本是青灯不归客，却因浊酒恋红尘
前言
伴随着人类社会历程的不断向前推进，先进的科技就一直承载着人类社会的进步，特别是近年来日渐成熟的AI技术，深远地改变了我们熟悉的各个领域。我们公众号时刻紧跟当前社会发展潮流，考虑到，图像处理技术作为人工智能领域中计算机视觉（CV）的重要基础知识，同时可能也是粉丝朋友们感兴趣的地方，为此，小编决定新开一个专栏——opencv图像处理，期待能够帮助更多想要学习AI技术的小伙伴们，当然，这些知识对于大学三四年级的同学也非常有用哦，期待能够带给大家更多的快乐，我们，一直在前行。
今天我们只讲基础知识，不讲代码。
图像处理
一、图像处理简介
如果没有限定条件，目前的图像处理（Image Processing）其实都是数字图像处理（Digital Image Processing)），是利用计算机对图像进行处理和分析等手段，达到想要结果的一门技术，图像处理包括图像基本处理（滤波，二值化、形态学操作等等），图像增强，图像压缩，图像复原和匹配等等，一般在荧光屏上观察到的都是鲜艳的图像，然而这些图像在转化到相机中时，保存的却是图像中的每个点的灰度值。
数字图像，又称为数码图像或数位图像，是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
二、图像基础知识
对于图像，我们一般直观认为只有两种色彩表现方式，一种是黑白的灰度图像，一种是三个单通道颜色混合而成的彩色图像（例如上图2.1），大部分人可能都知道电脑上的彩色图是以RGB(红-绿-蓝，Red-Green-Blue)颜色模式显示的（例如下面的彩色图），但OpenCV中彩色图是以B-G-R通道顺序存储的，灰度图只有一个通道；
由图可知，图像的左上角顶点是零坐标顶点，水平方向为x坐标轴，垂直方向为y轴坐标，由此，图像中的某一点像素坐标可表示为（x，y, z）,其中x,y该像素的位置，z表示为通道，如果是OpenCV读取的，可分别表示为0, 1, 2（分别对应BGR三个通道），例如一副640*480的彩色图像，其中间像素位置为（320，240），如果要分别取值每个通道像素，则可取为（320,240,0），（320,240,1），（320,240,2）。
OpenCV
OpenCV简介
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV用C 语言编写，它的主要接口也是C 语言，但是依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby,GO的支持。
所有新的开发和算法都是用C 接口。一个使用CUDA的GPU接口也于2010年9月开始实现。
小结：一句话，OpenCV就是一个库函数包，里面把包含了很多图像处理的功能函数，使得我们可以更加容易的对图像进行各种操作，当前的几个更新版本，已经支持了GPU（显卡）和深度学习预训练模型，因此OpenCV已经成为了很多图像方面落地应用的首要选择，OpenCV已经变得越来越强大。
图像小知识
1. 数字图像处理包括哪些内容？
包括图像增强，图像回复，图像压缩，图像分割等内容
2. 图像分辨率是什么意思？又能代表什么？
图像分辨率的意思就是一幅图像的长和宽有多少个像素点，例如一幅分辨率 为1366*768的图像，便是图像的长为1366个像素点，宽为768个像素点， 一 般情况而言，分辨率越高的图像越清晰，反之越模糊。
3. 数字图像如何得来？
数字图像由模拟图像采样而来，采样的点数和频率越高，越接近真实图像。
结语
今天的图像基础知识就分享到这里了，后面的文章，我们会从基础知识出发，用代码的方式为大家呈现各种图像处理算法，然而，今天的文章对于后面的学习尤为重要，希望大家看了今天的推文后，继续去补充小编没有讲到的图像知识，如此，图像处理的学习将会变得更加容易。
图像处理并不可怕，我们会从基础出发，让所有人都能加入我们的学习之路，最终，掌握大部分的图像处理算法，为以后的科研打下良好基础。
编辑：玥怡居士|审核：小圈圈居士
