10.1.1 Vision Basics ロードマップ：Pixels、Channels、Processing

Computer vision は input intuition から始まります。classification、detection、segmentation の前に、image がどんな数字として扱われるかを理解します。

まず image pipeline を見る

最初の mental model は単純です：image = height × width × channels。多くの後続 bug は shape、channel order、coordinates、color space の混同から来ます。

小さな image shape check を動かす

この toy image は 2 rows、3 columns、RGB values を持ちます。

image = [
    [[255, 0, 0], [0, 255, 0], [0, 0, 255]],
    [[255, 255, 255], [0, 0, 0], [128, 128, 128]],
]

height = len(image)
width = len(image[0])
channels = len(image[0][0])
top_left_pixel = image[0][0]

print("shape:", (height, width, channels))
print("top_left_pixel:", top_left_pixel)

出力：

shape: (2, 3, 3)
top_left_pixel: [255, 0, 0]

実画像を wrong shape や wrong channel order で読むと、その後の model result は信頼しにくくなります。

この順番で学ぶ

手順	読む内容	実践アウトプット
1	Image representation	pixel、channel、height、width、RGB/BGR を説明する
2	OpenCV basics	image の load、view、crop、resize、save を行う
3	Basic processing	grayscale、threshold、blur、edge、simple filters を試す

合格ライン

image shape を inspect し、coordinates で region を crop し、channel order を説明し、processed result を README 用に保存できれば、この章は合格です。