图像类型、MATLAB数据类型，以及类型之间的转换（一）

在使用MATLAB进行有关图像读取、显示和处理的时候，认真考虑图像类型以及MATLAB中的数据类型，从而根据自己的需要进行必要的类型之间的转换，可以有效避免不必要的细微错误——这样的细微错误有时候恰恰让我们折磨不已。

图像类型

图像的分类

根据不同的原理或方法，图像的类型其实可以分为很多种，但是考虑到我们此处的实际需求，结合Image Process Toolkit（图像处理工具，比如PS，MATLAB等）对图像类型的支持，我们将图像类型分为如下四种1：

灰度图像（亦称亮度图像）：比如常见的类型为uint8的灰度图像，对应幅值范围为0~255；类型为uint16灰度图像，对应幅值范围为0~65535；以及MATLAB中类型为归一化double的灰度图像，对应数值范围为0~1，其中0对应黑色，1对应白色。

这里所说的uint8，uint16类型，其实就是数字图像中每个像素的幅度分辨率，即：到底是用8位unsigned int还是用16位unsigned int表示黑色到白色的量化精细程度，显然使用位数越多图像显示越精细，但是要注意人眼对灰度图像存在分辨极限2。

二值图像：每个像素点幅值非0即1。也有人称之为logical类3，不过要注意，灰度图像幅值仅为0或1并不等于该图像为二值图像。

索引图像：图像由一个整型数值矩阵和一个M*3的调色板MAP共同组成，每个整型数值都对应（映射到）调色板MAP中的某一行，该行由RGB的三个分量共同构成某一种特定的颜色。M的大小取决于该整型数值的类型，如果为uint8类型，则M为256；如果为uint16类型，则M为65536，其实M也可以理解为每个像素可以被表示成不同种颜色的种数。

RGB图像（真彩色图，Truecolor）：每个像素由三个分量组成，分别对应R,G,B三个分量，即：该图像的矩阵大小为M*N*3，可以理解为3个M*N的矩阵，三个矩阵分别存储每个像素对应的R,G,B数值。因为R,G,B一般情况下各有0~255的256种颜色，所以RGB图像某种情况下可以包含256*256*256=16 777 216（一般说的1600万色）颜色，因此也称之为真彩色。

索引图像和RGB图像在节省存储空间上各自的特点

可能有人看了上边索引图像和RGB图像的含义会有这样的疑问：同样是最终使用RGB三个分量来表示的图像，索引图像使用整型数值矩阵和调色板MAP来实现，而RGB图像却直接使用一个M*N*3的矩阵来实现，为什么不统一为只使用其中的一种方法来表示图像呢？

其实原因很简单，无论使用索引图像还是RGB图像，在特定的情况下它们分别都可以实现节省存储空间的目的4，具体可以参考如下例子：

某200*200大小的颜色数为16（每个像素只可能为16种颜色中的一种）的彩色图，在R、G、B三个分量分别为0~255的情况下：

如果使用存储为RGB图像，则需要的空间大小为：200*200*3=120kBytes，其中每个像素的R、G、B分量各需要一个字节，即单个像素占用3Bytes。

如果存储为索引图像，因为颜色数为16，所以调色板MAP的大小为16*3的矩阵，占用16*3=48Bytes；而每个像素只用记录对应颜色的索引，该索引值为0~15，因此只占用半个Bytes，则所需空间大小为：200*200*0.5+16*3≈20kBytes。

这种情况下，存储为索引图像只占用存储为RGB图像所用空间的1/6。

如果上边的颜色数该为256*256*256，则存储为索引图像和RGB图像所需要的空间大小为：

RGB图像：200*200*3=120kBytes；

索引图像：200*200*3+256*256*256*3≈50MBytes；（多么大的一个调色板啊！）

可见，这种情况下存储为RGB图像更节省存储空间。

从上例可以看出，针对不同的情况，索引图像和RGB图像各有优缺点，特别是当像素多而颜色数少时存储为索引图像比较好（避免了大量相同RGB分量的重复），而当像素少而颜色数多时存储为RGB图像比较好（这种情况下，调色板MAP将占用很大的存储空间）。

总结

如前边所讲，根据不同的原理或方法，图像的类型可以分为很多种，但是在此处我们仅根据我们的需求来说明一些经常接触的图像类型，而且这些图像类型是我们在MATLAB中经常碰到和使用的，因此有必要进行这方面的学习。

本篇对图像类型的说明到此为止，关于MATLAB数据类型以及类型之间的转换方面的内容，我将在下篇博客中详述，并给出必要的实例代码。

参考文献

图像类型转换总结 ↩
图像工程（上册）《图像处理》（第三版），章毓晋，清华大学出版社 ↩
图像类型转换总结 ↩
GIF-7:图片格式与调色板 ↩