第1章：图像基础与像素操作

各位同学，欢迎来到《电子提花花样编程实战》的第一课。

做提花编程，说白了就是跟图像打交道。你设计的每一个花样，最终都要变成像素矩阵，再转换成织机能够识别的信号。所以，图像基础是绕不开的第一道坎。

我个人习惯，不管做什么项目，先把底层的数据结构搞明白。图像在计算机里到底是什么？不是一张漂亮的图片，而是一堆数字。嗯，就是这么朴实无华。

1.1 读取图像——你的第一行代码

在Python里，读取图像最常用的库是OpenCV和PIL。我个人更推荐OpenCV，因为它在工业场景下更稳定，处理速度也快。

先看一个最简单的例子：

import cv2

# 读取图像
img = cv2.imread('pattern.jpg')

# 检查是否读取成功
if img is None:
    print("图像读取失败，检查路径")
else:
    print(f"图像尺寸：{img.shape}")

这里有个坑，我曾经踩过。OpenCV默认读取的是BGR格式，不是我们常见的RGB。如果你直接用matplotlib显示，颜色会偏蓝。解决办法很简单：

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

1.2 RGB与灰度模式——颜色是怎么存的？

一张彩色图像，本质上是一个三维数组。每个像素点由三个通道组成：红、绿、蓝。每个通道的值范围是0到255。

举个例子，纯红色像素就是(255, 0, 0)，纯绿色是(0, 255, 0)。你想想看，如果三个通道都是255，那就是白色；都是0，那就是黑色。

但在提花编程里，我们经常用灰度图。为什么？因为提花机控制的是纱线的颜色种类，灰度图更容易做二值化处理。

# 转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print(f"灰度图尺寸：{gray.shape}")  # 输出：(height, width)

灰度图只有一个通道，每个像素值代表亮度。0是纯黑，255是纯白。中间值就是不同程度的灰色。

1.3 像素矩阵的表示——图像就是数字

图像在计算机里，就是一个矩阵。灰度图是二维矩阵，彩色图是三维矩阵。

我们来看一个具体的例子。假设有一张3x3的灰度图：

[[120, 130, 140],
 [150, 160, 170],
 [180, 190, 200]]

每个数字代表一个像素的亮度。120偏暗，200偏亮。就这么简单。

彩色图呢？每个像素点是一个三元组：

[[[120, 50, 80], [130, 60, 90], [140, 70, 100]],
 [[150, 80, 110], [160, 90, 120], [170, 100, 130]],
 [[180, 110, 140], [190, 120, 150], [200, 130, 160]]]

第一个数字是红色通道，第二个是绿色，第三个是蓝色。你想想看，如果我要提取某个区域的颜色，直接操作这个矩阵就行。

1.4 用NumPy操作像素——这才是真功夫

OpenCV读取的图像，底层就是NumPy数组。所以，你可以直接用NumPy的函数来操作像素。

我举个例子，把图像上半部分变暗：

import numpy as np

# 假设img是灰度图
height, width = img.shape
half_height = height // 2

# 上半部分亮度减半
img[0:half_height, :] = img[0:half_height, :] * 0.5

你看，就这么一行代码。NumPy的切片操作，直接对应像素区域。

再比如，我要把图像中所有大于200的像素变成白色：

img[img > 200] = 255

这就是所谓的「阈值操作」。在提花编程里，我们经常用这种方法来简化花样。

我曾经做过一个项目，客户给的图案有上千种颜色。提花机最多支持16种纱线。怎么办？用NumPy做颜色量化，把相近的颜色合并。核心代码就几行：

# 颜色量化：把256级灰度压缩到8级
quantized = (img // 32) * 32

除以32再乘以32，相当于把0-255的区间分成8段，每段取整。这样就把256种颜色压缩到了8种。

知识体系总览

下面这张图，是我自己画的。它展示了本章的核心逻辑：从图像文件到像素矩阵，再到NumPy操作。

这张图很清楚地展示了流程：图像文件 → 读取 → 像素矩阵 → 根据需求选择灰度或彩色 → 用NumPy做各种操作。每一步都对应着具体的代码实现。

本章小结

好了，第一课的内容就这些。总结一下：

• 读取图像：用cv2.imread()，注意BGR和RGB的区别
• 灰度模式：单通道，每个像素0-255，代表亮度
• RGB模式：三通道，每个像素由红绿蓝组成
• 像素矩阵：图像就是NumPy数组，操作数组就是操作图像
• NumPy操作：切片、阈值、颜色量化，都是提花编程的常用技巧

下一章，我们会深入讲图像的几何变换。到时候你会看到，旋转、缩放、裁剪这些操作，在NumPy里也不过是几行代码的事。

---