如何將相機成像數據轉換為點陣圖

『壹』 怎樣把二進制數據轉換成點陣圖顯示

『貳』 怎樣將相機raw照片轉換格式

1、打開電腦中的PS，進入後在主界面點擊上方的文件的選項。

『叄』 我們能不能把數碼相機拍出來的照片轉換成矢量圖

不可以
目前圖片世界裡，點陣圖和矢量圖是最大的兩個分類，它們的原森搭頃理完全不一枝段樣。
如果你強行轉換的話我想也起不到什麼作用——
用PS里的魔棒點出來，轉成路此陸徑，然後用AI編輯路徑。

『肆』 影像處理器將什麼圖片處理為什麼圖片

做為拍照手機的核心模塊之一，camera sensor 效果的調整，涉及到眾多的參數，如果對基本的光學原理及 sensor 軟/硬體對圖像輪困答處理的原理能有深入的理解和把握的話，對我們的工作將會起到事半功倍的效果。否則，缺乏了理論的指導，只能是憑感覺和經驗去碰，往往無法准確的把握問題的關鍵，不能掌握 sensor 調試的核心技術，無法根本的解決問題。

1.1 色彩感應及校正

1.1.1 原理

人眼對色彩的識別，是基於人眼對光譜存在三種不同的感應單元，不同的感應單元對不同波段的光有不同的響應曲線的原理，通過大腦的合成得到色彩的感知。 一般來說，我們可以通俗的用 RGB三基色的概念來理解顏色的分解和合成。

理論上，如果人眼和 sensor 對光譜的色光的響應，在光譜上的體現如下的話，基本上對三色光的響應，相互之間不會發生影響，沒有所謂的交叉效應。

但是，實際情況並沒有如此理想，下圖表示了人眼的三色感應系統對光譜的響應情況。可見 RGB的響應並不是完全尺悄獨立的。

下圖則表示了 Kodak 某相機光譜的響應。可見其與人眼的響應曲線有較大的區別。

1.1.2 對 sensor的色彩感應的校正

既然我們已經看到 sensor 對光譜的響應，在 RGB各分量上與人眼對光譜的響應通常是有偏差的，當然就需要對其進行校正。不光是在交叉效應上，同樣對色彩各分量的響應強度也需要校正。通常的做法是通過一個色彩校正矩陣對顏色進行一次校正。

該色彩校正的運算通常由 ISP 完成，軟體通過修改相關寄存器得到正確的校正結果。值得注意的一點是，由於 RGB -> YUV的轉換也是通過一個 3*3 的變換矩陣來實現的，所以有時候這兩個矩陣在 ISP 處理的過程中會合並在一起， 通過一次矩陣運算操作完成色彩的校正和顏色空間的轉換。

1.2 顏色空間

1.2.1 分類

實際上顏色的描述是非常復雜的，比如 RGB三基色加光系統就不能涵蓋所有可能的顏色，出於各種色彩表達，以及色彩變換和軟硬體應用的需求，存在各種各樣的顏色模型及色彩空間的表達方式。這些顏色模型，根據不同的劃分標准，可以按不同的原則劃分為不同的類別。

對於 sensor 來說，我們經常接觸到的色彩空間的概念，主要是 RGB , YUV這兩種（實際上， 這兩種體系包含了許多種不同的顏色表達方式和模型， 如 sRGB, Adobe RGB, YUV422, YUV420 …） , RGB如前所述就是按三基色加光系統的原理來描述顏色， 而YUV則是按照 亮度，色差的原理來描述顏色。

1.2.1.1 RGB <-> YUV的轉換

不比其它顏色空間的轉換有一個標準的轉換公式，因為 YUV在很大程度上是與硬體相

關的，所以 RGB與 YUV的轉換公式通常會多個版本，略有不同。

常見的公式如下

PAL 制：

Y=0.299R+0.587G+0.114B

U=0.493(B－Y) = －0.15R－0.29G+0.44B

V=0.877(R－Y) = 0.62R－0.52G－0.10B

此外，還有，NTSC制：

但是這樣獲得的 YUV值存在著負值以及取值范圍上下限之差臘慧不為 255 等等問題，不利於計算機處理，所以根據不同的理解和需求，通常在軟體處理中會用到各種不同的變形的公式 ：

體現在 Sensor 上，我們也會發現有些 Sensor 可以設置 YUV 的輸出取值范圍。原因就在於此。 從公式中，我們關鍵要理解的一點是，UV 信號實際上就是藍色差信號和紅色差信號，進而言之，實際上一定程度上間接的代表了藍色和紅色的強度，理解這一點對於我們理解各種顏色變換處理的過程會有很大的幫助。

1.3 白平衡

1.3.1 色溫

色溫的定義：將黑體從絕對零度開始加溫，溫度每升高一度稱為 1 開氏度(用字母 K來表示)，當溫度升高到一定程度時候，黑體便輻射出可見光，其光譜成份以及給人的感覺也會著溫度的不斷升高發生相應的變化。於是，就把黑體輻射一定色光的溫度定為發射相同色光光源的色溫。

隨著色溫的升高，光源的顏色由暖色向冷色過渡，光源中的能量分布也由紅光端向藍光端偏移。

值得注意的是，實際光源的光譜分布各不相同，而色溫只是代表了能量的偏重程度，並不反映具體的光譜分布，所以即使相同色溫的光源，也可能引起不同的色彩反應。 人眼及大腦對色溫有一定的生理和心理的自適應性， 所以看到的顏色受色溫偏移的影響較小，而 camera的 sersor 沒有這種能力，所以拍出來的照片不經過白平衡處理的話，和人眼看到的顏色會有較大的偏差（雖然人眼看到的和白光下真實的色彩也有偏差）。

太陽光色溫隨天氣和時間變化的原因，與不同頻率光的折射率有關：

波長長的光線，折射率小，透射能力強，波長短的光線，折射率大，容易被散射，折射率低，這也就是為什麼交通燈用紅色，防霧燈通常是黃色，天空為什麼是藍色的等等現象的原因。

知道了這一點，太陽光色溫變化的規律和原因也就可以理解和分析了，留給大家自己思考。

1.3.2 色溫變化時的色彩校正

所以從理論上可以看出，隨著色溫的升高，要對色溫進行較正，否則，物體在這樣的光線條件下所表現出來的顏色就會偏離其正常的顏色，因此需要降低 sensor 對紅色的增益，增加 sersor 對藍光的增益。 同時在調整參數時一定程度上要考慮到整體亮度的要保持大致的不變，即以 YUV 來衡量時，Y 值要基本保持不變，理論上認為可以參考 RGB->YUV 變換公式中，RGB三分量對 Y值的貢獻，從而確定 RGAIN 和 BGAIN 的變化的比例關系。但實際情況比這還要復雜一些，要考慮到不同 sensor 對 R,B的感光的交叉影響和非線性，所以最佳值可能和理論值會有一些偏差。

1.3.3 自動白平衡原理

1.3.3.1 原理

自動白平衡是基於假設場景的色彩的平均值落在一個特定的范圍內， 如果測量得到結果偏離該范圍，則調整對應參數，校正直到其均值落入指定范圍。該處理過程可能基於 YUV空間，也可能基於 RGB空間來進行。對於 Sensor 來說，通常的處理方式是通過校正 R/B增益，使得 UV值落在一個指定的范圍內。從而實現自動白平衡。

1.3.3.2 特殊情況的處理

在自動白平衡中，容易遇到的問題是，如果拍攝的場景，排除光線色溫的影響，其本身顏色就是偏離平均顏色值的，比如大面積的偏向某種顏色的圖案如：草地，紅旗，藍天等等，這時候，強制白平衡將其平均顏色調整到灰色附近，圖像顏色就會嚴重失真。

因此，通常的做法是：在處理自動白平衡時，除了做為目標結果的預期顏色范圍外，另外再設置一對源圖像的顏色范圍闕值，如果未經處理的圖像其顏色均值超出了該闕值的話，根本就不對其做自動白平衡處理。由此保證了上述特殊情況的正確處理。

可見，這兩對闕值的確定對於自動白平衡的效果起著關鍵性的作用。

1.3.4 某代碼的例子

可以看到隨著色溫的升高，其變化規律基本符合上節中的理論分析。不過這里多數參數與理論值都有一些偏差，其中日光燈的色溫參數設置與理論值有較大的偏差，實際效果也證明該日光燈的參數設置使得在家用日光燈環境下拍攝得到的照片顏色偏藍。 修改其參數後實拍效果明顯改善。（再查一些資料可以看到通常會有兩種熒光燈色溫 4000 和 5000K，目前我所接觸到的應該是 5000K居多）。

1.3.5 調試和驗證

具體參數的調整，應該在燈箱環境下，使用各種已知色溫的標准光源對標准色卡拍攝，在 Pc 機上由取色工具測量得到其與標准色板的 RGB分量上的色彩偏差，相應的調整各分量增益的比例關系。為了更精確的得到結果，曝光量增益的設置在此之前應該相對准確的校正過。

1.4 顏色相關特效處理

1.4.1 grayscale （灰階）

灰階圖的效果就是將彩色圖片轉換為黑白圖片。

1.4.1.1 理論

理論上，在 YUV空間，將 UV分量丟棄，只保留 Y分量，這樣就可以得到黑白圖像，這也是彩色電式機信號能兼容黑白電視機的原理。如下圖理論上 Y 值一樣的顏色（右邊是用 acdsee 轉成灰度圖的效果），在 grayscale 模式下看應該是一樣的顏色。

演算法上的操作，理論上應該把 UV值改成灰色對應數值就可以了。不過根據軟體演算法和硬體結構的不同，具體代碼也會有不同。

1.4.2 sepia / sepiagreen / sepiablue

某平台手機上所謂的復古（綠，藍）就是在灰階的基礎上，對 UV值做了一個 offset，將灰度圖轉換成某種顏色的梯度圖。理論上為了獲得藍色效果，應該增加藍色差信號，減小紅色差信號。即增大 U，減小 V。

以 sepiablue 效果為例，這里的位元組的 MSB表示符號位：所以 88 為 88，158 為-30。

SET_HUE_U_GAIN(0);

SET_HUE_V_GAIN(0);

SET_HUE_U_OFFSET(88);

SET_HUE_V_OFFSET(158);

1.4.3 negative

所謂負片效果，就是將圖像的顏色反轉，看起來就像是在看膠片底片時的效果。這從理論上也很容易理解和處理，就是在 RGB空間，取其補色，具體的操作就是用 255 分別減去RGB得到新的 RGB值。通常會在 ISP 中實現該功能。

理解了原理，要做出其它顏色變換方面的效果就很容易了。 基本上，在顏色校正和處理方面，需要考慮的相關參數大致包括：

自動 WB 上下限，自動白平衡時的目標范圍，RGB gain, UV gain, UV offset, color correction.有些還會有saturation 和 hue 相關的設置。

從 sensor 或 ISP 硬體處理的流程上說， 通常方向是先做 RGB gain， 再做 color correction,最後做 YUV空間的處理。所以調整效果的時候，為了減少參數之間的相互影響，基本上也可以按這個順序來調整參數。

1.5 亮度感應及曝光

1.5.1 感光寬容度

從最明亮到最黑暗，假設人眼能夠看到一定的范圍，那麼膠片（或 CCD 等電子感光器件）所能表現的遠比人眼看到的范圍小的多，而這個有限的范圍就是感光寬容度。

人眼的感光寬容度比膠片要高很多，而膠片的感光寬容度要比數碼相機的 ccd 高出很多！了解這個概念之後，我們就不難了解，為什麼在逆光的條件下，人眼能看清背光的建築物以及耀眼的天空雲彩。而一旦拍攝出來，要麼就是雲彩顏色絢爛而建築物變成了黑糊糊的剪影，要麼就是建築物色彩細節清楚而原本美麗的雲彩卻成了白色的一片。

再看人眼的結構，有瞳孔可以控制通光量，有桿狀感光細胞和椎狀感光細胞以適應不同的光強，可見即使人眼有著很高的感光寬容度，依然有亮度調節系統，以適應光強變化。

那麼對於 camera sensor 來說，正確的曝光就更為重要了！

1.5.2 自動曝光和18%灰

對於 sensor 來說，又是如何來判斷曝光是否正確呢？很標準的做法就是在 YUV空間計算當前圖像的 Y值的均值。調節各種曝光參數設定（自動或手動），使得該均值落在一個目標值附近的時候，就認為得到了正確的曝光。

那麼如何確定這個 Y的均值，以及如何調整參數使得sensor 能夠將當前圖像的亮度調整到這個范圍呢？

這就涉及到一個概念 18%灰，一般認為室內室外的景物，在通常的情況下，其平均的反光系數大約為 18%，而色彩均值，如前所述，可以認為是一種中灰的色調。這樣，可以通過對反光率為 18%的灰板拍攝，調整曝光參數，使其顏色接近為中等亮度的灰色（Y 值為 128）。然後，對於通常的景物，就能自動的得到正確的曝光了。

當然這種自動判斷曝光參數的 AE 功能不是萬能的，對於反光率偏離通常均值的場景，比如雪景，夜景等，用這種方法就無法得到正確的曝光量了。所以在 sensor 的軟體處理模塊中，通常還會提供曝光級別的設定功能，強制改變自動曝光的判斷標准。比如改變預期的亮度均值等。

1.5.3 曝光級別設定

在多數數碼相機和拍照手機上都可以看到曝光級別設定的功能，如前所述，這種設定實際上是在自動曝光的基礎上給用戶提供一定的曝光控制能力，強制改變 camera sensor 的曝光判斷標准，獲得用戶想要的效果。

通常的做法就是改變 Y值均值的預期值，使得 sensor 在自動曝光時以新的 Y預期值為目標，自動調整 Exptime 和 AG。

1.5.4 gamma 校正

曝光的均值正確了，不代表整體圖像的亮度分布就和人眼所看到的保持一致了。

事實上，人眼對亮度的響應並不是一個線性的比例關系，而各種涉及到光電轉換的設備的輸入輸出特性曲線一般也是非線性的，且表現為冪函數的形式：y＝xn , 所以整個圖系統的傳遞函數是一個冪函數：g＝ g1×g2×…×gn 。

對於 sensor 來說，其響應倒是接近為線性關系，所以為了在各種設備上正確輸出符合人眼對亮度的響應的圖像，就需要進行校正。

冪函數的指數的倒數就是通常所說的 gamma 值。

校正的函數可以表示為 ，通常對於 Window 的輸出顯示系統，gamma 值為 2.2，而對於蘋果的輸出顯示系統和列印系統來說，gamma 值為 1.8。

實際上，sensor 在做 gamma 校正的時候，通常也一並作了從raw 格式的 10bit 的數據到8bit 數據的轉換，所以這時候的公式可以表示為 。

由於指數運算需要消耗大量的 CPU時間，所以實際的做法，往往是將 gamma 曲線用比如 12 段線段進行擬合。這樣只需要保存 13 個點的數據，用線性變換或查表的方式進行gamma 校正。我司多數平台的 gamma 校正就是採用了後者的方法。要調整 gamma 校正實際上也就是調整這 13 個點的數值。

原則上，在拍攝如下圖灰階的色板時，能分辨出的級數越多越好。

1.5.5 對比度

對比度的調整在一定程度上說，其實也就是對 gamma 曲線的調整，增大對比度就是提高 Gamma 值。對於圖像處理來說，也有在硬體 gamma 校正後，單獨由軟體再進行一次類似的冪函數變換來調整對比度。 、

1.5.6 曝光參數的調整

曝光強度的調整，可以通過改變曝光時間，也可以通過改變亮度增益 AG 來實現。

曝光時間受到幀頻的限制，比如攝像時要求 15 幀每秒的話，這時候曝光時間最長就不能超過 1/15s，可能還有別的條件限制，實際的曝光時間還要短，在光線弱的情況下，單獨調整曝光時間就無法滿足幀頻的需要了。

這時候還可以調整增益 AG，來控制曝光的增益，降低曝光時間。但是，這樣做的缺點是以犧牲圖像質量為代價的，AG 的增強，伴隨的必然是信噪比的降低，圖像雜訊的增強。

所以，以圖像質量為優先考慮的時候，曝光參數的調節通常是優先考慮調節曝光時間，其次在考慮曝光增益。當然曝光時間也不能過長以免由於抖動造成圖像的模糊，而在拍攝運動場景時，對曝光時間的要求就更高了。

1.6 抗噪處理

AG 的增大，不可避免的帶來噪點的增多，此外，如果光線較暗，曝光時間過長，也會增加噪點的數目（從數碼相機上看，主要是因為長時間曝光，感光元件溫度升高，電流雜訊造成感光元件噪點的增多），而感光元件本身的缺陷也是噪點甚至壞點的來源之一。因此，通常 sensor 集成或後端的 ISP 都帶有降噪功能的相關設置。

1.6.1 啟動時機

根據噪點形成的原因，主要是 AG 或 Exptime 超過一定值後需要啟動降噪功能，因此通常需要確定這兩個參數的闕值，過小和過大都不好。

從下面的降噪處理的辦法將會看到，降噪勢附帶的帶來圖像質量的下降，所以過早啟動降噪功能， 在不必要的情況下做降噪處理不但增加處理器或 ISP 的負擔， 還有可能適得其反。而過遲啟動降噪功能，則在原本需要它的時候，起不到相應的作用。

1.6.2 判定原則和處理方式

那麼如何判定一個點是否是噪點呢？我們從人是如何識別噪點的開始討論， 對於人眼來說，判定一個點是噪點，無外乎就是這一點的亮度或顏色與邊上大部分的點差異過大。從噪點產生的機制來說，顏色的異常應該是總是伴隨著亮度的異常，而且對亮度異常的處理工作量比顏色異常要小，所以通常 sensor ISP 的判定原則是一個點的亮度與周圍點的亮度的差值大於一個闕值的時候，就認為該點是一個噪點。

處理的方式，通常是對周圍的點取均值來替代原先的值，這種做法並不增加信息量，類似於一個模糊演算法。

對於高端的數碼相機，擁有較強的圖像處理晶元，在判定和處理方面是否有更復雜的演算法，估計也是有可能的。比如亮度和顏色綜合作為標准來判定噪點，採用運算量更大的插值演算法做補償，對於 sensor 固有的壞點，噪點，採用屏蔽的方式拋棄其數據（Nikon 就是這么做的，其它廠商應該也如此）等等。

1.6.3 效果

對於手機 sensor 來說，這種降噪處理的作用有多大，筆者個人認為應該很有限，畢竟相對數碼相機，手機 sensor 的鏡頭太小，通光量小，所以其基準 AG 勢必就比相機的增益要大（比如相當於普通家用數碼相機 ISO800 的水平），這樣才能獲得同樣的亮度，所以電流雜訊帶來的影響也就要大得多。這樣一來，即使最佳情況，噪點也會很多，數據本身的波動就很大，這也就造成我們在手機照片上勢必會看到的密密麻麻的花點，如果全部做平均，降低了噪點的同時，圖像也會變得模糊，所以手機噪點的判斷闕值會設得比較高，以免涉及面過大，模糊了整體圖像。這樣一來一是數據本身就差，二是降噪的標准也降低了，造成總體效果不佳。

1.7 數碼變焦

數碼變焦可以有兩種形式：

其一，是通過插值演算法，對圖像進行插值運算，將圖像的尺寸擴大到所需的規格，這種演算法就其效果而言，並不理想，尤其是當使用在手機上的時候，手機上的攝像頭本身得到的數據就有較大的雜訊，再插值的話，得到的圖像幾乎沒法使用。實際上，即使是數碼相機的數碼變焦功能也沒有太大的實用價值。如果插值演算法沒有硬體支持，則需要在應用層實現。我司某平台的數碼變焦用的就是該種辦法。

其二，其實是一種偽數碼變焦的形式，當攝像頭不處在最大解析度格式的情況下，比如130 萬像素的 sensor 使用 640*480 的規格拍照時，仍舊設置 sersor 工作在 1280*960 的解析度下，而後通過採集中央部分的圖像來獲取 640*480 的照片，使得在手機上看來所拍物體尺寸被放大了一倍。也有很多手機採用的是這種數碼變焦方式，這種辦法幾乎不需要額外的演算法支持，對圖像質量也沒有影響，缺點是只有小尺寸情況下可以採用。此外在 DV方式下也可以實現所謂的數碼變焦放大拍攝功能。（這應該是一個賣點，對 Dv 來說，這種數碼變焦還是有實際意義的）。

要採用這種變焦模式，驅動需要支持 windowing 功能，獲取所需部分的 sensor 圖像數據。

1.8 頻閃抑制功能

1.8.1 何謂頻閃

日常使用的普通光源如白熾燈、日光燈、石英燈等都是直接用 220/50Hz 交流電工作，每秒鍾內正負半周各變化 50 次，因而導致燈光在1 秒鍾內發生 100（50×2）次的閃爍，再加上市電電壓的不穩定，燈光忽明忽暗，這樣就產生了所謂的「頻閃」 。

下表顯示了幾種光源的光強波動情況：

因為人眼對光強變化有一定的遲滯和適應性，所以通常看不出光源的亮度變化。但是依然還是會增加眼睛的疲勞程度。所以市場上才會有所謂的無頻閃燈銷售。

1.8.2 對頻閃的抑制

對於 camera sensor 來說，沒有人眼的遲滯和適應過程，所以對光源亮度的變化是比較敏感的。如果不加抑制，在預覽和 DV模式下，可能會有明顯的圖像的明亮變化閃爍的現象發生。

如何解決呢？考慮到頻閃的周期性，在一個周期內，光源亮度的累積值，應該是大體一致的，所以，如果控制曝光的時間是頻閃周期的整倍數，那麼每一幀圖像的亮度就大體是一致的了，這樣就可以有效地抑制頻閃對圖像亮度的影響。

所以，在自動曝光的模式下，sensor 會根據頻閃的頻率，調整曝光時間為其周期的整倍數。 因為各地的交流電的頻率不同，所以有 50Hz/60Hz 之分。

在具體設置相關 Sensor 寄存器的時候，要根據電流頻率和 sensor 的時鍾頻率，解析度等，計算出頻閃周期對應的時鍾周期數等。

『伍』 數碼相機如何將圖象信號轉換成模擬或數字信號

同上,整個CCD的面積.

CCD：電荷藕合器件圖像感測器CCD（Charge Coupled Device），它使用一種高感光度的半導體材料製成，能把光線轉變成電荷，通悶宏做過模數轉換器晶元轉換成數字信號，數絕大字信號經過壓縮以後由相機內部的閃速存儲器或內置硬碟卡保存，因而可以輕而易舉地把數據傳輸給計算機，並藉助於計算機的處理手段，根據需要和想像來修改圖像。

CCD由許多感光單位組成，通常以百萬像素為單位。當CCD表面受到光線照射時，每個感光單位會將電荷反映在組件上，所有的感光單位所產生的信號加在一起，就構成了一幅完整的畫面螞衡。

上面這段話可以解釋:所有的感光單位所產生的信號加在一起，才能構成一幅完整的畫面,不管畫面大或小.

『陸』 ps如果要想將一幅彩色的圖像轉換為「點陣圖」模式，應該先將該圖像轉換為什麼模式

你說的應該是顏色模式吧？
計算機中圖像像素的顏色信息必須轉換為二進制數進行存儲，而採用幾位二進制數就構成了幾位的位深度圖像，位深度越大，能夠表示的顏色種類越多。顏色模式就是提供一種顏色轉換成數字數據的方法，從而使顏色能夠在多種媒體中連續描述並能跨平台使用，如從顯示器到列印機、從Mac到PC等。

顏色模式是所有圖形圖像處理軟體都涉及的問題。常見的顏色模式括：Bitmap點陣圖模式、Grayscale灰度模式、Duotone雙色調模式、Index color索引色模式、RGB色彩模式、CMYK色彩模式、Lab色彩模式、Multichannel多通道模式和HSB色彩模式等。

1．Bitmap點陣圖模式
點陣圖模式又稱黑白模式，是一種最簡單的色彩模式，屬型亮於無彩色模式。晌租銷點陣圖模式圖像只有黑白兩色，由1位像素組成，每個像素用1位二進制數來表示。文件占據存儲空間非常小。 設計製作時一般不選點陣圖模式，除非有特殊用途。只有雙色調模式和灰度模式可以轉換為點陣圖模式。

2．Grayscale灰度模式
灰度模式圖像中沒有顏色信息，色彩飽和度為0，屬無彩色模式，圖像由介於黑白之間的256級灰色所組成。由於灰度圖像只有一個亮度通道，所以灰度模式圖像文件占據存儲空間也非常小。
點陣圖模式圖像轉換為灰度模式時，灰度圖像只有一種灰度，如果大小比例按1來轉換，黑白圖像仍為原樣，只是圖像縮小了。

3．Duotone雙色調模式
Duotone雙色調模式由灰度模式發展而來，是與列印、印刷相關的一種模式。通過1～4種自定義灰色油墨或彩色油墨創建一幅雙色調(2種顏色)、三色調(3種顏色)或者四色調(4種顏色)的含有色彩的灰度圖像。在雙色調模式圖像中，彩色油墨只是用於生成著色的灰色，而不是重新生成不同的顏色，這是印刷領域中一項專門的技術。實際上，雙色調模式圖像只有一個8位亮度通道，只不過在亮度值上附加記錄了用戶所選的顏色信息和一個相應的強度曲線。其他色彩模式的圖像需要轉換成雙色調模式時，必先將其轉換成灰度模式，然後再轉換成雙色調模式。

4．Index color索引色模式
索引色模式只支持8位色彩，是使用系統預先定義好的最多含有256種典型顏色的顏色表中的顏色來表現彩色圖像的，選擇不同的顏色表選項，如「墨體」、「灰度」、「色譜」等，圖像顯示的效果是不同的。由於索引色模式圖像只有8位深度，所以圖像文件也佔用很小存儲空間。索引色模式圖像主要用於網路、游戲製作和絲網印刷圖像。

5、RGB
RGB顏色模式採用三基色模型，又稱為加色模式，是目前圖像軟體最常用的基本顏色模式，顯示器、投影儀、電視、掃描儀、數碼相機等許多光源成像設備也都採用RGB加色模式工作。它的基本特徵來自於自然界中的光線，由紅（Red）、綠（Green）、藍（Blue）三基色以不同的比例混合而成可見光譜的顏色。
RGB顏色模式是由紅、綠、藍三通道疊加產生的彩色模式，形成24位深度的顏色信息，所以三種顏色通道的復合生成1670多萬(2563)種顏色，足以顯示出完整的彩色圖像，如圖1-25所示。如果RGB圖像為每通道16位，形成48（16×3）位深度的顏色信息，則具有表現更多顏色的能力，圖像更加細膩逼真，當然，文件會占據更多的存儲空間。

6．CMYK顏色模式
CMYK顏色模式採用印刷三原色模型，又稱減色模式，大多圖形圖像軟體支持這種顏色模式，是列印、印刷等油墨成像設備即印刷領域使用的專有模式。它的基本特徵是以印刷品上油墨的光線吸收特性，即當光線照射到油墨上時，部分光被吸收，部分光被反射回眼睛。理論上講，由青(Cyan)、品（洋紅，Magenta）、黃(Yellow)3種色素以不同程度的比例能夠合成吸收所有顏色並產生黑色，但實際上由於油墨的純度問題，等量的青、品、黃三種油墨混合產生的是灰褐色而不是純黑色，必須與黑色（Black）油墨混合才能產生真正的墨色，所以在CMYK顏色模式中宴遊增加了黑色，稱之為四色印刷。

7．Lab顏色模式
Lab顏色模式是由國際照明委員會（CIE）在1976年制定的顏色度量國際標准模型的基礎上建立的，是一種色彩范圍最廣的色彩模式，包含RGB和CMYK中所有的顏色。它不依賴於光線，也不依賴於顏料，是與設備無關的色彩模式，無論使用什麼設備（如顯示器、列印機、計算機或掃描儀等）創建或輸出圖像，都能生成一致的顏色。它是各種色彩模式之間相互轉換的中間模式。
Lab色彩模式是由一個亮度通道L和a、b兩個色相通道來表示顏色的模式，每通道可以有8位或16位深度，默認設置為8位。在Lab模式中，L表示圖像的亮度，取值范圍為0～100之間的整數；a表示從深綠色到亮粉紅色的光譜變化，取值范圍為-128～+127之間的整數；b表示從亮藍色到黃色的光譜變化，取值范圍同樣為-128～+127之間的整數。

8．Multichannel多通道模式
多通道模式圖像包含有多個具有256級強度值的灰階通道，每個通道8位深度。多通道模式主要應用於列印、印刷等特殊的輸出軟體和一些專業的高級的通道操作。
如果在RGB、CMYK、Lab模式中刪除某一個通道，圖像將轉換為多通道模式。當圖像轉換為多通道模式時，系統將根據原圖像通道數自動轉換為數目相同的專色通道，並將原圖像各通道像素顏色信息自動轉換為專色通道的顏色信息。例如，將雙色調模式轉換為多通道模式時，可以看到相應數目色調的通道信息；將RGB模式轉換為多通道模式時，創建青色、洋紅、黃色3個專色通道；將CMYK模式轉換為多通道模式時，創建青色、洋紅、黃色、黑色4個專色通道。

9．HSB顏色模式
HSB顏色模式是一種基於人對顏色的感覺的色彩模式，與人的視覺緊密聯系在一起，以色相（H）、純度（S）和明度（B）彩色三要素為基礎來描述顏色的。H用於調整顏色，以「度」來表示，取值范圍為0～360之間的整數；S用於調整顏色的深淺，以「%」來表示，取值范圍為0(灰色)～100 (純色)之間的整數；B用於調整顏色的明暗，以「%」來表示，取值范圍為0(黑色)～100(白色)之間的整數。

『柒』 誰能介紹下工業相機在 mono8/mono10/mono12/mono14格式，以及怎麼轉換位16位點陣圖。

1、絕櫻電腦打開Photoshop應用。

注意事項

16位數據代表16個「0」或者「1」二進制。

這里的「位」指的是「比特（bit）」，一個「位」就代表一個「0」或者是一個「1」二進制。

同理，32位數據就代表32個「蘆拍0」或者「1」二進制；64位數據就代表64個「0」或者並嘩叢「1」二進制。

比特是表示信息的最小單位，是二進制數的一位包含的信息或2個選項中特別指定1個的需要信息量。

『捌』 怎麼把相機中的視頻弄成照片

一般可以通過以下兩種方式：

1、以非編賣鎮軟體，進行序列輸出，軟體可以使用pr會聲會影等等。這種方式是以，每秒24幀來進行輸出，也就是說，每秒能輸出24張圖片。簡單的來說，比如有一段60秒的視頻，那麼這段視頻中含有1440張圖片，那麼以序列的方式進行輸出，最檔配散後可以得到1440張圖片。

(8)如何將相機成像數據轉換為點陣圖擴展閱讀

照片視頻製作軟體

照片視頻相冊，其實質是視頻文件，可以以DVD、SVCD、VCD、行氏AVI等視頻格式存在和傳播，當然，既然名為視頻相冊，這種視頻和普通視頻不同的是，視頻相冊，是通過數碼相機拍攝的相片配音樂後，將相片轉視頻得到的，即以視頻播放的形式來瀏覽相片，讓相片動起來，並為相片配音樂、精彩文字說明，實現相片更甚於幻燈片的動態播放效果。

『玖』 數碼相機照出來的照片是矢量圖還是點陣圖

當然是點陣圖
你可以試著把數碼相機拍下的圖片一直放大，放大到看得像馬塞克一樣的色塊就缺畝可以知道是點陣圖而不是矢量圖了！

矢量圖(vector)
（1）何謂矢量圖及矢量圖的特性？

矢量圖像，也稱為面向對象的圖像或繪圖圖像，在數學上定義為一系列由線連接的點。像Adobe Illustrator、CorelDraw、CAD等軟體是以矢量圖形為基礎進行創作的。矢量文件中的圖形元素稱為對象。每個對象都是一個自成一體的實體，它具有顏色、形狀、輪廓、大小和屏幕位置等屬性。既然每個對象都是一個自成一體的實體，就可以在維持它原有清晰度伏做森和彎曲度的同時，多次移動和改變它的屬性，而不會影響圖例中的其它對象。這些特徵使基於矢量的程序特別適用於圖例和三維建模，因為它們通常要求能創建和操作單個對象。基於矢量的繪圖同胡橘解析度無關。這意味著它們可以按最高解析度顯示到輸出設備上。

矢量圖形與解析度無關，可以將它縮放到任意大小和以任意解析度在輸出設備上列印出來，都不會影響清晰度。因此，矢量圖形是文字（尤其是小字）和線條圖形（比如徽標）的最佳選擇。

有一些圖形（如工程圖、白描圖、卡通漫畫等），它們主要由線條和色塊組成，這些圖形可以分解為單個的線條、文字、圓、矩形、多邊形等單個的圖形元素。再用一個代數式來表達每個被分解出來的元素。例如：一個圓我們可以表示成圓心在(x1,y1)，半徑為r的圖形；一個矩形可以通過指定左上角的坐標(x1,y1)和右下角的坐標(x2,y2)的四邊形來表示；線條可以用一個端點的坐標(x1,y1)和另一個端點的坐標(x2,y2)的連線來表示。當然我們還可以為每種元素再加上一些屬性，如邊框線的寬度、邊框線是實線還是虛線、中間填充什麼顏色等等。然後把這些元素的代數式和它們的屬性作為文件存檔，就生成了所謂的矢量圖（也叫向量圖）。

（2）矢量圖的文件格式

矢量圖形格式也很多，如Adobe Illustrator的*.AI、*.EPS和SVG、AutoCAD的*.dwg和dxf、Corel DRAW的*.cdr、windows標准圖元文件*.wmf和增強型圖元文件*.emf等等。當需要打開這種圖形文件時，程序根據每個元素的代數式計算出這個元素的圖形，並顯示出來。就好象我們寫出一個函數式，通過計算也能得出函數圖形一樣。編輯這樣的圖形的軟體也叫矢量圖形編輯器。如：AutoCAD、CorelDraw、Illustrator、Freehand等。

（3）矢量圖形文件的規律

這樣的圖形也有共同的規律：

1.你可以無限放大圖形中的細節，不用擔心會造成失真和色塊。

2.一般的線條的圖形和卡通圖形，存成矢量圖文件就比存成點陣圖文件要小很多。

3.存檔後文件的大小與圖形中元素的個數和每個元素的復雜程度成正比。而與圖形面積和色彩的豐富程度無關。（元素的復雜程度指的是這個元素的結構復雜度，如五角星就比矩形復雜、一個任意曲線就比一個直線段復雜）

4.通過軟體，矢量圖可以輕松地轉化為點陣圖，而點陣圖轉化為矢量圖就需要經過復雜而龐大的數據處理，而且生成的矢量圖的質量絕對不能和原來的圖形比擬。