1.2 图像表示与数据结构

1.2 图像表示与数据结构

本节摘要：SOURCE 1.2：图像在内存中是行优先的多维数组；OpenCV 用 BGR 顺序。本节动手：裁剪 ROI、通道分离、理解 contiguous 与 img[y1:y2, x1:x2] 切片。

本节目标

1. 解释 (rows, cols, channels) 与坐标 (x,y) 对应关系
2. 完成裁剪、复制、通道 split/merge
3. 理解图像金字塔 pyrDown 的多尺度含义

一、矩阵与张量

import cv2
img = cv2.imread('color.jpg')  # BGR, shape (H,W,3)
b, g, r = cv2.split(img)
roi = img[100:200, 50:150]     # 注意 y 在前
print(roi.shape)
​

像素访问：img[y, x] 或 img.item(y,x,c)。修改 ROI 会影响原图（视图）— 需要副本用 .copy()。

二、算术与逻辑运算（SOURCE 2.2）

img1 = cv2.imread('a.png', 0)
img2 = cv2.imread('b.png', 0)
add = cv2.add(img1, img2)       # 饱和 255
sub = cv2.subtract(img1, img2)  # 背景减除基础
mask = cv2.bitwise_and(img1, img2)
​

数据结构操作

数据结构操作

三、存储格式

SOURCE 1.2.3：PNG 无损、JPEG 有损、TIFF 科研常用。OpenCV imwrite 质量参数 JPEG cv2.IMWRITE_JPEG_QUALITY。

四、坐标系

原点左上，x 向右，y 向下 — 与数学笛卡尔 y 向上不同，几何变换节需注意。

五、实验

1. 分离 BGR 三通道各存一张图
2. pyrDown 两次，记录 shape 变化（约 1/4 面积）
3. 背景减：固定机位两帧 absdiff

⚠️ 常见坑：img[x,y] 写反导致行列颠倒。

💡 关键直觉：ROI 是零拷贝视图 — 算法流水线注意 .copy() 时机。

一节小结

• OpenCV 默认 BGR，shape 为 (H,W,C)
• split/merge、算术、bitwise 是预处理积木
• 金字塔支持多尺度检测（SIFT 前置概念）
• 坐标 y 向下

下一节 RGB/HSV 颜色空间转换。

内存布局与视图语义

NumPy 数组默认行优先存储：shape 为 (H, W, 3) 的彩色图，内存里先连续存放第一行的所有像素（每像素 3 个通道），再放第二行。img[y, x] 与 img[y][x] 等价但前者更快，因为它只做一次下标解析。切片 img[100:200, 50:150] 返回的是原数组的视图，共享内存——修改切片会改动原图，这在裁剪 ROI 后继续处理时很容易造成"悄悄污染原图"的 bug。需要独立副本时用 .copy()，这个习惯建议从一开始就建立。

import cv2, numpy as np
img = cv2.imread('color.jpg')
roi = img[100:200, 50:150]      # 视图：与原图共享内存
roi[:, :] = 0                   # 原图区域也被清零
img_copy = img.copy()           # 深拷贝，独立内存
​

另一个易错点：图像数据是 BGR 顺序，但 numpy 不知道"通道顺序"这个概念，它只把第三维当成 3 个通道。如果直接把 OpenCV 读出的图用 matplotlib 显示，红蓝会互换。这也是为什么显示前要先 cvtColor(BGR2RGB)。

多尺度与金字塔

图像金字塔是"多尺度表示"的最简单形式：pyrDown 每级把长宽减半、面积变四分之一，pyrUp 反之。金字塔的意义在于让算法能在不同尺度上搜索目标——大物体在小尺度图里检测省算力，小物体在原始尺度才有足够像素。SIFT 的尺度空间、目标检测的多尺度特征图，本质上都是金字塔思想的延伸。做实验时记录每级 shape 和细节变化（比如文字在第几级开始看不清），能直观理解"尺度"对视觉任务的约束。

算术运算与掩膜

cv2.add 是饱和运算（超过 255 截断到 255），np.add 是模运算（回绕），两者行为完全不同。bitwise_and 配合掩膜实现"只处理感兴趣区域"是最高频的组合用法：先二值化得到掩膜，再用 bitwise_and 抠出区域，最后统计区域内的直方图或均值。这套"掩膜、抠图、统计"的套路在后续阈值分割、颜色分割章节会反复出现，值得现在就练熟。

坐标系统也值得单独记牢：OpenCV 的坐标系原点在图像左上角，x 轴向右、y 轴向下，与数学里 y 向上的笛卡尔坐标系相反。几何变换（2.3 节）和特征点匹配（第 5 章）里所有坐标换算都基于这个约定，一旦混淆，变换结果会上下颠倒。建议在实验里打印几个关键点的坐标验证方向，形成肌肉记忆。

最后补充一点：图像金字塔之外，还有"多尺度特征"在深度学习里被广泛使用，比如特征金字塔网络（FPN）就是在多个尺度特征上做检测。掌握金字塔背后的"多尺度抽象"思想，对后续学习深度学习检测框架有直接帮助，这也是本节把它单独拎出来的原因。至此，你应该能回答：BGR 与 RGB 谁先谁后、切片是视图还是副本、pyrDown 一次面积缩多少。答对这三问，本节的核心就掌握了，可以放心进入色彩空间章节。

补一个性能视角：图像处理的核心运算（滤波、阈值、形态学）在 Python 里直接写双重循环会非常慢，OpenCV 的 C 实现要快几十上百倍。工程习惯是"能用 OpenCV/NumPy 向量化就绝不用 Python 循环"，比如整图加减用 img + 50（NumPy 广播）而不是逐像素遍历。写自定义算法时，先检查是否能用 reshape、切片、np.where 这类向量化操作表达，这对处理视频帧率级别的图像尤其重要。