数字图像的本质

数字图像的本质是一个多维矩阵.

以一张 480x270 的 RGB 色彩空间图像为例, 编写如下代码

import PIL.Image

im = PIL.Image.open('/img/jp.jpg')
r, g, b = im.split()

r.show()
g.show()
b.show()

import scipy.misc

mat = scipy.misc.imread('/img/jp.jpg')
print(mat.shape)

# (270, 480, 3)

说明这个图像有 270 行, 480 列, 以及在色彩上有 3 个分量.

进一步分解该图片得到 R, G, B 三个通道分量:

import PIL.Image

im = PIL.Image.open('/img/jp.jpg')
r, g, b = im.split()

r.show()
g.show()
b.show()

得到如下三张图片, 每个分量单独拿出来都是一个 [270, 480, 1] 的矩阵

R 通道的灰度图像:

G 通道的灰度图像:

B 通道的灰度图像:

如你所见, 它们并不是彩色的，而是一幅灰度图像

交换通道

如果我们交换一下分量放置的顺序, 把 B 分量放进红色通道里, 把 G 分量放进绿色通道里, R 分量放进蓝色通道里, 可以得到如下一副图像:

import PIL.Image

im = PIL.Image.open('/img/jp.jpg')
r, g, b = im.split()
im = PIL.Image.merge('RGB', (b, g, r))
im.show()

除了交换通道顺序外, 甚至可以传入自己定义的通道分量

import PIL.Image

im = PIL.Image.open('/img/jp.jpg')
_, g, b = im.split()
# 创建一个新的 r 通道分量, 注意 mode 值为 'L'
r = PIL.Image.new('L', im.size, color=255)

im = PIL.Image.merge('RGB', (r, g, b))
im.show()

~~啊, 我的眼睛~~

学习通道的现实意义

作者在办理社保卡的时候, 要求电子证件照为白色背景幕布, 但作者只有蓝色背景幕布的电子照. 作为一个懒人, 既不想去重新拍照又不想下载photoshop, 所以就理所当然的对照片的蓝色通道动起了手脚.