1. 计算机视觉基础：图像形成与表示、颜色空间、图像滤波与边缘检测
1.1 图像是怎么来的？——图像形成模型
做视觉这么多年，我经常跟新人说一句话：理解图像怎么来的，比理解怎么处理它更重要。你想想看，如果你连一张照片是怎么形成的都不清楚，后面那些滤波、检测、分割，说白了都是在瞎调参数。
图像形成，本质上是一个物理过程。光从光源出发，打到物体表面，反射后进入相机镜头，经过传感器采样，最终变成我们看到的像素矩阵。这里面有几个关键环节：
- 光源：自然光（太阳）或人造光（灯泡），决定了场景的亮度和色温
- 物体反射：不同材质反射率不同，金属反射强，布料反射弱
- 镜头成像：小孔成像模型的升级版，引入了畸变、景深等现实问题
- 传感器采样：CCD/CMOS把光信号转成电信号，再量化成数字值
核心公式（简化版）：
像素值 = 光源强度 × 物体反射率 × 传感器灵敏度 + 噪声
嗯，这个公式虽然简单，但几乎所有图像处理算法都绕不开它。
我在项目中遇到过一件事：有一次做工业缺陷检测，白天晚上拍出来的图片亮度差异巨大，算法直接崩了。后来才发现，我们只考虑了物体反射率，完全没管光源变化。从那以后，我养成了一个习惯——做任何视觉项目，先搞清楚光照条件。
1.2 图像的数学表示
图像在计算机里怎么存的？说白了就是一个二维数组。灰度图是单通道，每个像素0-255；彩色图是三个通道（RGB），每个通道也是0-255。
举个例子，一张640×480的彩色图像，它的形状是(480, 640, 3)。480行，640列，3个颜色通道。你想想看，这其实就是把三维空间的信息压缩到了二维平面上。
# 用Python表示一张图像
import numpy as np
# 创建一个100x100的红色图像
height, width = 100, 100
red_image = np.zeros((height, width, 3), dtype=np.uint8)
red_image[:, :, 0] = 255 # R通道设为255
red_image[:, :, 1] = 0 # G通道设为0
red_image[:, :, 2] = 0 # B通道设为0我的小建议：刚入门时，别急着调库。自己手动写一个图像读取、显示、保存的流程，哪怕只用OpenCV的几行代码，也能帮你建立「图像就是数组」这个直觉。
1.3 颜色空间——不只是RGB
RGB是最常见的颜色表示方式，但它不是万能的。我个人习惯把颜色空间分成三类：
| 颜色空间 | 特点 | 典型应用 |
|---|---|---|
| RGB | 直观，硬件友好 | 显示、存储 |
| HSV/HSL | 色调、饱和度、亮度分离 | 颜色分割、目标跟踪 |
| Lab | 感知均匀，与设备无关 | 颜色匹配、图像增强 |
为什么会需要这么多颜色空间？我举个例子。你在做交通灯检测时，用RGB去提取红色，光照一变就完蛋。但换成HSV，只看H（色调）通道，红色就是红色，不管它亮还是暗。这就是颜色空间选择的重要性。
我曾经踩过的坑：有一次做肤色检测，直接用RGB阈值，结果在黄光下全偏了。后来换成YCbCr空间，只取Cb和Cr两个色度通道，效果立马好了。记住：做颜色相关任务，先想想哪个空间最合适。
1.4 图像滤波——让图像变干净
滤波，说白了就是「邻居投票」。每个像素的值，由它周围像素共同决定。为什么要这么做？因为图像里有噪声，我们需要平滑掉那些「不和谐」的点。
常见的滤波方式有：
- 均值滤波：取邻域平均值，简单粗暴，但会模糊边缘
- 高斯滤波：加权平均，中心权重高，边缘权重低，效果更自然
- 中值滤波：取中位数，对椒盐噪声特别有效
- 双边滤波：同时考虑空间距离和像素差异，能保边去噪
# OpenCV中的滤波示例
import cv2
import numpy as np
img = cv2.imread('image.jpg')
# 高斯滤波
gaussian = cv2.GaussianBlur(img, (5, 5), 1.5)
# 中值滤波
median = cv2.medianBlur(img, 5)
# 双边滤波
bilateral = cv2.bilateralFilter(img, 9, 75, 75)面试常问：高斯滤波的核大小和sigma怎么选？我的经验是：核大小取sigma的3倍左右，比如sigma=1.5，核大小取5×5。太小了去噪不够，太大了图像糊成一片。
1.5 边缘检测——找到图像的「骨架」
边缘是什么？说白了就是像素值发生剧烈变化的地方。你想想看，一张图像里最有信息量的部分，往往就是这些边缘——物体的轮廓、纹理的边界、光影的分界线。
边缘检测的核心思想是求导数。一阶导数的极大值对应边缘，二阶导数的过零点也对应边缘。常用的算子有：
- Sobel算子：一阶导数，分水平和垂直方向
- Laplacian算子：二阶导数，对噪声敏感
- Canny边缘检测：多阶段优化，目前最常用的方法
Canny算法是我个人最喜欢的边缘检测方法。它做了四件事：
- 高斯滤波去噪
- 计算梯度幅值和方向
- 非极大值抑制（只保留梯度方向上的局部最大值）
- 双阈值检测（高阈值确定强边缘，低阈值连接弱边缘）
# Canny边缘检测
edges = cv2.Canny(img, threshold1=50, threshold2=150)
# 参数调优建议
# threshold1和threshold2的比例一般在1:2到1:3之间
# 我习惯先试(50, 150)，效果不好再调避坑指南：我曾经在项目里直接用Canny的默认参数，结果边缘断断续续的。后来发现，先做一次高斯滤波，再调低threshold1的值，边缘就连起来了。记住：预处理比算法本身更重要。
1.6 本章小结
这一章的内容，说白了就是视觉算法的「地基」。图像形成让你知道数据从哪来，颜色空间让你知道怎么表示，滤波让你知道怎么去噪，边缘检测让你知道怎么提取特征。这四个知识点，几乎贯穿了所有计算机视觉任务。
我个人建议：别急着跑深度学习模型。先把这些基础操作手写一遍，用Python的numpy实现均值滤波、Sobel边缘检测，哪怕慢一点，也能帮你建立扎实的直觉。面试的时候，面试官问这些基础问题，你如果能从物理原理讲到工程实践，那基本就稳了。
下一章我们会聊特征提取与描述子，也就是怎么从图像里找到「关键点」。到时候再细聊。