【前言】
顏色是我們認識世界的主要管道，那麼在圖像辨識中，電腦又如何分辨這個差異呢？我們在學習過程中，又需要先理解那些色彩概念呢？
【預計內容】
- 亮點與像素數值
- 色彩格式
【主要內容】
1. 亮點與像素數值
在圖像處理中，數字 0 到 255 代表了單頻道的亮度，其中 0 最暗而 255 最亮。以我們最常見的 RGB 色彩為例，若像素為（0, 0, 0）則會顯示為黑點。
但是，假設我們擁有一張 720 x 1080 的相片，是不是代表需要將 777,600 個陣列排列成 2D 陣列儲存像素色彩？答案是否定的，在前面我們提到了頻道一詞，多數的色彩格式都是透過 3 層 2D 陣列重新排列，也正是分層的性質，讓電腦能輕鬆轉換色彩格式，甚至能額外疊加透明度（alpha）頻道。
2. 色彩格式
那除了我們生活中常用的 RGB，其實還有許多的顏色格式，以下就簡單介紹給各位
2.1 色彩分類 — RGB 與 BGR
RGB 與 BGR 兩個格式不同點主要在於「紅」與「藍] 的顏色互換，其中 RGB 色系溫暖而 BGR 色系陰冷。但有趣的是，由於早期的相機 / 影片甚至 Windows 都採用 BGR 色調，在影像處理的重要套件 opencv 開發時期選用相同格式，造就後來圖像處理中 BGR 反而是主流喔～～
2.2 飽和度與亮度 — HLS 與 HSV
上面提到的 H 都代表色調（hue）而 S 為飽和度（Saturation），看似不同的 L 代表亮度（Lightness）而 V 代表明度（Value）。看似相同的樣貌，但由於色彩模型的設定而有完全不同的結果。
2.3 色彩空間 — LAB
全名為 CIE L*a*b*，是由國際照明委員會提出，針對描述所有人眼可見顏色之最完整模型。其中 L* 也代表亮度，而 a* 則是綠與紅，b* 為黃與藍。但特殊的點是，該模型只能在 3D 的情況下才能完全表現。
2.4 灰階圖像 — Grayscale
講了那麼多種色彩格式，但歷史最早出現的灰階圖像怎麼能錯過呢！首先，灰階是我們這期中唯一單頻道的格式，提出過的算法有許多種，但最具信任的當然也不是最簡單的各 1/3 占比啦～基本上算法變化就是針對人眼所做的調整，比如後續會使用的 opencv 其算法 [2] 為 Y = 0.299 x R + 0.587 x G + 0.114 x B。
【後話】
在這篇文章中，我們講述了色彩的呈現方式與不同之處，那在未來，針對不同情境都可能要依靠不同的色彩去做分析，因此對於分類需要有一定的印象。
那我們就下期再會啦～
【參考資料】
[1] N’guessan, Sylvia & Ling, Nam. (2018). Saturation-aware human attention region of interest algorithm for efficient video compression. Multimedia Tools and Applications. 77. 10.1007/s11042-018-6108-0.
[2] Color Conversion, OpenCV Documentation v4.9.0. https://docs.opencv.org/3.4/de/d25/imgproc_color_conversions.html