计算机中的图像是什么？

图像处理和“理解”是计算机视觉（Computer Vision）的核心领域。理解图像如何被表示，是第一步也是最关键的一步。

1. 计算机如何“看见”图像

所有图像都是“数据”，以某种数据结构被存储和处理的一组组数字。根据表示方式的不同，图像可以分为位图和矢量图两大类。

1.1 位图

可以把位图想象成一幅巨大的“十字绣”或“乐高拼图”，每一格都有自己的颜色。

• 位图又称为栅格图像，图像是由多个小方块组成的网格。每个小方块（像素，Pixel = Picture Element）有特定的位置和颜色值。
• 计算机记录存储网格的宽度、高度和每个像素的颜色。
• 位图包含的像素总量是确定的。当放大时，计算机通过算法填充新的图像，图像变模糊，出现马赛克。
• 位图适合表现细腻的色彩图片。

图像的分辨率描述的就是像素的排列方式，即图像的宽度和高度分别有多少个像素点。
分辨率 = 图像宽度（像素） × 图像高度（像素）
比如 1920 × 1080， 表示图像宽 1920 像素、高 1080 像素，总像素数 = 1920 × 1080 = 2,073,600

分辨率定义了像素的排列网格，像素总数是分辨率的计算结果。

比如一个3×3 的黑白小图：
[白][黑][白]
[黑][白][黑]
[白][黑][白]
在计算机中，可以被表示为一个3×3 的矩阵：
[[255,   0, 255],
 [  0, 255,   0],
 [255,   0, 255]]

在计算机中，位图 是由像素组成的图像。根据每个像素所包含的颜色信息不同，位图可以分为三类：

1. 二值图像（Binary Image）
2. 灰度图像（Grayscale Image）
3. 彩色图像（Color Image）

1.1.1 二值图像

二值图像是一种最简单的图像形式，每个像素只有两种可能的取值：0 或 1（通常表示为黑色或白色）。它也被称为黑白图像。

• 每个像素用1位（bit）表示，取值范围：0 ~1
• 单通道（Channel = 1）
• 存储空间少、速度快、常用于分割结果

1.1.2 灰度图像

灰度图像是介于二值图像和彩色图像之间的中间形态。每个像素表示亮度（明暗程度），而不是颜色。像素值越大越亮，越小越暗。

• 每个像素使用 8 位（bit） 表示 → 取值范围：0 ~ 255
• 单通道（Channel = 1）
• 比彩色图节省空间、保留明暗细节
• 比如过去的黑白照片、黑白电影

1.1.3 彩色图像

常用的色彩模型是 RGB 模型（Red, Green, Blue），通过三种颜色通道的不同强度组合出不同种颜色。

• 每个像素用24 位（bit）表示，(R,G,B) 各0~255
• 三个通道（Channel = 3）

1.1.4 常见位图格式及特点

格式	全称	是否压缩	是否支持透明	典型用途
JPG / JPEG	Joint Photographic Experts Group	有损压缩	❌ 不支持	照片、网页图片
PNG	Portable Network Graphics	无损压缩	✅ 支持	图标、透明背景图
GIF	Graphics Interchange Format	有损	✅ 支持	动画、简单图形
BMP	Bitmap File Format	无压缩	✅ 支持	Windows 原生图像
WebP	Google 开发的新格式	有/无损可选	✅ 支持	网页优化图像

1.2 矢量图

矢量图不是由像素构成，而是通过数学公式来描述图形的形状、位置、颜色等属性。比如一条直线可以用两个端点坐标 (x1,y1) 和 (x2,y2) 表示；一个圆可以用圆心 (cx,cy) 和半径 r 描述。

• 用数学公式来定义图形中的形状、线条和颜色。
• 由路径构成，路径由点线和它们之间的数学关系构成。计算机存储的是图形的绘制指令。
• 矢量图与分辨率无关，放大时计算机会根据数学公式重新计算并渲染图形，因此不会失真。
• 矢量图文件体积较小，不适合表现细腻的色彩图片。

1.3 位图和矢量对比

	位图	矢量图
组成	像素	数学路径（点、线、曲线）
缩放	放大失真	任意缩放不失真
文件大小	分辨率越高文件越大	一般较小
色彩丰富度	高，适合真实图像	有限（适合纯色扁平化设计）
编辑灵活性	难以局部修改	易于拆分、重着色、变形
在计算机视觉	主要研究对象（图像识别、分割等）	较少，一般转为位图处理