一、什么是图像：图像就是多维数组

你好！ 从LED冬奥会、奥运会及春晚等等大屏，到手机小屏，快来挖一挖里面都有什么。

图像的存储

比如，如下存储代码。

// 图像在内存中的实际存储（一维数组）
uint8_t image_data[16] = {R0,G0,B0, R1,G1,B1, R2,G2,B2, R3,G3,B3,  // 第0行R4,G4,B4, R5,G5,B5, ...                  // 第1行// ... 后续行
};

…ISP…：

1. 通过相机等成像系统等拍摄，数字化之后的图像就是二维/多维的矩阵/数组，也就是二维数据。图像的存储是以矩阵的形式存储，矩阵中的每一个格子代表一个像素。

   • 如果想了解一些成像系统、图像、人眼、颜色等等的小知识，快去看看视频吧 ：
     • GodWarrior、抖音号：59412983611
     • B站：宇宙第一AIYWM
       • 认准一个头像，保你不迷路：
       • 

每一个格子有自己的颜色、深浅

如何访问图像：

1.对于RGB图像，共有R/G/B三个通道，通过代码来看。图像有单通道和多通道之分，访问时只需要以多维数组的形式访问即可。

//像素点有：宽Width、高 height、通道Channel
char image[nWidth][nHeight][nChannel];for(int i = 0; i < nHeight; i++)for(int j = 0; j < nWidth; j++)for(k = 0; k < nChannel; k++){cout << image[j][i][k]}//c++版本
#include <iostream>const int nWidth = 10;   // 示例宽度
const int nHeight = 10;  // 示例高度
const int nChannel = 3;  // 示例通道数char image[nWidth][nHeight][nChannel];int main() {// 假设 image 数组已经被填充数据for(int i = 0; i < nHeight; i++) {for(int j = 0; j < nWidth; j++) {for(int k = 0; k < nChannel; k++) {std::cout << image[j][i][k];}}}return 0;
}//Goland
package mainimport ("fmt"
)const (nWidth   = 10 // 示例宽度nHeight  = 10 // 示例高度nChannel = 3  // 示例通道数
)func main() {var image [nWidth][nHeight][nChannel]byte// 假设 image 数组已经被填充数据for i := 0; i < nHeight; i++ {for j := 0; j < nWidth; j++ {for k := 0; k < nChannel; k++ {fmt.Print(image[j][i][k])}}}
}

2.如果R/G/B都挤在一个格子里面

for(int i = 0; i < nHeight; i++)for(int j = 0; j < nWidth; j+= 3){cout << image[j][i]; //Rcout << image[j + 1][i]; // Gcout << image[j + 2][i]; //B}

二、分析方向占地盘

既然图像具体化成为了数组和矩阵，那么下来就有了很多的针对性分析，比如

空间域

其实上面我们按照像素点去访问图像的话，其实就是在空间域访问图像呢，所以呢，空间域其实指的就是图像中的每个像素单元。起这个名字其实就是为了和其他的，比如下面的域区分开而已；

空间域针对像素点的图像处理主要包括：

图像是二维数据，正如上文所说，图像的存储是以矩阵的形式存储，矩阵中的每一个格子代表一个像素，二维数据传输的时候是逐行传输的，当传输图像数据时，系统会按照行优先顺序将二维矩阵转换为一维数据流：

1.灰度变换

2.空间域滤波

信号处理上，你对图像像素数据不停的一行一行的去处理，让他亮，并且你不能说我这个图像有三行三列，我就亮三次就行了，不行的，抛开亮不同的图像不说，你随着时间推移，你需要不停的亮起像素点，才能保证呈现给客户完整的视频或者图像画面。所以，此时就是一个连续的波形，但有时候电压或者电流太小或者太大会导致功耗、耦合、亮度一致性或者均匀性出现问题，所以需要按照预期过滤掉波形中的某些成分，也就是人们常说的滤波。降噪、平滑等就是在滤波。

2.1 空间域滤波：用不同的核kernel，也就是不同的 磨石，去挨个擦一遍每个像素点，每个像素点按照一定算法来跟磨石里面的数据求平均，然后把相当于用磨石把像素点的值改变了，这个过程也就是卷积。

变换域：

你图像反正是一堆装在格子里面的像素点，有自己的属性，Width、Height、Channel，那么有玩家就会想到，将图像转换到其他的域，比如频率域，在变换域做完处理之后再通过反变换方式转换回来。

附加发散知识：LED赛道中大屏里面的那些事：

1.大屏中有很多箱体、很多模块/灯板，灯板上有很多LED灯，那这些灯如何亮，这里面就牵扯到很多知识点：

1.1 静态扫和非静态扫：

1.2 灯珠的亮度咋来的，通道打开时间 * 电流，波形上面就是矩形的面积，比如一个上升沿和一个下降沿，那么，包起来的矩形，高代表电流，宽代表通道打开时间。