图像数字化是指用数字表示图像。每一幅数字图像都是由M行N列的像素组成的，其中每一个像素都存储一个像素值。计算机通常会把像素值处理为256个灰度级别，这256个灰度级别分别用区间[0,255]中的数值表示。其中，“0”表示纯黑色；“255”表示纯白色。
1.像素
像素是构成数字图像的基本单位。针对一张图片，如何获取下面图片像素的RGB值呢？
import cv2
image = cv2.imread("2.jpg") #读取图片
px = image[393,500] #坐标（393，500）上的像素
print("坐标（393,500）上的像素的RGB值是：",px)结果为：
不难发现，坐标（393,500）上的像素的RGB值是由96、170和206这三个数值组成的。在讲解这三个数值各自代表的含义之前，先了解一下什么是三基色。
三基色是指通过其他颜色的混合无法得到的"基本色"。由于人的肉眼有感知RGB三种不同颜色的锥体细胞，因此色彩空间通常可以由RGB三种基本色来表达。一般指光的三基色R(Red)、G(Green)、B(Blue)。(颜料的红、绿、蓝称为三基色，其实真正科学的讲法三原色应该是品红(M)、黄(Y)、青(C))。如果将这3种颜色以不同的比例进行混合，人眼就会感知到丰富多彩的颜色。那么，对于计算机而言，是如何对这些颜色进行编码的呢？答案就是利用色彩空间。也就是说，色彩空间是计算机对颜色进行编码的模型。
以较为常用的RGB色彩空间为例，在RGB色彩空间，存在3个通道，即R通道、G通道和B通道。其中，R通道指的是红色（Red）通道；G通道指的是绿色（Green）通道；B通道指的是蓝色（Blue）通道；并且每个色彩通道都在区间[0,255]内进行取值。通过这种方式，计算机将会利用这3个色彩通道的不同组合来表示不同的颜色。
2.色彩空间
2.1 GRAY色彩空间
GRAY色彩空间通常指的是灰度图像，灰度图像是一种每个像素都是从黑到白，被处理为256个灰度级别的单色图像。这256个灰度级别分别用区间[0,255]中的数值表示。其中，“0”表示纯黑色，“255”表示纯白色，0~255之间的数值表示不同亮度（即色彩的深浅程度）的深灰色或者浅灰色。因此，一幅灰度图像能够展示丰富的细节信息。如下图所示。
OpenCV支持将同一幅图像从彩色空间转换到另一个色彩空间，这个转换过程称作色彩空间类型转换。（彩色图像是一种每个像素都是由红色、绿色和蓝色这3种不同的颜色以不同的比例混合而成的图像）
那么，OpenCV是如何将RGB色彩空间转换到GRAY色彩空间的呢？答案就是利用OpenCV中的cvtColor()方法。cvtColor()方法方法用于转换图像的色彩空间，其语法如下：
dst = cv2.cvtColor(src,code)参数说明：
dst：转化后的图像
src：转换前的初始图像
code：色彩空间转换码，即cv2.COLOR_RGB2GRAY
2.2 HSV色彩空间
RGB色彩空间是基于三基色而言的，即红色、绿色和蓝色。而HSV色彩空间是基于色调、饱和度和亮度而言的。 其中，色调（H）是指光的颜色，例如，彩虹中的赤、橙、红、绿、青、蓝、紫分别表示不同的色调，如下图所示。在OpenCV中，色调在区间[0,180]内取值。例如，代表红色、黄色、绿色和蓝色的色调值分别为0、30、60和120。
饱和度（S）是指色彩的深浅。在OpenCV中，饱和度在区间[0,255]内取值。当饱和度为0时，图像将变为灰度图像。亮度（V）是指光的明暗。与饱和度相同，在OpenCV中，亮度在区间[0,255]内取值。亮度值越大，图像越亮；当亮度值为0时，图像呈纯黑色。
讲到这里，相信大家对像素、色彩空间都有一个简单的认识了，那就让我们继续接下来的内容吧！