1. 图像处理基础：数字图像表示、像素与分辨率、色彩空间（RGB/Gray）、图像文件格式

各位同学好，我是老张。今天咱们开始聊图像滤波与降噪的第一课。说实话，这部分内容看起来基础，但我在项目里见过太多人栽在基础概念上。你想想看，连图像怎么存的都不清楚，后面做滤波算法那不是瞎蒙吗？

1.1 数字图像的本质：就是一堆数字

数字图像是什么？说白了，就是一张由数字组成的网格。我习惯把它想象成一个Excel表格——每个格子存一个数值，所有格子拼在一起就成了一幅图。

这个网格里的每个小格子，就叫像素（Pixel）。像素是图像的最小单元，不能再分了。你手机屏幕上那些密密麻麻的小发光点，每一个就是一个像素。

举个例子，一张640×480的图像，就是有640列、480行，总共307200个像素。每个像素里存的是啥？取决于色彩空间，后面会细说。

1.2 分辨率：不是越高越好

分辨率这个词，大家天天听。但我要说句实话：很多工程师对分辨率的理解是错的。

分辨率分两种：

• 图像分辨率：就是像素总数，比如1920×1080
• 空间分辨率：每英寸多少个像素（PPI），决定了清晰度

我在做嵌入式摄像头项目时踩过一个坑：选了200万像素的传感器，觉得肯定够清晰了。结果画面糊成一团。后来才发现，传感器靶面太小，单个像素感光面积不够，信噪比极差。嗯，这里要注意——像素多不等于画质好。

1.3 色彩空间：RGB与灰度

色彩空间，就是描述颜色的数学方法。嵌入式图像处理里，最常用的就两种：RGB和灰度（Gray）。

1.3.1 RGB色彩空间

RGB就是红绿蓝三原色。每个像素用3个通道表示：R（红）、G（绿）、B（蓝）。每个通道通常用8位表示，取值范围0~255。

所以一个RGB像素占3个字节。一张640×480的RGB图像，裸数据大小是：

640 × 480 × 3 = 921,600 字节 ≈ 0.88 MB

你想想看，如果每秒30帧，光图像数据就26MB/s。嵌入式系统的带宽和内存，扛得住吗？

1.3.2 灰度图像

灰度图就简单了，每个像素只有一个值，表示亮度。0是纯黑，255是纯白，中间是深浅不同的灰色。

灰度转换公式（标准加权法）：

Gray = 0.299 × R + 0.587 × G + 0.114 × B

为什么权重不一样？因为人眼对绿色最敏感，对蓝色最不敏感。这个公式是ITU-R BT.601标准里规定的，做图像处理的老前辈们早就研究透了。

我记得有一次做车牌识别，一开始用RGB直接处理，效果很差。后来转成灰度图，再用自适应阈值二值化，识别率从60%直接跳到95%。所以说，选对色彩空间比调算法参数重要得多。

1.4 图像文件格式：嵌入式里别用JPEG

图像文件格式，说白了就是怎么把像素数据存到文件里。常见的有：

格式	特点	嵌入式适用性
BMP	无压缩，数据直接存	适合，但文件大
JPEG	有损压缩，文件小	不适合，解码耗资源
PNG	无损压缩，支持透明	看情况，解码复杂
RAW	传感器原始数据	最适合，但需自己解析

我个人建议：嵌入式图像处理，尽量用RAW或BMP。JPEG虽然文件小，但解码需要大量计算和内存。我在一个Cortex-M4项目上试过JPEG解码，一张VGA图像解码要200ms，这还做什么实时处理？

1.5 像素在内存中的排列

这个知识点容易被忽略，但实际编码时特别重要。图像数据在内存里是怎么排的？

以RGB图像为例，常见排列方式有两种：

• 交错排列（Interleaved）：R,G,B,R,G,B,... 一行接一行
• 平面排列（Planar）：所有R通道在一起，所有G通道在一起，所有B通道在一起

我刚开始做图像处理时，没注意这个细节。用OpenCV读了一张图，以为是交错排列，结果用平面排列的方式去处理，画面全花了。查了半天才发现是数据排列方式搞错了。

在嵌入式里，摄像头传感器输出的通常是Bayer格式（一种特殊的RAW格式），每个像素只存一个颜色通道的值。需要做去马赛克（Demosaic）才能变成RGB。这部分内容，咱们后面讲滤波时会用到。

1.6 本章小结

好，咱们捋一下今天讲的核心：

1. 数字图像就是二维矩阵，像素是最小单元
2. 分辨率要跟嵌入式算力匹配，别贪多
3. RGB占3字节/像素，灰度占1字节/像素——能转灰度就转
4. 文件格式选RAW或BMP，别用JPEG给自己找麻烦
5. 注意像素在内存里的排列方式，搞错了画面会花

下一章咱们开始讲滤波的基础——卷积操作。这部分是图像滤波的数学核心，我会用实际代码带着大家一步步实现。到时候你们会发现，卷积其实没那么神秘。

对了，课后作业：找一张彩色图片，手动计算前10个像素的灰度值，跟程序算出来的对比一下。这个练习能帮你彻底理解色彩空间转换。