萬般皆是臉

註：在接下來的內容裡，我會著重在"圖片"下的人臉辨識 (包含攝影機圖片串流處理)，3D影像或其他非圖片類型的本人還未著墨，因此不會在這個系列內容中說明。

註2：本篇文章著重在接下來系列文的基礎知識，如果這些對你來說太簡單了，可以斟酌跳過 :)

本文開始

以下面年輕時的卓別林照片來說：

reference: 維基百科 - 查理·卓别林

這張照片有幾個資訊：

1. 大小是寬高比 540 x 720 px (單位為像素，好奇的邦友可以按F12打開開發者工具檢查)
2. 照片是灰階照片 (也就是只有一種顏色表示的圖片：黑色)
3. 卓別林年輕時真帥

若將上述的資訊用電腦能夠理解的資料儲存，以矩陣來表示會看起來像這樣：

若用numpy array的方式表示會長這樣 (numpy是Python中很常用的矩陣與數值函式庫，這裡可以先不管)：

[[ 67  69  65 ...  60  58  60]
 [ 63  62  67 ...  60  58  59]
 [ 64  59  68 ...  54  54  55]
 ...
 [210 211 209 ...  23  20  21]
 [204 210 216 ...  19  15  16]
 [209 203 213 ...  24  18  17]]

到目前為止我們知道：

1. 電腦在處理圖片時通常會用pixel(像素)來作為基本的單位處理內容 (所以這張照片就有540x720=388800個像素)
2. 每個像素的值範圍是 [0, 255] (灰階圖片來說，數值越大顏色越淺；255代表白色)
3. 卓別林年輕時真的很帥

因此，如果是一個彩色圖片：

為了要表示色彩空間，我們用大家所熟悉的三原色(RGB)來表示這張圖片的話：

圖片上半部依序由左至右為圖片僅紅色部分、圖片僅綠色部分、圖片僅藍色部分

那下半部的三張圖片呢？
還記得前面提到灰階圖片表示，數值範圍是從 [0, 255] 吧？

因此下半部三張圖可以想成把三原色(RGB)分別以灰階數值來表示
頭暈了嗎？

舉例說明：

• 在左下的圖紅色部分以灰階表示中，可以看到卓別林的臉部部分比起其他下半部的圖都是特別的亮：
  • 意思是臉部部分紅色色彩大多都接近255 (0 ~ 255 是從黑到白)；也就是臉部主要是用紅色表示
    (上半部分圖片由於人對不同顏色的差異感知不同，因此紅色部分很難看出臉部比較"亮")
• 衣服部分可以看出"藍色圖片那張都比較黑" (下半部藍色部分以灰階表示的圖片，對應的地方則是黑色比較多)：
  • 意思是原圖衣服部分很少有藍色的像素存在

以上的範例說明希望能讓你對"顏色以數值表示"有一些感覺。
當然，沒有很理解也不會影響接下來的主題就是。

最後，圖片的原始大小為510 x 706，而圖片是彩色的就表示要用三個510 x 706的矩陣來表示：
510 x 706 x 3

用numpy來查看圖片的"大小"的話：

numpy.shape(image)
> (706, 510, 3)

依序由左至右是：高為706、寬為510、通道(顏色)為3的圖片

圖片的ROI與Bounding Box

在上面的彩色圖片中，如果在做人臉偵測(Face Detection)或是其他物件辨識時，通常會有類似下圖的過程：

其中：
ROI (Region of Interest)，指的是在準備做某個影像分析處理時 (這裡範例就是人臉辨識)，後續會特別針對進行處理的區域，通常這個區域是矩形。

而因為目前圖片中ROI只有一個，後續在進行人臉辨識分析，最終結果還是同樣的一個矩形範圍。這個最終人臉辨識結果通常會用Bounding Box(邊界框)表示人臉辨識的範圍。

通常邊界框會有兩種表示方式：

1. (x0, y0, x1, y1)：用兩個點表示邊界框。分別代表左上X座標、左上Y座標、右下X座標、右下Y座標
2. (x0, y0, w, h)：用一個點與寬高表示邊界框。分別代表左上X座標、左上Y座標、邊界框的寬、邊界框的高

再多說一點，由於邊界框一定會在原始圖片內某一個區塊，在做電腦視覺分析(甚至是其他機器學習)時，通常會為了方便進行分析而將邊界框的數值結果都用[0, 1]這個範圍表示。

那要如何做呢？

假設我們現在看上面範例圖片的x0位置，可以發現它大概就在整張圖片約左右正中心的位置；這時我們就可以把x0的數值標示成0.5

計算方式聰明的你應該也想到了：x0 / 圖片寬(image_width)，然後再取整數 (座標通常都會用整數表示)

其他數值也是用類似的方式計算。

到目前為止這一些基礎知識應該足夠了，明天見！