万般皆是脸

注：在接下来的内容里，我会着重在"图片"下的人脸辨识 (包含摄影机图片串流处理)，3D影像或其他非图片类型的本人还未着墨，因此不会在这个系列内容中说明。

注2：本篇文章着重在接下来系列文的基础知识，如果这些对你来说太简单了，可以斟酌跳过 :)

本文开始

以下面年轻时的卓别林照片来说：

reference: 维基百科 - 查理·卓别林

这张照片有几个资讯：

1. 大小是宽高比 540 x 720 px (单位为像素，好奇的邦友可以按F12打开开发者工具检查)
2. 照片是灰阶照片 (也就是只有一种颜色表示的图片：黑色)
3. 卓别林年轻时真帅

若将上述的资讯用电脑能够理解的资料储存，以矩阵来表示会看起来像这样：

若用numpy array的方式表示会长这样 (numpy是Python中很常用的矩阵与数值函式库，这里可以先不管)：

[[ 67  69  65 ...  60  58  60]
 [ 63  62  67 ...  60  58  59]
 [ 64  59  68 ...  54  54  55]
 ...
 [210 211 209 ...  23  20  21]
 [204 210 216 ...  19  15  16]
 [209 203 213 ...  24  18  17]]

到目前为止我们知道：

1. 电脑在处理图片时通常会用pixel(像素)来作为基本的单位处理内容 (所以这张照片就有540x720=388800个像素)
2. 每个像素的值范围是 [0, 255] (灰阶图片来说，数值越大颜色越浅；255代表白色)
3. 卓别林年轻时真的很帅

因此，如果是一个彩色图片：

为了要表示色彩空间，我们用大家所熟悉的三原色(RGB)来表示这张图片的话：

图片上半部依序由左至右为图片仅红色部分、图片仅绿色部分、图片仅蓝色部分

那下半部的三张图片呢？
还记得前面提到灰阶图片表示，数值范围是从 [0, 255] 吧？

因此下半部三张图可以想成把三原色(RGB)分别以灰阶数值来表示
头晕了吗？

举例说明：

• 在左下的图红色部分以灰阶表示中，可以看到卓别林的脸部部分比起其他下半部的图都是特别的亮：
  • 意思是脸部部分红色色彩大多都接近255 (0 ~ 255 是从黑到白)；也就是脸部主要是用红色表示
    (上半部分图片由於人对不同颜色的差异感知不同，因此红色部分很难看出脸部比较"亮")
• 衣服部分可以看出"蓝色图片那张都比较黑" (下半部蓝色部分以灰阶表示的图片，对应的地方则是黑色比较多)：
  • 意思是原图衣服部分很少有蓝色的像素存在

以上的范例说明希望能让你对"颜色以数值表示"有一些感觉。
当然，没有很理解也不会影响接下来的主题就是。

最後，图片的原始大小为510 x 706，而图片是彩色的就表示要用三个510 x 706的矩阵来表示：
510 x 706 x 3

用numpy来查看图片的"大小"的话：

numpy.shape(image)
> (706, 510, 3)

依序由左至右是：高为706、宽为510、通道(颜色)为3的图片

图片的ROI与Bounding Box

在上面的彩色图片中，如果在做人脸侦测(Face Detection)或是其他物件辨识时，通常会有类似下图的过程：

其中：
ROI (Region of Interest)，指的是在准备做某个影像分析处理时 (这里范例就是人脸辨识)，後续会特别针对进行处理的区域，通常这个区域是矩形。

而因为目前图片中ROI只有一个，後续在进行人脸辨识分析，最终结果还是同样的一个矩形范围。这个最终人脸辨识结果通常会用Bounding Box(边界框)表示人脸辨识的范围。

通常边界框会有两种表示方式：

1. (x0, y0, x1, y1)：用两个点表示边界框。分别代表左上X座标、左上Y座标、右下X座标、右下Y座标
2. (x0, y0, w, h)：用一个点与宽高表示边界框。分别代表左上X座标、左上Y座标、边界框的宽、边界框的高

再多说一点，由於边界框一定会在原始图片内某一个区块，在做电脑视觉分析(甚至是其他机器学习)时，通常会为了方便进行分析而将边界框的数值结果都用[0, 1]这个范围表示。

那要如何做呢？

假设我们现在看上面范例图片的x0位置，可以发现它大概就在整张图片约左右正中心的位置；这时我们就可以把x0的数值标示成0.5

计算方式聪明的你应该也想到了：x0 / 图片宽(image_width)，然後再取整数 (座标通常都会用整数表示)

其他数值也是用类似的方式计算。

到目前为止这一些基础知识应该足够了，明天见！