本专栏面向所有希望或有兴趣从事数字图像处理工作、学习或研究的朋友，不懂MATLAB和OPENCV没关系，仅需要基础的C语言知识，便可以通过本专栏内容轻松入门数字图像处理方向。目前市面上的数字图像处理书籍种类繁多，往往令人眼花缭乱，不知从何而起，复杂的第三方库调用，也导致了大多数初学者苦不堪言，而本专栏内容将从繁就简，另辟蹊径，以简约明了的逻辑，无任何第三方库依赖的C语言代码，来帮助大家快速掌握，轻松入门， 这也是本专栏和作者的初衷。同时，本专栏内容的逻辑方法，并不依赖于C语言，大家也可以用同样的逻辑方法去学习其他语言的图像处理，这就是掌握学习方法的重要性。

        对于初学者，往往搞不清楚，一个像素究竟是什么？针对数字图像中的位图而言，一张宽度W，高度H的图像是由W×H个像素点来表示的，每个像素都包含了各自的颜色信息，所以我们的感官才会感知到不同图像各自是什么颜色的。要有颜色的概念，我们就要先了解色彩的深度。

        色彩深度就是色彩的位数，代表了一个像素用多少个二进制位来表示颜色信息。常用的色彩深度有1位(也就是单色)，2位(也就是4色CGA)，4位(也就是16色VGA)，8位(也就是256色)，16位(增强色)以及24位和32位真彩色等。听起来对于初学者好像不容易理解，我们这里以黑白二值图、灰度图和24/32位彩色图四类来做说明。

        黑白二值单色图像：图像中每个像素点非黑即白，对于像素值非0即1，每一个像素用一个数值也就是1个二进制位即可表示(一个二进制位代表0或者1)，因此，这种黑白二值图也可以叫作单色图，黑白二值图像举例如下图Fig.1所示。

                                                                                 Fig.1黑白二值图像示例

        在Fig.1中，对于任意像素P0，如果它是黑色像素，那么P0=0，反之，P0=1，这就是黑白二值图像中像素P0的数字表示。由于每个像素的数值都在0-255之间，因此，通常我们使用unsigned char类型的数组来存出每个像素的数值。对于Fig.1这张宽高为256×256大小的黑白二值图而言，我们可以用如下数组形式来存储数据：

        8位灰度图像：8位灰度图像是指用8个bit位来表示颜色信息的图像，颜色信息范围位0-255，0是黑色，255是白色，对应的二进制位表示如下：

        0的二进制位表示：00000000

        255的二进制位表示：11111111

        8位灰度图像举例如图Fig.2所示，看起来是一张灰色的图像，但是人物细节等颜色信息明显要比单色二值图像要多很多，因为二值图像只有0和1两个颜色信息，而灰度图有0-255共256个颜色信息；

                                                                                      Fig.2 8位灰度图示例

        在Fig.2中，对于任意像素P0，如果它是黑色像素，那么P0=0，白色P0=255，其他颜色则P0在0到255之间。这就是8位灰度图像中像素P0的数字表示。由于每个像素的数值都在0-255之间，因此，通常我们依旧使用unsigned char类型的数组来存出每个像素的数值。对于Fig.2这张宽高为256×256大小的灰度图而言，我们可以用如下数组形式来存储数据：

        24位彩色图像：为了表示更加丰富的彩色信息，我们基于三原色RGB，将每个像素分为了R、G和B三个颜色分量，即红色分量Red，绿色分量Green和蓝色分量Blue。同时，我们对于每个分量都使用8个二进制位也就是1个字节大小来表示它的颜色信息，对应数值范围为0-255。这样，一个像素占用3个字节，24个Bit位，也就是24位彩色图像。颜色信息则是RGB三个颜色分量的组合，由于每个分量可以表示0-255共256种颜色，因此，24位彩色图像像素共有256×256×256种颜色信息，我们也将RGB三个颜色分量叫作三个通道，举例如图Fig.3所示。 

                                                                                  Fig.3 24位彩色图像示例

        在Fig.3中，对于任意像素P0，如果它是黑色像素，那么P0=(R=0,G=0,B=0)，白色P0=(R=255,G=255,B=255)，通常我们用一个RGB坐标轴的三维坐标来表示，即黑色P0(0,0,0)，白色P0(255,255,255)。这就是24位彩色图像中像素P0的数字表示。由于每个像素的RGB数值都在0-255之间，因此，通常我们依旧使用unsigned char类型的数组来存出每个像素的数值。对于Fig.3这张宽高为256×256大小的灰度图而言，由于每个像素有三个通道，我们可以用如下数组形式来存储数据：

        32位彩色图像：理解了24位彩色图像，那么，32位彩色图像就是在24位彩色图像的基础上添加了一个透明通道alpha位，我们经常看到一些有透明区域的图像，这些透明区域如何控制，就是依靠这个alpha通道来实现的。对于32位彩色图像的每个像素，我们使用RGBA四个颜色分量来表示，A就是透明度分量，同样占用1个字节8个bit，所以，一个像素共占用32个bit，4个字节。我们称32位彩色图像有4个通道，也就是RGBA四通道。对于黑色像素表示为(0,0,0,A)，白色像素表示为(255,255,255,A)，举例如图Fig.4所示。

                                                                                  Fig.4 32位彩色图像示例

        在Fig.4中，方格子区域就表示这些区域的像素透明通道是0(全透明)，我们可以看到的人物区域像素的透明通道是255(不透明)。由于每个像素的RGBA数值都在0-255之间，因此，对于Fig.4这张宽高为256×256大小的灰度图而言，由于每个像素有四个通道，我们可以用如下数组形式来存储数据：

        对于上述几种格式，是我们比较常见的，而对于初学者，本文将以32位BGRA四通道位图格式为主，来教会大家如何入门数字图像处理。其他几种格式，大家可以简单理解为通道数的差别。

        图像读写从专业角度又叫图像编解码，图像编解码是数字图像处理中的重要组成部分，甚至是一个可以单独出书的模块。由于图像格式多种多样，需要对每一种图像进行格式分析，然后单独编解码，同时还要考虑效率和质量问题，因此，也是一个难啃的骨头。对于初学者而言，想要自己实现常用图像的编解码算法，基本不太现实，常用的方法就是调用各种第三方库，比如libjpg/libpng等，或者直接使用opencv/matlab等数字图像处理库。而这些方法对于初学者而言，又是各种配置，各种依赖，苦不堪言。

        对于那些只想学下图像处理算法，并不像涉猎图像编解码，也不想花时间去使用和依赖第三方库的朋友们而言，有没有一种更好的方式，比如以简单的C语言调用来进行图像读写呢？答案是肯定的，这就是github上一份来自MIT的开源代码“stb”。

        stb的代码链接：STB图像编解码

        stb的代码中关于图像读写的部分只有两个头文件：stb_image.h和stb_image_write.h，可以实现常用图像格式如“BMP/JPG/PNG/TGA/HDR/PSD/GIF”等的编解码，而且支持从文件流和文件路径以及内存三个方式进行处理，算法进行了一定的汇编优化，最重要的是代码开源，速度快，效果好，逻辑简单！对于初学者，stb的出现真是一个不小的福音。

        为了更好的从初学者角度考虑，笔者对stb进行了二次封装，以32位bgra四通道格式基础，将stb的几种常用图像格式“BMP/JPG/PNG/TGA”编解码接口进行了合并融合，得到了如下简单的接口：

        在上述封装代码中，我们可以看到，stb的多个接口被合并为了两个接口，Trent_ImgBase_ImageLoad图像加载和Trent_ImgBase_ImageSave图像保存接口，分别使用图像路径进行操作，简单明了，更加易用。由于stb源代码中本身对于bmp和jpg格式是返回24位三通道图像数据的，为了方便初学者学习，笔者统一将其扩充为了32位bgra格式，完整的封装代码如下：

这两个接口的调用代码如下所示：

        这段测试代码中，我们使用简单的32位彩色图像灰度化效果来进行说明，对应给出测试效果图如下图5所示，简单的几行代码，快速实现了图像读写和32位彩色图像灰度化处理。

                                                                                      Fig.5 图像读写测试

        对于测试代码中，我们使用到了stride，这个概念很多初学者会产生疑惑，不知道是什么，这里给大家简单讲解一下。Stride表示图像数据在内存中的行跨度。这个行跨度并不一定是图像每一行数据的真实宽度。通常在内存中，图像的行数据是以4字节对齐的，也就是行跨度的值是4的倍数。对于32位bgra格式的图像，他的行跨度Stride=width*4，本身就是4的倍数，因此Stride与真实数据的宽度一致，不用考虑对齐问题。而对于24位rgb或bgr格式，它的每一行真实的图像数据是width*3，而这个数字并不一定是4的倍数，比如：

        一行有 11 个像素(Width = 11), 对一个 24 位(每个像素 3 字节)的图像, Stride = 11 * 3 + 3 = 36，而真实的行数据位11*3=33，这是就出现了偏差，而这个偏差值3就是扩展出来用于4字节对齐的部分。

        本文中考虑的是32位图像，大家可以忽略stride，但是，对于其他格式图像，这里我们给出一个Stride的计算公式：

        ①Stride = 每像素占用的字节数(也就是像素位数/8) * Width;

　    ②如果 Stride 不是 4 的倍数, 那么 Stride = Stride + (4 - Stride mod 4);

         这里，我们给出整个工程的代码：C语言图像读写代码

        上面内容作为本专栏的第一个章节，我们用较为简单和通俗易懂的方式，来讲解了图像像素和图像读写，可能没有专业书籍那么专业，但是，笔者的宗旨是让每一个初学者能够轻松入门！

        最后，谈一下对于初学者的一些建议：对于学习图像算法，个人觉得，还是不要使用opencv和matlab的好，为什么？无论是opencv还是matlab或者其他类似的库，都只是一种图像处理工具，他们功能强大，封装了各种图像算法，但是，你在使用它的时候，往往是简单的调用它所提供的接口，而不是去了解它的具体算法，长此以往，不利于图像算法的学习。实践出真知，这才是学好算法的王道！

        本人QQ1358009172，有什么疑问欢迎相互讨论！