计算机视觉（1）：数字图像的存储结构

原创

密码学人CipherHUB

发布于 2025-05-18 16:55:27

7090

数字图像的逻辑结构

数字图像在计算机科学中可被抽象为一种二维离散数据结构，作为核心载体的二维数组构成了数字图像的逻辑底座。该数组的两个维度分别对应笛卡尔坐标系中的行（垂直轴）与列（水平轴），每个坐标点（i,j）映射图像中特定空间位置的像素单元。这种网格化布局精确复现了图像在平面维度的几何分布特征。

像素作为图像解析的最小单元，其数据结构呈现分层特性。

在单通道模式下，像素被建模为标量值，该数值通过线性映射表征灰阶强度——0值对应纯黑色极值，255值表征纯白色极值，构成经典8位灰度图像的数学表征。这种单变量表示法将三维视觉信息压缩至一维特征空间。

多通道架构则通过向量拓展实现色彩维度解构。

以BGR三通道模型为例，每个像素被定义为三维向量p=b,g,rp=b,g,r，其中蓝色(Blue)、绿色(Green)、红色(Red)分量分别占据独立的数据层。

各通道数值遵循归一化编码原则，通过8位无符号整型(uint8)将连续光强离散化为0-255区间的整数值，该设计既满足人类视觉系统的非线性感知特性，又契合计算机二进制存储体系。

像素操作示例

单通道纯黑图像生成

灰度图像在计算机中以二维矩阵存储，每个像素用0-255整数表示亮度（0=黑，255=白）。numpy.zeros创建全零矩阵即生成纯黑图像。

代码解析：

shape = numpy.array((1024, 1024))  # 定义图像分辨率（1024x1024）
img = numpy.zeros(shape, dtype=numpy.uint8)  # 创建全零矩阵，uint8类型确保数值范围[0,255]
cv2.imwrite("test_3_3.jpg", img)  # 保存为JPEG格式，全零矩阵压缩后显示纯黑

图像字节流重构验证

图像数据在内存中为连续字节序列，可通过改变数组形状重新解释数据维度，验证底层数据连续性。

代码解析：

img_bytes = bytearray(img)  # 将二维数组转换为连续字节流（长度=1024*1024=1,048,576字节）
another_img = numpy.array(img_bytes, dtype=numpy.uint8).reshape(2048, 512)  # 重构为2048x512矩阵
assert len(img_bytes) == another_img.size  # 验证字节总数不变（1,048,576 = 2048*512）

纯白图像生成与数据独立性验证

numpy.copy创建数据副本，避免原始数据被修改。fill(255)将矩阵所有元素设为最大值（纯白）。

代码解析：

img_copy = numpy.copy(img)  # 深拷贝原始数组，生成独立内存空间
img_copy.fill(255)  # 将矩阵所有元素设置为255（纯白）
x = random.randint(0, img_copy.shape[0] - 1)  # 随机行坐标（防止越界）
y = random.randint(0, img_copy.shape[1] - 1)  # 随机列坐标
assert img_copy[x][y] == 255  # 验证随机位置像素值正确
cv2.imwrite("test_3_3_255.jpg", img_copy)  # 保存纯白图像

灰度图转BGR三通道

OpenCV的BGR格式使用三维数组（height, width, channels），转换后每个像素复制原始灰度值到三个通道。

代码解析：

img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)  # 转换后数组形状变为(1024,1024,3)
x = random.randint(0, img.shape[0] - 1)
y = random.randint(0, img.shape[1] - 1)
print(f"像素值示例：[{x}, {y}]={img[x][y]}")  # 输出类似"[0,0,0]"（三通道同值）
cv2.imwrite("test_3_3_3_bgr.jpg", img)  # 保存为伪彩色图像（实际显示仍为灰度）

动态生成渐变彩色图像

通过数学公式为每个通道独立赋值，生成具有空间变化规律的彩色图案。

代码解析：

for i in range(img.shape[0]):     # 遍历每一行
    for j in range(img.shape[1]): # 遍历每一列
        for k in range(3):        # 遍历BGR三通道
            # 计算公式：(i+j)*(k+1) mod 256
            img[i, j][k] = numpy.uint8((i + j) * (k + 1) % 256)
cv2.imwrite("test_3_3_3_random_color.jpg", img)

随机字节流生成验证

os.urandom生成加密安全随机字节，通过Numpy重构为任意形状数组，验证二进制数据灵活性。

代码解析：

randomBytes = bytearray(os.urandom(1024 * 1024))  # 生成1MB随机数据
flatNumpyArray = numpy.array(randomBytes)          # 转换为一维数组（长度1,048,576）
flatNumpyArray = flatNumpyArray.reshape(2048, 512) # 重构为2048x512二维数组
assert flatNumpyArray.size == 1024 * 1024          # 验证总数据量不变

附录

完整代码

from __future__ import annotations

import os
import random

import cv2
import numpy

shape = numpy.array((1024, 1024))

# 生成值为 0 的灰度图像，0代表黑色，255代表白色
img = numpy.zeros(shape, dtype=numpy.uint8)
print(f'生成的单通道图像 尺寸:{img.shape} 大小:{img.size} Bytes')
cv2.imwrite("test_3_3.jpg", img)

# 图像其实本质上是一段字节流按照不同的 shape 进行读取
# 因此一张图像是可以按照标准的一维字节流方式进行表示的
img_bytes = bytearray(img)
another_img = numpy.array(img_bytes, dtype=numpy.uint8).reshape(2048, 512)
print(f'单通道图片转换为字节序列并更新尺寸 尺寸:{another_img.shape} 大小:{another_img.size} Bytes')
assert len(img_bytes) == another_img.size, "correct img bytes size"

# 复制图片并设置每个像素值为 255，图片将变为纯白色
img_copy = numpy.copy(img)
img_copy.fill(255)
x = random.randint(0, img_copy.shape[0])
y = random.randint(0, img_copy.shape[1])
assert img_copy[x][y] == 255, '像素值错误'
print(f'复制出的独立图片 尺寸:{img_copy.shape} 大小:{img_copy.size} Bytes 随机抽象像素值:[{x}, {y}]={img_copy[x][y]}')
cv2.imwrite("test_3_3_255.jpg", img_copy)

# 将灰度图片变为 BGR 三通道图片
img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
x = random.randint(0, img.shape[0])
y = random.randint(0, img.shape[1])
print(f'单通道图片转换为 BGR 三通道图片 尺寸:{img.shape} 大小:{img.size} Bytes 随机抽取像素值:[{x}, {y}]={img[x][y]}')
cv2.imwrite("test_3_3_3_bgr.jpg", img)

# 为图片的 BGR 三个通道赋值生成彩色图片
for i in range(img.shape[0]):
    for j in range(img.shape[1]):
        for k in range(img.shape[2]):
            # 每个像素的每个通道设置像素值
            img[i, j][k] = numpy.uint8((i + j) * (k + 1) % 256)
print(f'BGR 三通道图片设置像素值 尺寸:{img.shape} 大小:{img.size} Bytes 随机抽取像素值:[{x}, {y}]={img[x][y]}')
cv2.imwrite("test_3_3_3_random_color.jpg", img)

# 通过生成随机字节的方式构造 numpy.array
randomBytes = bytearray(os.urandom(1024 * 1024))
# 生成一维数组
flatNumpyArray = numpy.array(randomBytes)
print(f'随机字节流 大小:{len(flatNumpyArray)} Bytes 尺寸:{flatNumpyArray.shape}')
assert flatNumpyArray.shape[0] == 1024 * 1024, 'invalid flayNumpyArray shape'
flatNumpyArray = flatNumpyArray.reshape(1024 * 2, 1024 // 2)
print(f'重构字节流形态后 尺寸:{flatNumpyArray.shape}')
assert flatNumpyArray.size == 1024 * 1024, 'invalid flatNumpyArray shape'