如何理解图片RGB通道在python(numpy)中的数据构成

2023年12月7日发(作者：学生社团)

-

如何理解图片RGB通道在python（numpy）中的数据构成

该文将尽可能简短的描述基于numpy，在python中使用skimage的io或PIL或其他方法读取图片后GRB数据的结构与呈现方式。

我们肉眼看到的图片无非两种（灰色和彩色），而通过编程语言转换为电脑能认识的模样也就是数字了。这些数字决定了在电脑中它是彩色

还是灰色，对于彩色图片决定的方式就是——颜色通道，而最常见的就是RGB三通道了，顾名思义RGB三色通道就是指由R、G、B三个通

道组成的。

这里需要说明的一点就是RGB三色道分别对应三个矩阵，而这三个矩阵都是数字向量构成的矩阵，并不代表颜色的意思（矩阵能代表颜色

吗？），这里比较贴切可以理解为调色板，例如当该矩阵的某个位置的数值较大，则表示该处对应调色板使用的颜色就越”白/浅“，而越

小则对应调色板使用颜色越“黑/深”。8bit的图像，对应的矩阵元素取值为0-255（也可以使用0-1表示），这里我们主要理解数据，对

于图像的理解下面给出链接。

看一张图片：

这是一张彩色图片，现在通过skimage的io方法读取该图片后在numpy中呈现的数据格式如下：

通过shape得到图形形状（287,496,3），其中287表示列，496表示行，3表示分量（即三个通道分量），是不是有点蒙，下面正是本文

要讲的重点，如何理解上面读取出来的数据格式？

首先我们应该按 列 来看，可以看到有3列 （即190 48 64对应往下的3列），这便是RGB对应的 3 个通道，从头到尾的一列数据构成了一

个通道分量，共三个：

然后再来理解287，从上图中可以看到有很多的 [ 符号，其实按层次来分也就三层，这里的287表示共有287个中间层的矩阵：

最后再来看496，这个数字从哪来？上面的287个矩阵中每一个矩阵的每一列都有496个元素（数字），虽然这些数字是按照行来分块，但

实际上列之间的元素才有关联，每一列的元素组合成行，构成了该通道矩阵的一行数据：

下面来看看将上面的整体矩阵分解为三个通道后的模样，做个对比是不是清楚很多了。

上面的三个通道为相同的矩阵大小，而后将三者按照通道顺序排列重叠后构成了RGB彩色图片，当然顺序有可能不是RBG，例如opencv转

换后为BGR。

以上为彩色图片在numpy中解析后的理解介绍，下面是部分代码：

1.

from skimage

import io

2.

3.

path_c =

r"G:"

4.

color = (path_c)

5.

print(color,)

6.

7.

# R

8.

print(color[:,:, 0],color[:,:, 0].shape)

9.

# G

10.

print(color[:,:, 1],color[:,:, 1].shape)

11.

# B

12.

print(color[:,:, 2],color[:,:, 2].shape)

13.

14.

fig,axes = ts( 1, 3,figsize=( 12, 7))

15.

axes[ 0].imshow(color[:,:, 0])

16.

axes[ 0].t_title( 'R')

17.

axes[ 1].imshow(color[:,:, 1])

18.

axes[ 1].t_title( 'G')

19.

axes[ 2].imshow(color[:,:, 2])

20.

axes[ 2].t_title( 'B')

21.

22.

()

该文仅为理解图片的数据构成，跟多详细的内容还请自行Google。

-