现在家里的智能冰箱能识别食材，扫地机器人靠摄像头认路，连洗衣机都能通过摄像头判断衣物颜色和材质。这些功能背后，其实都离不开图像处理算法。听起来高深，但入门并不难，普通人也能理解基本原理。
图像处理是什么？
简单说，就是让机器“看懂”图片。比如你家的扫地机器人拍到一张地板照片，它得知道哪里是地毯、哪里是桌腿、哪里有障碍物。这个过程就是把原始像素数据转化成有用的信息。
从灰度化开始理解
一张彩色照片包含红、绿、蓝三个通道的数据。为了简化计算，很多基础算法会先把彩色图转成灰度图。转换公式很直接：
gray = 0.299 * R + 0.587 * G + 0.114 * B这个公式不是随便写的，人眼对绿色最敏感，所以G的权重最高。就像你在昏暗厨房里，更容易看清绿色蔬菜而不是红色辣椒。
边缘检测：让轮廓现形
你想让洗衣机识别衣物是否缠绕，就得先找出衣服的边界。常用的一种方法叫Sobel算子，它通过计算图像中每个像素点的梯度来发现突变区域。
// 水平方向的Sobel核
[ -1, 0, 1 ]
[ -2, 0, 2 ]
[ -1, 0, 1 ]把这个小矩阵在图像上滑动，每到一个位置就做乘加运算，就能得到该点在水平方向上的边缘强度。垂直方向也有对应的核。两个结果一合并，衣服的轮廓就清晰了。
降噪也很重要
家里光线不好时，摄像头拍出来的图会有雪花点。这时候可以用均值滤波，也就是用周围几个像素的平均值代替当前像素值。
[1, 1, 1]
[1, 1, 1] / 9
[1, 1, 1]就像你拍完照发现画面太噪，用修图软件“磨皮”一下，画面就顺眼多了。家电里的实时处理也是这个思路，只是更快更自动化。
实际应用场景
智能烤箱拍照识别食物种类，会先做背景分割，把盘子和食物分开；空调外机自检时用红外图像分析散热片是否积灰，靠的是温度分布的阈值判断；就连带摄像头的猫眼门铃，识别人形还是树枝晃动，也用了简单的轮廓比对算法。
这些设备不需要像专业相机那样追求画质，而是讲究快、准、省电。所以用的大多是轻量级算法，能在低功耗芯片上跑起来。你不需要会写代码，但了解一点原理，以后选家电时就知道哪些功能是真有用，哪些只是宣传噱头。