Skip to content

Latest commit

 

History

History
121 lines (63 loc) · 10.1 KB

convert-picture-numbers.md

File metadata and controls

121 lines (63 loc) · 10.1 KB

如何将图片转换为数字

原文:www.kdnuggets.com/2020/01/convert-picture-numbers.html

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。


我们的前三名课程推荐

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


图像量化蒙太奇

颜色感知

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。

制造颜色

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)。

由红色、绿色和蓝色 LED 组成的像素

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。

将颜色转换为数字

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。

由红色、绿色和蓝色 LED 组成的像素阵列

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。

几种颜色的十六进制代码

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。

从像素构建图像

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。

显示图像中像素的渐进缩放 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。

分解为红色、绿色和蓝色的像素颜色数组

将图像读取到 Python 代码中

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()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。

三维图像数组结构

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。

让乐趣开始吧

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:

更多相关话题