大家好，這次數位影像處理鐵人賽，希望藉由30天的技術知識分享，讓各位讀者能夠了解影像處理的基礎知識以及應用。

由於影像處理是一門很艱深的課程，原因在於其中的數學原理非常複雜。不過，除非要走研發演算法的路線，否則以應用層面來講，只要了解參數的意義以及各種Lib庫的使用就夠了，所以不用太擔心數學的問題，我會省略繁瑣的數學步驟，但仍會帶到基本原理，因此讀者不必擔心。

本課程讀者需具備基礎Python程式能力，若沒有學過Python，建議到網路上學習一些基礎語法喔!

一般的數位影像可以分成兩種，分別稱為灰階影像、色彩影像，如下圖

相信若有學過訊號相關或是影像辨識課程的同學都很熟悉的一張圖，此圖稱為Lenna影像。

Lenna影像為典型的灰階影像，而色彩影像則是由光的三原色-紅(Red)、綠(Green)、藍(Blue)組成，簡稱RGB。

構成人體的最小單位是細胞，構成物質的最小單位是原子，那麼構成數位影像的最小單位是什麼呢? 就是像素(Pixel)

一個數位影像是由 M * N 的像素所組成，稱為影像大小(Image Size)或影像解析度(Image Resolution)，其中
M 稱為列數(Number of Rows)， N 稱為行數(Number of Columns)。

以Lenna圖來說，圖的左上角稱為原點(0,0)，右下角的座標為(M - 1, N - 1)，而Lenna圖的數位影像大小為
256 * 256 個像素，即 M = 256、N = 256, 總共有 256 * 256 = 65536 個像素。也因此我們可以猜得出來，數位影像是以一個二維陣列表示。

#請注意，數位影像的直角座標系和一般數學中的狄卡爾座標系不同，數位影像中，X軸縱軸，方向朝下，y軸橫軸，方向朝右。

接著，讓我們來談談像素強度。一個像素的強度數定義為L，通常為2的冪次方，即
也稱為位元深度(Bit Depth) 或 位元解析度(Bit Resolution)，螢幕上常聽到的例如 8 bits 色深 或 10 bits 色深，由於 bits 數越多，2的k次方就越大，所能表示的顏色就更精確、更鮮豔。如下圖所示:

以灰階影像而言，每個像素的強度為 8位元, 而色彩影像的每個像素包含 R、G、B 三個數值，每個數值以8位元的資料儲存，共24位元。

最後，介紹一下現今常用的數位影像檔案格式:

1. BMP:由微軟制定的影像檔案格式，常見於 Windows 作業系統，適用於相機拍攝的照片。BMP檔案格式支援 1、4、 6、8、16與24位元的影像，其中8位元可以是灰階，也可以是色彩影像，取決於色彩調色板的定義。24位元的影 像則為色彩影像。BMP分為無壓縮與有壓縮兩種，無壓縮的BMP較常見，經過數位影像處理後存檔也不會有失真的情形，而BMP雖然也支援影像壓縮(壓縮演算法為 Run Length Encoding，簡稱RLE)，但並不常見。

2. GIF:取自圖形交換格式(Graphic Interchange Format)的縮寫，有看過網路迷音的動圖應該都很了解XD。GIF檔案格式主要支援8位元的影像，同時採用 Lempel-Ziv-Welch(LZW)壓縮方式，此方法由於其檔案在壓縮後不會流失影像品質，即所謂的無失真壓縮，且壓縮後檔案大小可以有效降低傳輸時間，因此目前廣泛於網路使用。

3. PNG:為可攜式網路圖(Portable Network Graphic)的縮寫，目的在取代GIF檔案格式。除了延續使用LZW壓縮方式，PNG額外支援48位元的影像，同時有加入透明的Alpha通道功能，成為目前設計專業領域常用的數位影像檔案格式。

4. JPEG:取自聯合相片專家小組(Joint Photographic Experts Group)的縮寫。JPEG適用於相機拍攝的片等等，使用無失真壓縮技術，包含:離散餘弦轉換(Discrete Cosine Transform, DCT)、霍夫曼碼(Huffman Codes)。JPEG經過影像壓縮，可以提供理想的檔案大小、並維持良好的影像品質，因此在網路被廣泛使用。

5. TIFF:為標籤影像檔案格式(Tagged Image File Format)的縮寫，適用於相機拍攝的照片等等。TIFF主要利用文件標頭中的標籤(Tag)，不僅支援無失真和失真壓縮，同時也支援多影像跨平台等特殊應用，是一種適應性相當強的檔案格式。

今天的影像基礎就先介紹到這裡，礙於篇幅的關係，只介紹一些常見的檔案格式。下週將進入OpenCV的環節，感謝大家!