首先什么是機器視覺？計算機視覺就是讓計算機去理解獲取數(shù)字圖像與視頻中的信息。最終實現(xiàn)一個與人類視覺系統(tǒng)實現(xiàn)相同功能的自動化系統(tǒng)。

什么是機器視覺中的圖像的前置知識——顏色模型？最為常用的顏色模型，分別是RGB顏色模型和HSV顏色模型，這兩種模型之間是可以通過數(shù)學公式進行相互轉換的。

RGB顏色模型(也叫紅、綠、藍三原色模型或者加色混色模型)：將紅、綠、藍3種不同顏色，根據(jù)亮度配比的不同進行混合（3種顏色的定量配比），從而表現(xiàn)出不同的顏色。通過3種最基本顏色的混合疊加來表現(xiàn)出任意的一種顏色的方法，特別適用于顯示器等主動發(fā)光的顯示設備。RGB顏色的展現(xiàn)依賴于設備的顏色空間,這也就使得我們感覺有些手機屏幕顏色特別逼真、絢麗，而另一些就令人失望。

RGB顏色模型的空間結構

上圖展示了RGB顏色模型的空間結構，這是一個立方體結構，在該幾何空間中，3個坐標軸分別代表了紅red綠green藍blue3種顏色。從理論上講，任何一種顏色都包含在該立方體結構中。

我們平時用得最多的RGB顏色展示模式也就是24比特展示的。有種方法分別將紅、綠、藍3種顏色使用8比特無符號整數(shù)來表示，如#FFFFFF代表純白色，#FF0000代表正紅色-十六進制對24比特展示模式的一種表示方法。也可以使用(255,0,0)這樣一個元組表示正紅色。因為紅色和綠色兩種顏色疊加產(chǎn)生黃色，所以黃色為(255,255,0)。

HSV顏色模型：這是一種采用色調(diào)（H）、飽和度（S）、明度（V）3個參數(shù)來表示顏色的一種方式。

色調(diào)（Hue）：以角度的形式進行度量，其取值角度范圍是[0,360]。紅色、綠色、藍色3種顏色以逆時針方向進行排列。例如紅色的位置為0°，綠色為120°，藍色的位置為240°。

飽和度（Saturation）：以百分比0~100％來表示，該數(shù)值越高，飽和度越高，光譜顏色的成分越多。飽和度反映了某種顏色接近光譜色的程度。顏色是由光譜顏色與白色光的混合結果。如果某種顏色中白色的成分越少，則這種顏色越接近光譜色，顏色暗且鮮艷，此時飽和度更高。

明度（Value）：百分比的形式來表示某種顏色的明度，明度值越高越明亮。明度表現(xiàn)了某種顏色的明亮程度，可以認為是一種由光線強弱產(chǎn)生的視覺體驗。如深紫色和桃紅色兩種顏色進行對比，深紫色的顏色更加晦暗，而桃紅色更加明亮，則認為桃紅色的明度要比深紫色的高。

HSV顏色模型的空間結構

什么是機器視覺中的圖像的灰度圖像？沒有包含其他五顏六色的信息，但是仍能夠從中獲取到圖像的輪廓、紋理、形狀等特征的圖片。由于灰度圖片的結構更為簡單，同時關鍵信息又不大會損失，這樣就可以極大地減少機器計算量。

那什么是灰度？黑色的程度也是可以量化的，介于黑色和白色之間的顏色就是灰色，那么直接量化的就是灰色的程度，這個程度就是灰度。一般的量化方法是將純白色作為255，純黑色作為0，在這個區(qū)間中，使用對數(shù)的方法劃分具體數(shù)值進行量化。

一個形象的灰度比喻:假如用0代表純黑色表示黑種人中最黑的，255代表純白色表示白種人中最白的，那么我們黃種人中有的長得白一點的女生，她的膚色值就可以是153，有的長得黑一點的女生，膚色值就可以是51。灰度值越大表示越亮。

什么是機器視覺中的圖像的二值圖像？二值圖像顧名思義只有純黑色和純白色兩種顏色，沒有中間過渡的灰色。二值圖像會缺少細節(jié)部分，只能顯示出圖片的大致輪廓。這在圖像的分割等場景中具有很好的利用價值。

什么是機器視覺中的信號與噪聲？圖像也是一種數(shù)據(jù)，圖像中也存在信號和噪聲。信號是圖像中我們想要的數(shù)據(jù)，噪聲是圖像中我們不想要的數(shù)據(jù)。

什么是機器視覺中的信噪比？信噪比就是指信號與噪聲二者能量之比值。直觀來講，噪聲越少，信噪比越大，數(shù)據(jù)的質(zhì)量越佳。

受到噪聲干擾的圖像a)與未經(jīng)噪聲干擾的圖像b)

經(jīng)過噪聲干擾的圖像令我們難以獲取圖片所要表達的原始信息，使得圖像所表達信息的確定程度減少。

什么是機器視覺中的椒鹽噪聲和高斯噪聲？圖像中隨機出現(xiàn)的黑白雜點，黑白雜點在圖片中出現(xiàn)位置是隨機分布的叫椒鹽噪聲，“椒”代表黑色，“鹽”代表白色。黑白雜點的出現(xiàn)導致某些顏色的改變，且噪聲概率密度服從高斯分布（正態(tài)分布的）叫高斯噪聲。

什么是是機器視覺中的圖像濾波？圖像濾波就是濾除圖像中的噪聲(黑白雜點)。圖像濾波是對圖像進行預處理的一個重要步驟。常見的濾除噪聲的方法有均值濾波和中值濾波，因為概念中數(shù)學成分太多，小咖就不多做解釋了。

審核編輯：郭婷