计算机如何"看"图：像素、通道与张量

这是什么：计算机视觉（CV） = 让机器"看图"并认出货物的本事；图片在人眼里是画面，在机器眼里是一张巨大的数字表格。

为什么用：恭喜从 机器学习 毕业！你已经知道"模型从数据里学规律"。从这一章起进入图像识别——不懂像素和通道，后面的 CNN 和预训练模型全都无从下手。

如何用：本章先手算一遍灰度，再用 Pillow 造一张 2×2 的迷你图，把像素和通道一个个读出来。

图片 = 数字矩阵

把一张图片放大到极限，会看到一格一格的小方块，这就是像素（pixel）。每个像素本质是一个数字：0 是纯黑，255 是纯白。一张 1920×1080 的照片，就是 1920 行 × 1080 列的数字表格，约 200 万个数。计算机"看图"，就是在读这张表。

RGB：三个通道叠出彩色

彩色照片的每个像素不是一个数，而是三个数：红（R）、绿（G）、蓝（B）各一个 0~255 的值。三种光按不同比例混合，能叠出人眼可见的几乎所有颜色：

• (255, 0, 0) → 纯红
• (0, 255, 0) → 纯绿
• (0, 0, 255) → 纯蓝
• (255, 255, 0) → 红 + 绿 → 黄色
• (255, 0, 255) → 红 + 蓝 → 品红
• (0, 255, 255) → 绿 + 蓝 → 青色
• (255, 255, 255) → 白
• (0, 0, 0) → 黑

每个数各占一路，就叫通道（channel）：彩色图有 3 通道，黑白照片只有 1 通道。

灰度图：从三层压成一层

灰度图把 RGB 按人眼敏感度压成一个亮度值：

灰度 = 0.299×R + 0.587×G + 0.114×B

人眼对绿色最敏感，所以绿权重最大。很多识别任务第一步就是转灰度，先去掉颜色干扰。

手算一遍灰度

像素 (255, 0, 0) 纯红：

• 灰度 = 0.299 × 255 + 0.587 × 0 + 0.114 × 0 = 76.245 ≈ 76

像素 (0, 255, 0) 纯绿：

• 灰度 = 0.299 × 0 + 0.587 × 255 + 0.114 × 0 = 149.685 ≈ 150

纯绿看起来比纯红更亮，符合人眼直觉。

亲手读一读像素

光说不练假把式。先安装 Pillow（Python 最常用的图像库）：

pip install pillow

然后造一张 2×2 像素的迷你图，再把它的数值读出来：

from PIL import Image

# 造一张 2x2 的图：左上红、右上绿、左下蓝、右下白
img = Image.new("RGB", (2, 2))
img.putpixel((0, 0), (255, 0, 0))
img.putpixel((1, 0), (0, 255, 0))
img.putpixel((0, 1), (0, 0, 255))
img.putpixel((1, 1), (255, 255, 255))

print(img.size)               # 尺寸：宽 2、高 2
print(img.getpixel((0, 0)))   # 读左上角像素
print(img.getpixel((1, 1)))   # 读右下角像素

gray = img.convert("L")       # 转灰度（L 即亮度）
print(gray.getpixel((0, 0)))  # 红色像素的灰度值
print(gray.getpixel((1, 1)))  # 白色像素的灰度值

你会看到（输出为示意）：

(2, 2)
(255, 0, 0)
(255, 255, 255)
76
255

红色 (255, 0, 0) 按公式算灰度：0.299 × 255 ≈ 76，对上了！

分辨率与归一化

真实任务里还会做两件事：

1. 统一分辨率：模型要求输入尺寸一致（常见 224×224），图片先被缩放。分辨率越大细节越多，但计算量也成倍上涨
2. 归一化：把 0~255 除以 255 压到 0~1。数值变小、范围统一，模型学得更快更稳

最后把"一批图片"摞在一起——张数 × 通道 × 高 × 宽——就得到 AI 里天天出现的高维数组：张量（tensor）。ML 章节里数据是表格，到了 CV，数据变成了张量。

记忆口诀：图是数字表，彩色三通道；灰度压一层，缩放归一进张量。

❓ 常见问题

Q1：为什么像素值是 0~255？

因为一个像素每个通道用 1 个字节（8 位）存储，2^8 = 256 个取值，即 0~255。

Q2：灰度图和黑白图是一样的吗？

基本一样，但严格说灰度图有 256 级亮度，黑白图（二值化）只有 0 和 1 两个值。CV 里常说的"灰度"就是 0~255 的亮度图。

Q3：为什么要归一化到 0~1？

神经网络对数值范围敏感。0~255 和 0~1 只是缩放关系，但 0~1 梯度更稳，模型收敛更快。

⚠️ 新手翻车现场

翻车一：读错像素坐标顺序

# 错误：以为 (x, y) = (列, 行)，实际 PIL 的 getpixel 是 (x, y) 但 x=列，y=行
print(img.getpixel((1, 0)))  # 这是第 2 列、第 1 行（右上角）
print(img.getpixel((0, 1)))  # 这是第 1 列、第 2 行（左下角）

修正：PIL 的 getpixel((x, y))，x 是横坐标（列），y 是纵坐标（行）。和数学坐标系一致，但和图像处理里常见的 (行, 列) 顺序相反，注意别搞反。

翻车二：灰度转换后以为还是 3 通道

gray = img.convert("L")
print(gray.mode)  # 输出 'L'，表示单通道灰度
print(gray.getpixel((0, 0)))  # 返回一个数，不是 (R, G, B) 元组

修正：灰度图每个像素只有一个数值（亮度），读出来是单个整数，不是元组。

🎯 什么时候用这些概念

• 像素/通道：理解图像底层数据结构，做图像预处理
• 灰度：去除颜色干扰，降低计算量，做边缘检测等任务
• 分辨率与归一化：给深度学习模型喂图之前的标准操作
• 张量：理解深度学习框架（PyTorch/TensorFlow）的数据格式

📝 本章小结

• 图片在计算机眼里是数字矩阵，每个像素是一个或三个数（灰度/RGB）
• RGB 三通道叠出彩色，灰度按加权公式压成一层亮度值
• 真实任务要统一分辨率、做归一化，最后组成张量喂给模型
• 记忆口诀：图是数字表，彩色三通道；灰度压一层，缩放归一进张量。

动手改

1. 把右下角像素改成 (0, 0, 0)，先猜灰度值是多少，再运行验证
2. 用 img.resize((4, 4)) 把图放大一倍，打印新尺寸，体会"分辨率"的变化
3. 用 Image.open("你的照片.jpg") 读一张自己的照片，打印它的尺寸和某个像素值

下一章：卷积神经网络入门，看看模型怎么从数字表里认出猫和狗 🐸