1. 图像
1.1 图像（Image）
-
具体概念：可以看作是对物体或场景的一种表现形式，在人的视觉系统中产生视觉印象的客观对象，如自然景物、建筑、用数学描述的图形等等。
-
抽象定义：二维函数f(x, y)
-
几何属性
-
物理属性
-
1.2 数字图像分类
-
位图：又称为点阵图像，由像素的单个点组成。常见格式有BMP、JPG、GIF等
-
优点：色彩丰富，形象逼真
-
缺点：文件较大，缩放和旋转容易失真（位图被放大，但像素点数量不变，因此图像的分辨率会降低）
-
-
矢量图：由矢量数据表示的图像。矢量数据可以是点、线、矩形等。常见格式有PNG、BW、AI等
-
优点：文件较小，放大、缩小或旋转等操作时不会失真
-
缺点：不易制作色彩丰富的图像
-
1.3 色彩系统介绍
-
彩色图像
-
自然界的所有颜色都可以由红、绿、蓝（RGB）三原色组成
-
R、G、B每种颜色各由1Byte描述，即8bit，由此，将3原色分成0-255共256个等级
-
根据红、绿、蓝各种不同的组合我们可以表示出约1600万种颜色（256×256×256）
-
当一幅图像中每个像素点被赋予不同的RGB值时，就能形成彩色图像了
-
对于一幅200×200的彩色图像，一个像素需要3个字节，保存整个图像需要用200×200×3的存储空间，即120000个字节
-
-
灰度图像
-
灰度图就是只含亮度信息，不含色彩信息的图像
-
要表示灰度图，只需要将亮度值进行量化
-
量化成0-255共256个等级，0表示最暗（全黑），255表示最亮（全白）
-
灰度图的RGB每个分量都相同（即只保留一个通道）
-
-
-
二值图像
- 每个像素只有黑白两种颜色的图像，即只有0、1两种取值
-
对比图
1.4 图像在计算机中的存储
-
存储的是像素点
-
对于彩色图像：每个像素点各有RGB三个通道，每个通道的值都在0-255之间
-
对于灰度图像：可以认为每个像素点只有一个通道，值也在0-255之间
-
对于二值图像：只有0、1两个值
1.5 如何用图片来训练&测试BP神经网络
-
以本次实验所用的实验数据Mnist数据集为例：包含6w个训练集train样本、1w个测试集test样本；所有的图片都是灰度图；每张图片都有20*20=400个像素点
-
读取图片，读取的是像素值，将每张图片的这400像素点的像素值拉成1行或1列向量存储
-
将BP神经网络输入层的节点数定为400
-
BP神经网络每次处理一个样本，即一张图片
-
由此，这400个像素点的像素值便可作为BP神经网络输入层的输入
网友评论