数字图像处理，即数字，将图像转化为数字的形式，对图像做处理，我们平时所见到的图像，在计算机中都是一组数字，当通过相机捕获现实世界的景物时，相机会捕获现实世界的光源信号，并转化为数字信号保存到存储器上，当显示时，GPU会根据这些数字信息，并控制LRT将其绘制到屏幕上，呈现出来！
一幅图像可以定义成一个二维空间函数，即s = f(x,y)，s是二维空间，x和y是空间中的坐标，f是位于二维空间中x和y坐标处的灰度值(为什么说是灰度值？因为这里是用单字节表示，即单通道)！并且当x和y位于的s空间坐标处的f值是有限的离散数值(自然整数)时才可以称为数字图像！这里有限的大小是指固定的，为什么这么说？因为在计算机当中，是以字节作为基本单位来描述数据的，当把一幅图像转化成一组数据时，这组数据里的每个数组大小都是以一个字节作为基本单位存储到存储单元中的，上限值是一个字节的取值范围：2~8次方 = 256，并且每个数组对应着图像的各个颜色信息！
列如如下是一幅图像：
那么被转化成数字存储到计算机当中后的数据是这样的：
上面的每个值分别对应着图像的各个点，用于描述图像每个点上的颜色信息，当我们要显示这些数据时，计算机会把这组数据写入到显存里，由GPU根据显存数据将其显示到屏幕上(ps：这里补充一点，显存的存储方式是以矩阵存储的，分别对应显示器屏幕的每个点(3个值对应一个点)，向每个点上写入数据，GPU就会控制LRT向屏幕的那个点放射RGB光线！)，将这些颜色点打到屏幕的荧光粉处就会发出与图片对应的光，那么这些点聚合在一起之后就形成了一幅完整的图像！
这里说一点，如果是单通道的情况下，CPU会组合写入显存，列如上面这幅图像是单通道，CPU会将第一个元素写入到显存后另外两个值也会写入与该值一样的值，并且根据屏幕分辨率，写入对应范围的显存矩阵，具体请参考：RGB颜色空间、色调、饱和度、亮度、HSV颜色空间详解
操作系统是如何获取分辨率的？
答：显示器中自带一个小型flash(闪存，断电也能保存数据的小型存储器)，这种存储器不大，只能存储分辨率和亮度对比度等信息，操作系统从中获取信息，并根据信息和内存中的显示数据根据获取到的信息按比例经过算法写入到显存矩阵中！
那么问题来了，当我们点击显示器的调节对比度亮度的按钮时是什么芯片在根据按键情况写入到flash中？
答：显示器中使用MCU单元，当我们按下某个按键时按键对应的寄存器上的值就会发生改变，MCU会将改变后的寄存器值写入到flash中，MCU会通过串口或其他连接方式连接到CPU主板上外设总线，并根据外设总线连接到显存上，可以直接写入显存数据，GPU是根据内部总线连接到外部总线获取显存数据的，当我们每次修改时MCU会以动画的形式将改变结果呈现到屏幕中，这一步不需要操作系统也可以进行，MCU会直接写入到显存当中，所以即使没有操作系统当我们修改分辨率对比度时也能看到改变时产生的与用户交互的界面，该界面是根据操作状态实时画出来的！
人类的眼睛仅能捕获电磁波谱的可见光波(通俗易懂的说就是太阳平时放射出来的电磁波(太阳辐射)，或者是电子加速或电子与磁场交互产生的能源)，但是一些不可见的光波人类是无法捕获的，列如：无线电波，超声波，计算机可以利用天线接收器，等产品捕获无线电波或超声波并根据电波频率将其成像出来！
什么是图像处理和计算机视觉？
图像处理：是使用输入和输出图像内容的，即对输入图像的内容做处理，列如将一个RGB图像裁剪一半，就是把一幅图像的数字信息的一半给删除掉，并输出到屏幕上或输出到存储器的其它位置保存起来！
计算机视觉：对图像进行识别！
但有时有的处理又不能算是图像处理，列如计算某个图像的灰度程度，这仅仅只是取出RGB三个值，并计算平均值，这样的处理太过于简单，甚至都没有对图像数据做任何处理！
还有一个是位于图像处理和计算机视觉中间的：图像分析！
图像分析：即对一幅图像进行分析，比如：运动分析，图像质量分析，噪声分析，目标分析！
图像识别分为三个等级：
假如说我们拿到了一张图像，要求是判断这个图像中有没有一只猫！
那么首先要考虑的是这张图像是否有噪声或者图像不清晰，图像质量较差的情况，为了解决这些问题应当先对其进行模糊平滑处理降低图像噪声，在对比度增强和锐度增强，让颜色更加鲜艳，图像更加清晰，这些算是预处理即初级处理！
那么当图像变得清晰可见时，我们就进行中级处理，从预处理后的图像中将特征提取出来，这里不是识别，只是将一幅图像中的带有轮廓边缘的物体(即RGB值比较凸出的一部分)裁剪减少目标信息，过滤掉一些可能影响后续识别的信息！这里是中级处理，特征提取！
最后在根据已经提取的特征进行识别，这里就是高级处理！
在最后当你识别完成之后已经将要识别出的物体存在于图像中二维空间的位置给标出来了，就可以对其进行图像识别，从图像中找到小猫
经过图像识别找到小猫，并加以分析！
相关链接：RGB颜色空间、色调、饱和度、亮度、HSV颜色空间详解
