一、探究图像在计算机上的本质
首先我们需要先理解图像究竟是什么？在计算机视觉中，一幅图像是一个矩阵，也就是一个二维向量。简化地说：
- 图像的宽度 对应矩阵的列数。
- 图像的高度 对应矩阵的行数。
- 矩阵的每个元素代表一个像素，像素是图像最基本的组成部分，图像就是像素的集合。
经过上述的小结，我们很容易就理解了图像的本质。可小结提及到像素，其中又包含着什么信息呢？
一个像素可以包含一个到多个数值来表示其视觉信息，比如：颜色 和 亮度等。而其中的颜色又有灰色图像和彩色图像的区分，灰色图像只含有单个通道（++片面说法++），而彩色图像则含有三个通道。因此在彩色图像 和 灰度图像中，每个像素包含的信息是不同的，彩色图像显然包含更多的信息。
灰色图像的像素通常使用无符号8位整型来表示一个0~255的数值，这也是灰色图像为什么是单通道原因。 基于这种表示方式，进而可以理解RGB图像（彩色图像）为什么是三通道图像。
当然，刚才提及到的通道是8位整型表示也不是绝对的，也可以16位。甚至也可以是浮点数。每个像素的数值类型 和 通道数量一起构成了图像的深度。举个例子：一个三通道的彩色图像使用16位整型来表示每个通道，那么每个像素的位深= 16 * 3 = 48位。
图像浮点数类型是「32 位单精度浮点数（float32）」或「64 位双精度浮点数（float64）」
正是因为这种表示方式，图像可以轻松地转化位数学元素，进而在不同类型的算法中使用。
二、探究色彩空间中RGB 和 HSV
什么是色彩空间？听起来似乎是一个包含所有"颜色"的一种空间领域。这样理解其实也没问题，其理论只是在不同的层面应用上对色彩的表示。
第一个常见的色彩空间--RGB。每个像素是用三个8位整型，即三个通道（R、G、B），每个通道均是0~255，对应红，绿、蓝颜色分量的强度。 正如前面说到灰色图像是单通道是片面这个说法，其实当一副RGB图像每个像素的R、G、B的数值相同，就成了一副三通道的灰色图像。
第二个是计算机视觉常用的色彩空间是HSV（Hue，Saturation，Value），其中包含的信息是：色彩、饱和度、明亮度。每个像素是由这三个数值表示的，和通道表示类似，只是数值代表的含义不同。RGB 是「红绿蓝光叠加」，HSV 是「人眼对颜色的感知逻辑」。
- 色彩值介于0~360度，用来表示该像素的色彩。
- 饱和度介于0-100%，用来表示该像素颜色的纯净度。
- 明亮度介于0-100%，用来表示该像素颜色的明亮程度。
现实中 H 通道的物理范围是 0~360°（比如红色对应 0°、绿色 120°、蓝色 240°），但计算机存储和处理时，会将其映射到整数范围（避免浮点数运算，提升效率）。等同的S、V通道也是同样如此，最常见的映射：缩放到 0~255。
