数字图像处理

概念

数字图像是把连续的光强分布，在空间和幅度两个维度上都离散化之后得到的一个数值矩阵。

$$f(x,y),x=0,1,\dots ,W-1,y=0,1,\dots ,H-1$$

两个离散化动作各有名字：

动作	离散哪一维	参数	代价
采样	空间	分辨率 $W\times H$	细节丢失、混叠
量化	幅度	位深 $n$（$L=2^n$ 级）	出现台阶（伪轮廓）

这一章是美术课里唯一"可以直接在计算机上做"的部分：所有操作都是矩阵运算。这也正是它标 ★ 的原因——它是"美术"与"计算机"两条线真正共用同一套语言的地方。

与数字音频对照看，结构完全相同：采样 → 量化 → 编码，只是采样的维度从"时间"变成"空间"，还原设备从 DAC 变成显示器。同一套理论，两个感官。

原理

图像的内存占用

$$\text{字节数}=W\times H\times C\times \frac{n}{8}$$

$C$ 为通道数（灰度 1、RGB 3、RGBA 4），$n$ 为位深。

这个公式是所有图像工程问题（缓存、带宽、显存、传输）的起点：图像是"大"数据，一张 4000 × 3000 的 16 位彩色图就是 72 MB（见示例 1）。

点运算：逐像素独立变换

点运算只依赖当前像素值，不依赖邻居，因此是最快的一类运算（可完全并行）。

运算	公式	作用
灰度化	$Y=0.299R+0.587G+0.114B$	三通道 → 单通道
亮度/对比度	$g=k(f-128)+128+b$	线性拉伸/平移
反相	$g=L-1-f$	负片
阈值	$g=255$ if $f\ge T$ else $0$	二值化
伽马校正	$g=(f/L{)}^{1/\gamma }\cdot L$	非线性明暗调整

灰度化系数的来历：0.299 / 0.587 / 0.114 就是色彩学里 sRGB 相对亮度权重的简化版（0.2126 / 0.7152 / 0.0722）。两组权重都反映同一生理事实——绿色最亮、蓝色最暗；BT.601 是早期电视标准，BT.709 是高清标准。用错了不会"崩"，但灰阶会偏（示例 2 会看到具体差多少）。

直方图与直方图均衡

直方图 $h(k)$ 统计灰度 $k$ 出现的像素个数；归一化后即概率分布。它不含任何空间信息——两张完全不同、直方图相同的图是存在的。

累积分布函数 CDF：

$$\text{CDF}(k)=\sum _{i=0}^{k}h(i)$$

直方图均衡把原图 CDF 拉直，映射公式（$L$ 为灰阶数）：

$$s=\text{round}((L-1)\cdot \frac{\text{CDF}(k)}{N}),N\text{ 为总像素数}$$

原理：CDF 在像素密集的灰度区间上升快、稀疏区间上升慢。乘以 $(L-1)$ 后，密集区间被"摊薄"、稀疏区间被"拉开"，于是原本挤在一起的灰度被拉伸到整个动态范围——对比度自动增强，且不需要任何参数。

代价：它是"全局"的，会放大背景噪声，且对局部过亮/过暗区域无能无力（需要局部均衡/CLAHE）。

空间滤波：卷积

卷积是空间域滤波的统一形式：

$$g(x,y)=\sum _i\sum _{j}f(x-i,y-j)w(i,j)$$

$w$ 是卷积核（模板）。实际实现时常用"滑动窗口 + 对应相乘相加"，对 3×3 核每个像素需要 9 次乘法。

核	矩阵	作用
均值	$\frac{1}{9}\left[\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right]$	平滑、去噪（也模糊边缘）
高斯	$\frac{1}{16}\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right]$	平滑（保边缘略好、无振铃）
Sobel-X	$\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$	检测竖直边缘
Sobel-Y	$\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$	检测水平边缘
Laplacian	$\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$	各向同性二阶微分，用于锐化

三条必须记住的性质：

1. 核的和决定整体亮度：和为 1 → 亮度不变（均值、高斯）；和为 0 → 平均亮度变 0（Sobel、Laplacian），因此梯度/边缘图的均值必然是 0 或近 0。
2. 边界必须处理：超出图像范围的像素要么补 0（dark padding，会在边缘造成变暗），要么复制（replicate），要么镜像。"处理的图边缘一圈发暗"通常就是补零造成的（示例 4 会量化它）。
3. 高斯核可分离：2D 高斯等于两次 1D 高斯，计算量从 9 次乘法降到 3+3 = 6 次（大核收益更明显，$k^2\to 2k$）。这是工程上最重要的优化之一。

边缘与梯度

用 Sobel 得到 $G_x$、$G_y$ 后：

$$|G|=\sqrt{G_x^2+G_y^2},\theta =\mathrm{atan}2(G_y,G_x)$$

• 幅值 $|G|$ 是"边缘强度"，用于阈值化得到边缘图；
• 方向 $\theta$ 是"灰度增长最快的方向"，即梯度方向。

关键概念辨析：梯度方向垂直于边缘走向。一条水平的边缘（上下灰度跳变），梯度竖直（$\theta =90°$）。别把两者搞反——非极大值抑制、Canny、Hough 变换全都建立在这条关系上。

图像放大与插值

放大时，目标像素对应到源图上的坐标往往落在非整数位置，需要插值：

方法	用到的源像素	特点
最近邻	1	最快、有锯齿
双线性	4	平滑、略糊
双三次	16	最平滑、有轻微振铃

双线性：对周围 4 个像素按距离加权（横竖各一次线性插值）。

颜色空间：为什么还要 YCbCr

人眼对亮度的分辨力远高于对色度的分辨力。YCbCr 把亮度 $Y$ 与色度 $Cb,Cr$ 分离后，就可以对色度降采样而几乎不被察觉：

采样格式	每像素样本数	相对 4:4:4 节省
4:4:4	3	—
4:2:2	2	33.3%
4:2:0	1.5	50%

"4:2:0 省一半数据而看不出差别"，是视频压缩能成立的第一块基石——这也正是"感知编码"思路（见数字音频的心理声学）在图像上的对应物。

频域视角

卷积定理：

$$f\ast g⟷F\cdot G$$

空间域卷积 = 频域相乘。于是：

• 均值/高斯核 → 低通滤波（截掉高频，即模糊）；
• Sobel/Laplacian → 高通滤波（保留高频，即边缘）。

核越大 → 频域带宽越窄 → 越模糊。这与数字音频里"$\mathrm{\Delta }f=f_s/N$，频率分辨与时间分辨不可兼得"是同一个数学边界：滤波器在空间（时间）上的支撑越宽，频率上的分辨越锐——反之亦然。

示例

例 1：几种常见图像的内存占用

按 $\text{字节数}=W\times H\times C\times n/8$：

图像	尺寸	通道	位深	字节数	MB	MiB
全高清 RGB	1920 × 1080	3	8	6 220 800	6.22	5.93
4K RGB	3840 × 2160	3	8	24 883 200	24.88	23.73
专业相机 RGB	4000 × 3000	3	16	72 000 000	72.00	68.66
灰度小图	512 × 512	1	8	262 144	0.26	0.25
全高清 RGBA	1920 × 1080	4	8	8 294 400	8.29	7.91

1920 × 1080 的推导：$1920\times 1080=2073600$ 像素；$\times 3$ 通道 $=6220800$ 字节，即 6.22 MB，也是 $6220800/{1024}^2=\ast \ast 5.93$ MiB**。

注意 MB 与 MiB 相差约 4.7%（1 MiB = 1.048576 MB，故 6 220 800 字节既是 6.22 MB、又只是 5.93 MiB）——"我的 8 GB 内存装不下 8 GB 的图"往往就是这两个单位混用造成的。

4K 的像素数是全高清的 4 倍（$3840\times 2160/(1920\times 1080)=4.00$），所以内存也正好是 4 倍——分辨率是二维的，边长翻倍、数据量变四倍。

例 2：灰度化的两套权重

对 RGB(200, 150, 100)：

$$Y_{\text{BT.601}}=0.299\times 200+0.587\times 150+0.114\times 100=59.8+88.05+11.4=159.25\to 159$$$$Y_{\text{BT.709}}=0.2126\times 200+0.7152\times 150+0.0722\times 100=42.52+107.28+7.22=157.02\to 157$$

同一颜色，两套标准相差 2.23 级灰度（159.25 vs 157.02）。单张图看不出，但整批处理的图混用两套标准，会出现可见的明暗断层——所以"统一系数"比"选哪套"更重要。

例 3：点运算——亮度与对比度

$$g=k(f-128)+128+b$$

取 $k=1.5$、$b=0$：

输入 $f$	计算	输出 $g$
100	$1.5\times (100-128)+128=-42+128$	86
128	$1.5\times 0+128$	128
200	$1.5\times (200-128)+128=108+128$	236

三条要点：

1. 128 是"支点"，对比度拉伸不动它——这就是为什么要以中灰为轴，而不是以 0 为轴；
2. $k>1$ 会削顶：输入 220 会得 $1.5\times 92+128=266>255$，必须截断到 255，高光细节就此永久丢失；
3. 只调 $b$ 是平移（整体变亮/变暗），只调 $k$ 是拉伸（对比度）。两者是不同的操作，不要混用同一条滑块。

例 4：直方图均衡的完整过程

用一张 4 × 4、灰度只有 4/5/6 三档的低对比图像（8 灰阶，$L=8$，$N=16$）：

| 第 1 行 | 4 | 4 | 4 | 5 | | 第 2 行 | 4 | 5 | 5 | 5 | | 第 3 行 | 5 | 5 | 5 | 6 | | 第 4 行 | 5 | 6 | 6 | 6 |

第 1 步：统计直方图（灰度 0–7）

$k$	0	1	2	3	4	5	6	7
$h(k)$	0	0	0	0	4	8	4	0

第 2 步：累积 CDF

$k$	4	5	6	7
CDF	4	12	16	16

第 3 步：映射 $s=\text{round}(7\times \text{CDF}/16)$

$k$	计算	$s$
4	$7\times 4/16=1.75$	2
5	$7\times 12/16=5.25$	5
6	$7\times 16/16=7.00$	7

第 4 步：输出直方图

$k^{\prime }$	2	5	7
计数	4	8	4

结果：原图灰度跨度只有 $6-4=\ast \ast 2$，均衡后变为 $7-2=\ast \ast 5$ —— 动态范围扩大了 2.5 倍，且完全自动、无参数。

但也要看清代价：原图 4 与 5 之间的细微差别被拉成了 2 与 5 之间的巨大差别，噪声同步被放大。直方图均衡是"用噪声换对比度"的交易——这正是它在低照度照片上"越处理越花"的原因。

例 5：3 × 3 均值滤波与边界的问题

源图（5 × 5，中心为峰值）：

行 \ 列	1	2	3	4	5
1	10	10	10	10	10
2	10	20	20	20	10
3	10	20	30	20	10
4	10	20	20	20	10
5	10	10	10	10	10

按 3 × 3 均值核（除以 9）、边界补零处理：

5.5556	8.8889	10.0000	8.8889	5.5556
8.8889	15.5556	17.7778	15.5556	8.8889
10.0000	17.7778	21.1111	17.7778	10.0000
8.8889	15.5556	17.7778	15.5556	8.8889
5.5556	8.8889	10.0000	8.8889	5.5556

中心点的推导：邻域和 $20+20+20+20+30+20+20+20+20$，即 3×3 全窗口和 $=\ast \ast 190$**，除以 9 得 21.1111。

读这张表能读出三件事：

1. 峰值从 30 降到 21.11——平滑必然"削峰"；
2. 四个角从 10 降到 5.5556（降了 44.4%）——这就是补零的代价：边界外的"0"被算成了真实像素。改边界策略（复制/镜像）即可消除这个暗边；
3. 输出只有 21.1111、17.7778、15.5556、10.0、8.8889、5.5556 六个不同值，且关于中心完全对称——因为源图与核都对称，卷积结果必然对称。这是检验实现是否正确的一条捷径。

例 6：Sobel 边缘检测

检测竖直方向的边缘用 Sobel-Y（上下灰度跳变处响应最强）。取中心的 $(1,2)$ 与 $(2,3)$ 两处：

位置	3 × 3 邻域	$G_x$	$G_y$	$|G|$	方向 $\theta$
(1,2)	10 10 10 / 20 20 20 / 20 30 20	0	60	60.0000	90.00°
(2,2)	20 20 20 / 20 30 20 / 20 20 20	0	0	0.0000	—
(2,3)	20 20 20 / 20 30 20 / 10 10 10	−60	0	60.0000	180.00°

$(1,2)$ 的 $G_y$ 计算（窗口为第 0–2 行、第 1–3 列）：

$$G_y=(-1)(10)+(-2)(10)+(-1)(10)\times \frac{}{}{|}_{\text{第 0 行}}=-40$$$$\text{第 2 行贡献}=(1)(20)+(2)(30)+(1)(20)=20+60+20=80$$$$G_y=-40+80=60$$

三个结论：

1. 正中心 $(2,2)$ 的梯度为 0——它是完全对称的局部峰，"最亮的地方不是边缘"；
2. $(1,2)$ 的 $\theta =90°$（梯度竖直），但边缘是水平的 —— 再次确认：梯度方向 ⊥ 边缘走向；
3. $(2,3)$ 的 $G_x=-60$，符号与 $(1,2)$ 相反，说明这两处是同一条边缘的两侧——梯度的符号编码了"往哪边变亮"，这一点在哈夫变换的直线方向判定上至关重要。

例 7：Laplacian 锐化

Laplacian 是二阶微分，用于增强高频（细节与边缘）：

$${\mathrm{\nabla }}^{2}f(2,2)=20+20+20+20-4\times 30=80-120=-40$$

用 $g=f-{\mathrm{\nabla }}^{2}f$ 锐化：

$$g(2,2)=30-(-40)=70$$

峰值从 30 提高到 70，而平坦区域（如四边的 10）Laplacian 为 0，保持不变。

这就是锐化的本质：只抬高变化大的地方，不动平坦的地方。反过来也说明了它的副作用——噪声也是"变化大的地方"，所以锐化必然同时放大噪声（"先降噪后锐化"的顺序由此而来）。

例 8：中值滤波 vs 均值滤波（去椒盐噪声）

取一个含两个极值噪声的 3 × 3 邻域：

行 \ 列	1	2	3
1	0	0	10
2	12	200	12
3	11	10	255

排序：0, 0, 10, 10, 11, 12, 12, 200, 255

方法	结果	评价
中值滤波	11	噪声被完全剔除
均值滤波	${\displaystyle \frac{510}{9}}=\ast \ast 56.67$**	被 200 与 255 严重带偏

中值滤波为什么有效：极值噪声在排序后必然落在两端，中位数取的是中间位置，与两端值无关——只要噪声点不超过窗口的一半，就被彻底忽略。而均值是线性运算，一个 255 的噪声点会把均值拉高 $255/9=\ast \ast 28.33$ 级**。

代价：中值滤波对细节与小尺寸目标破坏更大（细线可能被整条抹掉），且计算量大（需排序）。"椒盐噪声用中值、高斯噪声用均值/高斯"是标准搭配。

例 9：双线性插值

源图 2 × 2：

行 \ 列	1	2
1	10	20
2	30	40

目标点落在源坐标 $(0.5,0.5)$（正好在四像素中心）：

$$g=\frac{10+20+30+40}{4}=25.0000$$

落在 $(0.25,0.5)$ 时，横向权重为 $0.75$ 与 $0.25$、纵向为 $0.5$ 与 $0.5$：

$$g=0.5\times (0.75\times 10+0.25\times 20)+0.5\times (0.75\times 30+0.25\times 40)$$$$=0.5\times 12.5+0.5\times 32.5=6.25+16.25=22.5000$$

结果必然落在四个源值的最小与最大之间（10–40）——这是双线性插值的"保序/不越界"性质，也是它不会产生振铃的原因；双三次插值没有这条性质，会在尖锐边缘处产生轻微过冲（看起来更锐，也可能更假）。

核的支撑点数：最近邻 1 个、双线性 4 个、双三次 16 个——质量与计算量同步增长，这是工程上永恒的取舍。

例 10：RGB → YCbCr 与色度降采样

$$Y=0.299R+0.587G+0.114B,Cb=128-0.168736R-0.331264G+0.5B$$$$Cr=128+0.5R-0.418688G-0.081312B$$

RGB	$Y$	$Cb$	$Cr$	8 位 (Y, Cb, Cr)
(255, 0, 0) 红	76.24	84.97	255.50	(76, 85, 255)
(0, 255, 0) 绿	149.69	43.53	21.23	(150, 44, 21)
(0, 0, 255) 蓝	29.07	255.50	107.27	(29, 255, 107)

三个原色的 $Y$ 值：红 76.24、绿 149.69、蓝 29.07——与色彩学里相对亮度 0.2126 / 0.7152 / 0.0722 的排序完全一致（绿最亮、蓝最暗），数值不同只因为量程与伽马处理不同。生理规律在这里换了一套系数又重新出现。

注意 $Cb$、$Cr$ 需要加 128 偏移并截断到 [0, 255]：红的 $Cr=255.50$ 超界，必须钳位到 255——"未钳位"是自写图像代码最常见的 bug，表现为大块纯色区域出现溢出花纹。

4:2:0 采样：每像素样本数从 3 降到 1.5，数据量减少 50%，而由于人眼对色度不敏感，主观质量几乎不变。这是 JPEG、H.264、H.265 共同采用的默认格式。

例 11：伽马与 8 × 8 DCT 的量化

伽马：线性亮度 0.5 编码为 sRGB 得 $1.055\times {0.5}^{1/2.4}-0.055=\ast \ast 0.7354$ → 8 位 188（与色彩学、数字音频同一结论）。所以图像处理中的"中间灰"是 188 而不是 128；做混合、羽化、渐变时若忘了伽马，结果会整体偏暗。

JPEG 的 8 × 8 DCT：把图像分成 8 × 8 块（共 64 个系数），做离散余弦变换。对一块全为 128 的图像：

• DC 系数 $=\frac{1}{8}\times \sum \sum f(x,y)=\frac{1}{8}\times 64\times 128=\ast \ast 1024$**
• 其余 63 个 AC 系数全为 0（块内没有任何变化）

亮度量化表的 $Q_{00}=16$，则

$$\text{量化：}1024/16=64\Rightarrow \text{反量化：}64\times 16=1024\Rightarrow \text{还原全 128}$$

完全无损——因为 1024 恰好是 16 的整数倍。

这个例子说明了 JPEG 的两个本质：

1. 平坦区域几乎不占数据量（63/64 的系数为 0，游程编码后几乎免费）；
2. 量化是有损的，但"损失多少"取决于是否落在量化格的整数倍上——所以 JPEG 的损失是按块、按频率选择性发生的：低频（DC 与低阶 AC）保得多，高频（细节与噪声）丢得多。

这正是"高压缩比下细节先糊、平坦区仍干净"的原因，也是它与音频里"同时掩蔽/临界频带"异曲同工的感知编码思想。

例 12：4K 视频的带宽

12 位 RAW、3840 × 2160、3 通道、60 fps：

$$\text{每帧比特}=3840\times 2160\times 3\times 12=298598400\text{bit}$$$$\text{每帧字节}=298598400/8=37324800\text{B}=37.32\text{MB}$$$$\text{码率}=298598400\times 60=1.7915904\times {10}^{10}\text{bps}=17.92\text{Gbps}=2.24\text{GB/s}$$

这意味着 1 分钟 134.4 GB、1 小时 8.06 TB——任何"拍 RAW 视频"的方案，瓶颈都不在传感器而在存储带宽。

对比：JPEG 把 4000 × 3000 × 3（36 MB）压到约 4 MB，压缩比 9:1。从 36 MB 到 4 MB 的 9 倍，和色度降采样的 2 倍、DCT 量化的高频丢弃，是同一套"用感知换数据"的组合拳。

要点

要点与常见误区

1. 两个离散化动作要分开说：采样离散空间（产生混叠，靠抗混叠滤波解决）、量化离散幅度（产生伪轮廓，靠抖动/提高位深解决）。混为一谈会导致归因错误。
2. 内存 $=W\times H\times C\times n/8$：4K RGB 8 位 = 24.88 MB；分辨率是二维的，边长翻倍、数据量变四倍。MB 与 MiB 相差约 4.7%，别混用。
3. 灰度系数有两套：BT.601 的 0.299/0.587/0.114 与 BT.709 的 0.2126/0.7152/0.0722，同一颜色差 2.23 级灰度（159.25 vs 157.02）。整批处理必须统一，否则出现明暗断层。
4. 对比度拉伸的支点是 128（中灰），不是 0；$k>1$ 必然削顶（输入 220 × 1.5 = 266 → 截断 255），高光细节永久丢失。
5. 核的和决定亮度：和为 1 → 亮度不变（均值/高斯）；和为 0 → 平均亮度归零（Sobel/Laplacian），所以梯度图的均值必然是 0 或近 0。
6. 边界补零会造成边缘变暗：示例中四角由 10 降到 5.5556（−44.4%）。看到"处理完边缘一圈发暗"，先查边界策略。
7. 高斯核可分离：$k^2\to 2k$，3 × 3 的乘法从 9 次降到 6 次。这是空间滤波最重要的工程优化。
8. 梯度方向 ⊥ 边缘走向：水平边缘 → 梯度竖直（$\theta =90°$）。搞反这一条，非极大值抑制与直线检测全错。
9. 梯度符号编码"往哪边变亮"：同一水平的边缘两侧 $G_x$ 分别为 0 与 −60，符号相反。
10. "最亮的地方不是边缘"：对称峰中心（例 6 的 $(2,2)$）梯度为 0.0000；边缘检测找的是变化，不是亮度。
11. 直方图均衡是"用噪声换对比度"：示例中灰度跨度由 2 扩到 5（2.5 倍），完全自动无参数，但噪声同步放大——低照度照片越处理越花的原因就在这里。
12. 去椒盐噪声用中值，不用均值：同一邻域，中值 11、均值 56.67（被 200 与 255 带偏）。中值对极值免疫，均值不免疫。
13. 插值核支撑点数 1 / 4 / 16（最近邻 / 双线性 / 双三次）；双线性结果必落在四源值区间内（不越界、不振铃），双三次会过冲。
14. YCbCr 的 Cb、Cr 需加 128 偏移并钳位到 [0,255]：红的 $Cr=255.50$ 已超界。未钳位是自写图像代码最常见的 bug。
15. 4:2:0 色度降采样省 50% 数据而几乎看不出差别——这是"用感知换数据"的第一块基石。
16. 图像的"中间灰"是 188 而不是 128（伽马）。混合、羽化、渐变若忽略伽马会整体偏暗。
17. JPEG 的损失是选择性的：8 × 8 块中平坦区域 63/64 个系数为 0；低频保得多、高频丢得多，所以高压缩下"细节先糊、平坦区仍干净"。

小结

• 数字图像 = 二维数值矩阵；两个离散化动作：采样（空间，产生混叠）+ 量化（幅度，产生伪轮廓）。与数字音频的"采样—量化—编码"三步完全同构。
• 内存 $=W\times H\times C\times n/8$：全高清 RGB = 6.22 MB / 5.93 MiB，4K RGB = 24.88 MB，4000 × 3000 × 16 位 = 72 MB；分辨率是二维的。
• 点运算：灰度化（BT.601 与 BT.709 差 2.23 级）、对比度 $g=k(f-128)+128+b$（支点 128，$k>1$ 削顶）、伽马（线性 0.5 → 188）。
• 直方图均衡：$s=\text{round}((L-1)\cdot \text{CDF}/N)$；示例中跨度由 2 扩到 5，代价是噪声同步放大。
• 卷积：均值为 1 保亮度、Sobel/Laplacian 和为 0 归零；边界补零导致边缘变暗（−44.4%）；高斯可分离（$k^2\to 2k$）。
• 边缘：$|G|=\sqrt{G_x^2+G_y^2}$、$\theta =\mathrm{atan}2(G_y,G_x)$；梯度 ⊥ 边缘（水平边缘 → $\theta =90°$）；对称峰中心梯度为 0；梯度符号表示变亮方向。
• 锐化：Laplacian ${\mathrm{\nabla }}^2=-40$，$g=f-{\mathrm{\nabla }}^2$ 使峰值 30 → 70，平坦区不变——锐化必然放大噪声。
• 去噪：椒盐用中值（11）、高斯用均值/高斯（均值 56.67 被极值带偏）。
• 插值：核支撑点 1 / 4 / 16；双线性权重示例 → 25.0000 / 22.5000。
• 颜色空间：$Y=0.299R+0.587G+0.114B$（绿最亮 149.69、蓝最暗 29.07）；4:2:0 省 50%；Cb/Cr 必须加 128 并钳位。
• 压缩：8 × 8 DCT 的 DC = 1024，量化表 $Q_{00}=16$ → 64 → 1024，完全无损；平坦块 63/64 系数为 0。
• 带宽：4K60 12 位 RAW = 17.92 Gbps = 2.24 GB/s，1 小时 8.06 TB；JPEG 36 MB → 4 MB（9:1）。

---

👉 这条线在主线上的落点（本章标 ★ 的原因）：图像处理的每一步，在主线里都有对应的正式章节——

• 图像就是二维数组：像素矩阵的遍历、滑窗、按行列访问，正是 数据结构 里"数组与矩阵"的直接应用；卷积的滑动窗口在实现上就是用空间局部性换效率（见 计算机组成原理 的 Cache 一章）。
• 卷积、插值、DCT、卷积定理：属于 数学（矩阵运算、离散卷积）与 分支 · 电子与通信（信号与系统、数字信号处理）的正式内容；本章只用了结论，推导在那里展开。图像滤波与音频滤波是同一套数学，只是一个在空间域、一个在时域。
• 定点整数、位深、截断与钳位：$k>1$ 削顶、$Cr=255.50$ 超界，本质都是 计算机组成原理 里"用有限位表示有限范围，必然要在范围与精度之间取舍"的问题——与浮点数的舍入误差是同一类错误。
• 像素级并行与 SIMD：点运算与卷积是天然可向量化的负载，这正是 计算机组成原理 里流水线与阵列处理器的用武之地。
• 压缩与带宽：4K60 RAW 的 17.92 Gbps 远超网络与存储能力，计算机网络 的"带宽是稀缺资源"在这里有最直白的体现——JPEG 的 9:1、色度降采样的 2:1，都是在为带宽买单。
• 图像文件与内存映射：一张 72 MB 的图如何被读入、缓存、写回，是 操作系统 的文件与内存管理问题；而**"图像即数组"这一认知本身，就来自 程序语言 里"数据在内存中如何排布"。**

一句话收束整门美术课：素描给出观察方法（形体与明暗），色彩给出感知规律（亮度、对比与冷暖），透视给出空间规则（投影与灭点），中外美术史提供上下文（每个风格为何出现），设计基础回答组织问题（形式法则与网格），书法与摄影是两种极端的手上功夫（一个压缩到笔画，一个放大到光），而数字图像处理交代载体——一笔颜色最终如何变成可计算的数字。

---

美术九章到此读完。回到学科首页：美术　|　继续通识第三档：哲学