【神经网络】图像的数字视角

图像的数字视角

引言

在机器视觉和目标识别领域，需要处理的对象都是图像，但这些领域的模型都是针对数值进行训练的，那么图像和数值之间是什么关系呢?答案是数字图像天生就是数值形式的。

直观感受

左边是手写数字3的图片形式，右边是手写数字3的像素点形式。

也就是说图像是由像素点组成的二维数组，二维数组的维数由图像的长和宽决定。其中每个像素点也是一个数组，若考虑单通道，数组就一个值，若RGB三通道，数组有三个值。换个说法，每个图像可以看成是三维数组的数值，三维分别是长度，宽度，通道数。下面使用图像常用的函数，去剖析图像的内在。

内在剖析

图像的内在其实就是一个三维数组。

图像常用函数

load_img（）：将目录下图片加载到程序中内存

img_to_array（）：将图片转成数字格式显示

# 路径下加载图片（图像形式）
img1 = load_img('../../dataset/att_faces/s2/1.pgm',color_mode='grayscale')
# 将图像转换成数值形式（数值形式）
img2 = img_to_array(img1)
# 对比显示
img1
img2

左边是图像形式，右边是对应的数值形式，可以看到有三层大括号，所以是三维数组。

图像三维层次

# 图像尺寸 （长，宽）
img1.size

（92，112）

# 三维数组外层尺寸
len(img2)

112

# 三维数组内层尺寸
len(img2[0])

92

# 像素点尺寸
len(img2[0][0])

3

可以看到，图像以三通道方式 加载，像素点尺寸为3，图像数值形式的最外层数组大小为图像的宽112，内层数组大小为图像的长92

经验总结

1 图像本质就是一个由长、宽、通道值组成的三维数组。