知识表示（knowledge representation）就是将人类知识形式化或者模型化。
知识表示的目的是能够让计算机存储和运用人类的知识。已有知识表示方法大都是在进行某项具体研究时提出来的，有一定的针对性和局限性，目前已经提出了许多知识表示方法。
常用的有：产生式表示法、框架表示法、状态空间表示法

框架表示法

1975年，美国著名的人工智能学者明斯基提出了框架理论。该理论基于人们对现实世界中各种事物的认识都以一种类似于框架的结构存储在记忆中，当面临一个新事物时，就从记忆中找出一个合适的框架，并根据实际情况对其细节加以修改、补充，从而形成对当前事物的认识。例如，一个人走进一个教室之前就能依据以往对“教室”的认识，想象到这个教室一定有四面墙，有门、窗、天花板和地板，有课桌、凳子、讲台、黑板等。尽管他对这个教室的大小、门窗的个数、桌凳的数量、颜色等细节还不清楚，但对教室的基本结构是可以预见的。因为他通过以往看到的教室，已经在记忆中建立了关于教室的框架，该框架不仅指出了相应事物的名称（教室），而且还指出了事物各有关方面的属性（如有四面墙、有课桌、有黑板等）。通过对该框架的查找，就很容易得到教室的各个特征。在他进入教室后，经观察得到了教室的大小、门窗的个数、桌凳的数量、颜色等细节，把它们填入教室框架中，就得到了教室框架的一个具体事例。这是他关于这个具体教室的视觉形象，称为事例框架。
框架表示法是一种结构化的知识表示方法，目前已在多种系统中得到应用。

一、框架的一般结构

框架（frame）是一种描述所论对象（一个事物、事件或概念）属性的数据结构。
一个框架由若干个被称为“槽”（slot）的结构组成，每一个槽又可根据实际情况划分为若干个“侧面”（facet）。一个槽用于描述所论对象某一方面的属性。一个侧面用于描述相应属性的一个方面。槽和侧面所具有的属性值分别被称为槽值和侧面值。在一个用框架表示知识的系统中一般都含有多个框架，一个框架一般都含有多个不同槽、不同侧面，分别用不同的框架名、槽名及侧面名表示。对于框架、槽或侧面，都可以为其附加上一些说明性的信息，一般是一些约束条件，用于指出什么样的值才能填入到槽和侧面中去。
下面给出框架的一般表示形式：


由上述表示形式可以看出，一个框架可以有任意有限数目的槽；一个槽可以有任意有限数目的侧面；一个侧面可以有任意有限数目的侧面值。槽值或侧面值既可以是数值、字符串、布尔值，也可以是一个满足某个给定条件时要执行的动作或过程，还可以是另一个框架的名字，从而实现一个框架对另一个框架的调用，表示出框架之间的横向联系。约束条件是任选的，当不指出约束条件时，表示没有约束。

二、用框架表示知识的例子

下面举一些例子，说明建立框架的基本方法。
例2.1 教师框架
框架名：<教师>
姓名：单位（姓、名）
年龄：单位（岁）
性别：范围（男、女），缺省：男
职称：范围（教授、副教授、讲师、助教），缺省：讲师
部门：单位（系、教研室）
地址：<住址框架>
工资：<工资框架>
开始工作时间：单位（年、月）
截止时间：单位（年、月），缺省：现在

该框架共有九个槽，分别描述了“教师”九个方面的情况，或者说关于“教师”的九个属性。在每个槽里都指出了一些说明性的信息，用于对槽的填值给出某些限制。“范围”指出槽的值只能在指定的范围内挑选，如“职称”槽，其槽值只能是“教授”、“副教授”、“讲师”、“助教”中的某一个，不能是“工程师”等别的职称；“缺省”表示当相应槽不填入槽值时，就以缺省值作为槽值，这样可以节省一些填槽的工作。例如，对“性别”槽，当不填入“男”或“女”时，就默认它是“男”，这样对于男性教师就可以不填这个槽的槽值。
对于上述这个框架，当把具体的信息填入槽或侧面后，就得到了相应框架的一个事例框架。例如，把某教室的一组信息填入“教师”框架的各个槽，就可得到：
框架名：<教师-1>
姓名：夏冰
年龄：36
性别：女
职称：副教授
部门：计算机系软件教研室
地址：
工资：
开始工作时间：1988.9
截止时间：1996.7

例2.2 关于自然灾害的新闻报道中所涉及的事实经常是可以预见的，这些可预见的事实就可以作为代表所报道的新闻中的属性
例如，将下列一则地震消息用框架表示：“某年某月某日，某地发生6.0级地震，若以膨胀注水孕震模式为标准，则三项地震前兆中的波速比为0.45，水氡含量为0.43，地形改变为0.60。”
解：地震消息框架如下图所示。

“地震框架”也可以是“自然灾害事件框架”的子框架，“地震框架”中的值也可以是一个子框架，如图中的“地形改变”就是一个子框架。
框架表示法最突出的特点是便于表达结构性知识，能够将知识的内部结构关系及知识间的联系表示出来，因此它是一种结构化的知识表示方法，这是产生式知识表示方法不具备的。产生式系统中的知识单位是产生式规则，这种知识单位太小而难于处理复杂问题，也不能将知识间的结构关系表示出来。产生式规则只能表示因果关系，而框架表示法不仅可以表示因果关系，还可以表示更复杂的关系。
框架表示法通过使槽值为另一个框架的名字实现不同框架间的联系。建立表示复杂知识的框架网络。在框架网络中，下层框架可以继承上层框架的槽值，也可以进行补充和修改，这样不仅减少了知识的冗余，而且较好地保证了知识的一致性。

三、总结

框架是一种描述所论对象（一个事物、事件或概念）属性的数据结构。
一个框架由若干个被称为“槽”的结构组成，每一个槽又可根据实际情况划分为若干个“侧面”。一个槽用于描述所论对象某一方面的属性。一个侧面用于描述相应属性的一个方面。槽和侧面所具有的属性值分别被称为槽值和侧面值。

目录

1.人类视觉感知的基础知识

1.1概述

1.2 眼睛构造和工作机制

2.颜色

2.1频谱

2.2光反射

2.3颜色感知

2.4 原色和次要颜色

3 图像的数字形式

3.1计算机如何看见图像

3.2位图的参数

3.3色深

3.4  明度，色相，饱和度

3.5 1931 CIE-XYZ颜色系统

3.6 CIE1931色度图

3.7色域 

4.颜色模型

---

1.人类视觉感知的基础知识

1.1概述

        计算机视觉系统在很多时候根据人类视觉感知系统建立。如果我们想教会机器像人类一样观察和分析看到的世界，那么有必要了解人类视觉感知系统是如何工作的。图像是如何在眼睛中形成的？人类从视觉信号中提取哪种类型的信息？人类视觉系统有哪些物理缺陷？

        人类的视觉系统可以在复杂的环境中分别人和其他物体。我们可以很轻易的提取关于物体尺寸大小相对位置距离等信息。我们的大脑擅长根据物体的一部分补充其完整。

        我们对物体的想象不是根据物体的实际细节，我们的感知是有歧义的和主观的，他依靠所谓的“视觉经验”。下面有几个例子：

1、我们如何看见-物体的易变性

比如下图，在日常灯的形式多样，不同的大小不同的形状，但是我们可以很轻松的一眼认出它。

2、我们如何看见-感知的歧义

        下幅画可以看成一个女人的脸或者萨克斯管 

3、关于视觉感知的事实

        a、大脑总是会对图片补充，或者赋予图片语意

        b、大脑总是回以常见的方式补充图片

        c、我们“看”世界的方式总是取决于成长的环境

1.2 眼睛构造和工作机制

参考：人眼视觉特性_qq60068ddbd1678的技术博客_51CTO博客

        视觉感知始于物体或场景反射的光线通过角膜、瞳孔和晶状体进入到我们的眼睛。角膜和晶状体帮助将这些光线集中并投射到位于眼球后部视网膜的感光层上。晶状体的另一个功能是通过必要的调节让视线的焦点放在不同距离的物体上。进入角膜的光线量由位于角膜和晶状体之间由虹膜分隔的瞳孔收放来控制。视网膜负责将不同波长(颜色)、对比度和亮度的光线进行解析为生理信号。该信号通过视神经和神经通路被传递到大脑的视觉信息处理区域。

        亮度（视觉适应）和分辨率

1、人类视觉系统能够适宜很大的亮度值大约是10^10；感知的亮度是实际亮度的对数函数；在低亮度环境下，存在存在过度过程。

2、虽然人类视觉系统可以适宜很大范围的亮度，但是它不能同时在这个范围内工作，存在一个调节过程，它通过改变整体灵敏度来适应整个范围，这个过程叫做亮度适应。在给定的外部条件下，系统的灵敏度水平叫做亮度适应水平；如下图，在适应水平Ba点视觉系统的感知范围是否有限当亮度小于Bb点时，视觉主观感知就时黑暗，直线的虚线部分没有限制，但是随着时间增加系统回逐渐适应

                                图.暗适应曲线(dark-adaptation curve)        

3、亮度区分能力

4、马赫带

2.颜色

        我们谈到了亮度以及人类如何感知亮度。现在让我们转向颜色。什么是颜色？我们的视觉系统如何识别不同的颜色？与亮度一样，我们感知的颜色不仅仅取决于照明和物体的物理特性。严格来说，我们感知到的颜色是光波和光波相互作用的结果。我们的视觉系统。

2.1频谱

        虽然人脑对颜色的感知和解释过程代表对一种心理生理现象的不完整研究，颜色的物理性质早在1666年就可以准确描述。艾萨克·牛顿爵士发现，当一束阳光穿过玻璃棱镜时，发出的光线不是白色，而是由连续的光谱组成，从一端的紫色到另一端的红色：感知为可见光，是电磁辐射光谱的一小部分。这一频谱的一端是无线电波。电磁波可以被解释为以波长A传播的正弦振荡，或者被解释为以光速移动的零质量粒子流。每个这样的粒子都没有质量，但具有一定的能量，被称为辐射量子或光子。光子能量与辐射频率成正比，即较高频率（即较短波长）的电磁振荡具有更多的光子能量。因此，无线电波的光子能量低，微波的光子能量多，红外辐射的光子能量更多，然后光子能量依次增加，可见光谱、紫外线、X射线，最后是能量最高的伽马射线。

2.2光反射

        颜色是由光反射所产生的，这种反射是由物体的物理性质决定的，如光的吸收、发射光谱等。例如红色的物体主要反射波长在625-740nn之间的电磁波。

2.3颜色感知

但人对颜色的感觉不仅仅由光的物理性质所决定，还包含心理等许多因素，比如人类对颜色的感觉往往受到周围颜色的影响。有时人们也将物质产生不同颜色的物理特性直接称为颜色。人眼中的视锥细胞和视杆细胞都能感受颜色，一般人眼中有三种不同的视锥细胞：第一种主要感受黄绿色，它的最敏感点在565纳米左右；第二种主要感受绿色，它的最敏感点在535纳米左右；第三种主要感受蓝紫色，其最敏感点在420纳米左右[1][2]。视杆细胞只有一种，它的最敏感的颜色波长在蓝色和绿色之间。每种视锥细胞的敏感曲线大致是钟形的，视锥细胞依照感应波长不同由长到短分为L、M、S三种。因此进入眼睛的光一般相应这三种视锥细胞和视杆细胞被分为4个不同强度的信号。

2.4 原色和次要颜色

        原色：它们是纯色，即红色，蓝色和黄色。次要颜色：它们是两种原色的结合，例如：绿色（蓝色和黄色），橙色（黄色和红色）和紫色（红色和蓝色）。第三色：它们是原色和第二色的并集，例如：橙红色，红紫色，黄橙色，绿蓝色，黄绿色。发光的媒体（比如电视机）使用红、绿 和蓝加色的三元色，每种光尽可能只刺激针对它们的锥状细胞而不刺激其它的锥状细胞。这个系统的色域占人可以感受到的色彩空间的大部分，因此电视机和电脑萤幕使用这个系统。理论上我们也可以使用其他颜色作为元色，但使用红、绿和蓝我们可以最大地达到人的色彩空间。遗憾的是对于红、绿和蓝色没有固定的波长的定义，因此不同的技术仪器可能使用不同的波长从而在萤幕上产生稍微不同的颜色。

3 图像的数字形式

3.1计算机如何看见图像

        为了形成数字图像，需要通过采样和量化将来自传感器的连续模拟信号转换为数字形式。我们先来看单色图像。原始模拟图像在x和y坐标以及亮度级别上是连续的。为了将此函数转换为数字形式，有必要用坐标和亮度级别来表示它。以有限读数集的形式表示坐标称为离散化，以来自有限集的值表示亮度级别称为量化。作为离散化和量化操作的结果，出现了实数矩阵。这种用于以某种形式表示图像的格式被组合为位图（栅格图）。矩阵的每个元素对应一个图像像素。元素的值对应于相应像素的亮度或强度级别。强度值通常在0到1的范围内进行归一化。通过这种归一化，白色像素的值为1，黑色像素的值为0。

3.2位图的参数

        离散化是决定图像空间分辨率的主要因素。本质上，空间分辨率是图像中最小细节的大小。空间分辨率是根据每个空间单位的像素数来衡量的。标准度量单位是ррi，即每英寸像素。图像的尺寸与其分辨率密切相关。图像的分辨率越高，可以在屏幕上打印或显示的图像就越大，而不会出现任何明显的质量损失。

3.3色深

        根据位深度，可将位图分为1、4、8、16、24及32位图像等。每个像素使用的信息位数越多，可用的颜色就越多，颜色表现就越逼真，相应的数据量越大。例如，位深度为 1 的像素位图只有两个可能的值（黑色和白色），所以又称为二值位图。位深度为 8 的图像有 28（即 256）个可能的值。位深度为 8 的灰度模式图像有 256 个可能的灰色值。

3.4  明度，色相，饱和度

        色彩的三要素是指每一种色彩都同时具有三种基本属性，即明度、色相和纯度。色彩的饱和度和明度的是我们色彩设计中最近常使用的两个变量，我们先来了解一下它的定义：

饱和度：指颜色的纯度或强度，简单点理解就是颜色中的灰色量含量的高低。

明度：指的是颜色中混合了多少白色或黑色。

3.5 1931 CIE-XYZ颜色系统

        X、Y、Z是三原色，是为了避免CIE-RGB系统中的三刺激值和色度坐标值出现负值而虚构出来的三原色，实际上是不存在的。作为三原色的红色X、绿色Y、蓝色Z转化为观察者感知的颜色如下图：

其中：

小写x代表红色的比例

小写 y代表绿色的比例

小写 z代表蓝色的比例

x+y+z=1

3.6 CIE1931色度图

        光谱的红色波段在图的右下角，绿色波段在左上角，蓝色波段在左下角。形成一个马蹄形，马蹄形边上各点代表380nm（紫色）到780nm（红色）之间所有的纯色光。

3.7色域 

        如果你在色度图上选择了任何两点，则位于这两点之间直线上任何颜色都可以用这两个颜色混合出来。这得出了色域的形状必定是凸形的。混合三个光源形成的所有颜色都可以在色度图内的源点形成的三角形内找到（对于多个光源也如是）。

4.颜色模型

参看

数字图像处理(2): 颜色空间/模型—— RGB, CMY/CMYK, HSI, HSV, YUV_TechArtisan6的博客-CSDN博客_rgb分别是什么颜色