如果今天我把一張狗的照片丟給你。

你大概不到一秒就知道：

「這是一隻狗。」

但如果把同一張照片交給電腦呢？

它真的有看到一隻狗嗎？

答案是...

沒有。

電腦其實什麼都沒看到

在電腦眼裡，一張圖片並不是：

• 人
• 狗
• 貓
• 房子

它甚至不知道什麼叫做「圖片」。

它看到的只有一大串數字。

例如下面是一張非常小的灰階圖片。

52  61  70
81 120 145
200 230 255

我們知道這些數字代表亮度。

但是對電腦來說，它只是一個二維陣列。

沒有任何「圖片」的概念。

為什麼數字會變成圖片？

如果把每個數字對應到一個亮度：

• 0 = 黑色
• 255 = 白色

中間的數字就是不同程度的灰色。

例如

0

就是純黑。

而

255

就是純白。

所以對電腦來說，圖片只是 很多很多像素，每個像素都有自己的數值。

我們來寫程式吧！

這 30 天的文章中會使用 Google Colab 來寫程式。

請在 colab 寫入以下程式碼，看看會跑出什麼。

import numpy as np
import matplotlib.pyplot as plt

img = np.array([
    [0, 64, 128],
    [96, 160, 224],
    [192, 240, 255]
], dtype=np.uint8)

plt.imshow(img, cmap="gray")
plt.axis("off")
plt.show()

執行後，會看到一張只有 3 × 3 的灰階圖片。

雖然它非常小，但它已經是一張影像了。

因為圖片本來就是數字。

如果把圖片放大呢？

我們把 colab 的程式改成：

img = np.random.randint(0, 256, (30, 30), dtype=np.uint8)

plt.imshow(img, cmap="gray")
plt.axis("off")
plt.show()

我們會得到一張充滿雜訊、很像馬賽克的圖片。

在這兩個小實驗中，我們根本沒有畫任何東西。

只是寫入一些數字，電腦卻把它顯示成圖片。

這是因為圖片不是「畫」出來的，而是把數字映射成亮度。

Day 1 總結

今天我們沒有學任何影像處理演算法。

但我們建立了一個很重要的觀念：

圖片 = 一個由數字組成的矩陣。

未來的各個影像處理的方式，本質上都是在操作這個矩陣。

所以在影像處理中的主要問題並不是：

「我要怎麼處理圖片？」

而是：

「我要怎麼修改這些數字，讓圖片產生我想要的變化？」

從明天開始，我們就會正式認識這些組成圖片的最小單位。

Pixel（像素）。