 0)表示绿色。
为了重建整个图像，计算机使用可靠的技巧，即将图像切割成小块。为了生成高质量图像，需要将小块做得非常小，以至于人眼难以单独识别它们。
图像来源：黛安·罗赫
每个像素的颜色可以用 6 位十六进制数字或 0 到 255 之间的三元组表示。在图像处理中，通常采用后者。为了方便，红色、绿色和蓝色的像素值被分离到各自的数组中。
读取图像到 Python 的一个可靠方法是使用Pillow，这是经典 Python 图像库或 PIL 的一个积极维护的分支，以及 Numpy。
import numpy as np
from PIL import Image
img = np.asarray(Image.open("image_filename.jpg"))当读取彩色图像时，结果对象img是一个三维的 Numpy 数组。数据类型通常是numpy.uint8，这是表示 0 到 255 之间颜色级别的自然且高效的方法。我尚未确定这总是如此，因此在开始处理数据集中的图像之前，最好确认一下。
为了便于计算，我发现将图像值转换为 0 到 1 之间的浮点数最为方便。在 python3 中，最简单的方法是除以 255：img *= 1/255
记住图像在存储和传输时，可以用各种令人眼花缭乱的格式表示。这些解析是一个单独的工作。我们将依赖Image.open()和numpy.asarray()为我们完成所有这些转换。我仍然没找到绕过验证像素范围和数据类型的方法，但我会继续关注。
现在我们将所有图像信息以紧凑的数字集合形式存储。在我们的数组中，第 0 维表示像素行，从图像的顶部到底部。第 1 维表示从左到右的列。第 2 维表示红色、绿色和蓝色的颜色通道，按此顺序。
在这种格式中，你可以通过img[row, column, channel]获取所需的任何值。左上角像素的绿色值由img[0, 0, 1]给出。左下角像素的红色值是img[2, 0, 0]。你可以使用Numpy 的切片和索引工具。
不要被第 0 行在图像顶部的事实困扰。当你向上数行号时，你实际上是在向图像底部移动。这与我们的 (x, y) 坐标轴约定不符，但与我们二维数组的 [行, 列] 布局完全匹配。
还可以有一个第四个颜色通道表示像素的透明度，称为 alpha。它控制图像下方的内容透过的程度。如果像素范围是 0 到 1，那么 alpha 为 1 完全不透明，alpha 为 0 完全透明。如果不存在 alpha，则假定 alpha 完全不透明。
另一种特殊情况是灰度图像，其中每个像素的三个颜色通道具有相同的值。由于重复，为了节省空间，只存储一个颜色通道，其他的则隐含。二维数组也可以用于任何类型的单色图像。按定义，它们只有一个颜色通道。
现在我们可以将图像转换为浮点数组，我们可以真正大展身手。我们可以对像素值进行加法、乘法和重新排列。我们可以调整色调和亮度，裁剪和滤镜。我们可以去除错误的像素，甚至在神经网络的帮助下识别不同的狗种。所有这些都因为我们看到的东西现在变成了数字格式。
将图像转换为数字并不会亵渎它，反而是对它的一种致敬。这个过程需要小心和对媒介的深深尊重。它还需要大量的磁盘空间。一张 8 百万像素的彩色图像未压缩时占据 24 兆字节。他们说一图胜千言，但这一点他们错了。它的价值是百万倍的。
原文。经许可转载。
相关内容：