3. 图像基础知识：像素、分辨率、色彩空间
好，咱们今天聊点实在的。你手里拿个MCU，想让它“看”东西，首先得搞明白——图像在机器眼里到底长什么样？
我刚开始做嵌入式视觉那会儿，也犯过迷糊。总觉得图像就是一张漂亮的照片，但放到MCU里，它其实就是一堆数字。说白了，就是一堆排好队的0和1。
3.1 像素：图像的最小单元
像素是什么？你可以把它想象成一块小瓷砖。很多很多小瓷砖拼在一起，就成了一幅画。
每个像素就是一个点。这个点有自己的颜色和位置。在MCU里，我们用一个或多个字节来存储这个点的信息。
关键理解： 一张图片 = 像素的二维数组。MCU处理图像，本质上就是在处理这个数组。
举个例子。一个320×240的灰度图，就有320×240=76800个像素。每个像素用一个字节（0-255）表示亮度。那这张图在内存里就占76800字节，约75KB。
嗯，这里要注意。MCU的RAM通常只有几十到几百KB。一张图就能吃掉大半。所以选型时，内存是第一道坎。
3.2 分辨率：图像的精细程度
分辨率就是像素的总数。640×480、320×240、160×120，这些数字你肯定不陌生。
分辨率越高，图像越清晰，但数据量也越大。我在项目里遇到过，为了省内存，把分辨率从QVGA（320×240）降到QQVGA（160×120），结果特征点都糊了。后来我学乖了——先算好内存余量，再定分辨率。
| 分辨率 | 像素总数 | 灰度图大小（1字节/像素） | 适用场景 |
|---|---|---|---|
| QQVGA (160×120) | 19,200 | 18.75 KB | 简单物体检测、条形码 |
| QVGA (320×240) | 76,800 | 75 KB | 人脸检测、颜色追踪 |
| VGA (640×480) | 307,200 | 300 KB | 需要外扩SRAM |
我的习惯： 先定算法需要的最小分辨率。比如做色块追踪，160×120就够。做二维码识别，至少320×240。别一上来就上VGA，MCU扛不住。
3.3 色彩空间：RGB、灰度、二值化
色彩空间，说白了就是用什么方式描述颜色。MCU上常用的就三种：RGB、灰度、二值化。
3.3.1 RGB565：MCU上的真彩色
RGB用红绿蓝三个分量表示颜色。每个分量0-255，一个像素就要3个字节。MCU内存那么金贵，谁受得了？
所以有了RGB565。红色5位、绿色6位、蓝色5位，一个像素只占2个字节。颜色损失一点，但内存省了三分之一。
// RGB565 格式：一个像素占2字节
// 高字节：R[4:0] | G[5:3]
// 低字节：G[2:0] | B[4:0]
uint16_t rgb565_pixel = ((red >> 3) << 11) |
((green >> 2) << 5) |
(blue >> 3);
// 反过来，从RGB565提取分量
uint8_t r = (rgb565_pixel >> 11) << 3;
uint8_t g = ((rgb565_pixel >> 5) & 0x3F) << 2;
uint8_t b = (rgb565_pixel & 0x1F) << 3;你想想看，一个320×240的RGB565图像，占320×240×2=153600字节，约150KB。很多MCU的RAM也就这么多。所以做彩色图像处理，内存规划要精打细算。
3.3.2 灰度图：丢掉颜色，保留亮度
灰度图每个像素只用一个字节表示亮度。0是纯黑，255是纯白。中间是深浅不一的灰。
为什么用灰度？因为很多算法不需要颜色信息。边缘检测、形状识别、光流追踪，灰度图就够了。而且数据量只有RGB565的一半。
从RGB转灰度，有个经典公式：
// 标准灰度转换公式
// Gray = 0.299*R + 0.587*G + 0.114*B
// MCU上避免浮点运算，用整数近似
uint8_t rgb_to_gray(uint8_t r, uint8_t g, uint8_t b) {
// 使用移位代替浮点乘法
return (r*77 + g*150 + b*29) >> 8;
}我曾经踩过的坑： 直接用 (r+g+b)/3 求平均灰度。结果绿色物体和红色物体在灰度图里几乎一样，算法直接失效。记住，人眼对绿色最敏感，所以绿色权重最高。用标准公式，别偷懒。
3.3.3 二值化：只有黑和白
二值化就是把灰度图变成只有0和255两种值。每个像素只占1位（bit），内存省到极致。
怎么二值化？设定一个阈值。大于阈值的变白，小于阈值的变黑。
// 最简单的二值化
#define THRESHOLD 128
void binarize(uint8_t *gray_img, uint8_t *bin_img, int size) {
for (int i = 0; i < size; i++) {
// 每个像素只存1位，8个像素挤在一个字节里
if (gray_img[i] > THRESHOLD) {
bin_img[i >> 3] |= (1 << (i & 0x07));
} else {
bin_img[i >> 3] &= ~(1 << (i & 0x07));
}
}
}但阈值怎么选？固定阈值遇到光照变化就完蛋。我建议用大津法（OTSU）自动算阈值。虽然计算量大一点，但鲁棒性好很多。
我的经验： 做二值化前，先做高斯模糊去噪。不然噪点会变成一堆小白点，干扰后续处理。我吃过这个亏，后来每次二值化前必先滤波。
3.4 在MCU上如何表示一张图片
好了，现在咱们把理论落地。在MCU里，一张图片到底怎么存？
说白了，就是一块连续的内存区域。加上一个结构体来描述它。
// 图像结构体定义
typedef struct {
uint16_t width; // 图像宽度
uint16_t height; // 图像高度
uint8_t format; // 格式：0=灰度, 1=RGB565, 2=二值化
uint8_t *data; // 指向像素数据的指针
uint32_t data_len; // 数据总字节数
} image_t;
// 创建一张灰度图
image_t img;
img.width = 320;
img.height = 240;
img.format = 0; // 灰度
img.data_len = 320 * 240; // 76800字节
img.data = (uint8_t *)malloc(img.data_len);
if (img.data == NULL) {
// 内存分配失败！这是MCU上最常见的问题
printf("Error: Not enough memory!\n");
}
// 访问第10行第20列的像素
uint8_t pixel = img.data[10 * img.width + 20];这里有个关键点：图像数据在内存里是“行优先”存储的。第一行所有像素挨个排，然后第二行，以此类推。你访问像素时，要算好偏移量：y * width + x。
总结一下： MCU上的图像 = 一块连续内存 + 一个描述结构体。像素按行排列，每个像素的字节数取决于色彩格式。灰度1字节，RGB565 2字节，二值化1位。
嗯，到这里你应该明白了。图像在MCU里不是什么玄乎的东西，就是一堆数字。你学会了怎么存、怎么取、怎么转格式，后面做算法就顺了。
下一章咱们聊聊摄像头驱动，看看怎么把这堆数字从传感器里读出来。