正式進入OpenCV影像操作前，讓我們再對影像的基礎知識更熟悉些，這次將介紹何謂取樣與量化。

影像數位化的過程，需經過 取樣(Sampling) 與 量化(Quantization) 兩步驟。

影像空間座標的數位化，稱為取樣。
影像像素強度的數位化過程，稱為量化。

數位訊號處理領域中，有一個很重要的取樣理論，稱為 Nyquist取樣定理，這個定理的定義如下:

假設原始訊號為頻帶限制訊號，最高頻率為 Fh，取樣頻率為 fs，則能保證原始訊號重建。

上面這個定義看似很抽象，讓我們來看一個實際的例子。以音樂為例，人的聽力範圍大約介在 20Hz ~ 20kHz之間，也就是說，人類可以感知的最高頻率約為Fh = 20kHz,根據Nyquist定理，音樂的取樣至少要大於 40kHz，這樣我們聽到的音樂才會是連續的。

目前的MP3檔案，取樣頻率會預設為44kHz或48kHz，符合Nyquist定理的基本要求。取樣率越高，擷取的數位資訊就越多，更接近原始訊號。

數位影像的取樣，是影像在空間座標的數位化過程。也就是在x軸和y軸取離散樣本，每個離散樣本構成影像的像素。取樣過程中的參數，稱為取樣率，代表空間中擷取的樣本數。取樣率越高，影像解析度也越高，反之亦然。

以印表機為例，解析度定義為每英吋的點數(Dots per Inch, DPI)。雷射印表機的解析度為2400 DPI

數位影像的量化，是指將影像中的像素的強度經過數位化，轉換成0與1的過程。每像素使用的位元數，稱為位元解析度(Bit Resolution)。

灰階影像通常為8-bits，灰階數共256種;色彩影像則為24-bits，共種。

數位影像在不同位元數下的量化會有不同的結果。當灰階數降到3-bits時，影像會出現假輪廓現象，主要發生在灰階的交界處，但其實不是原始影像的真正輪廓。

下圖由左至右依序為原始影像、5-bits、4-bits、3-bits、2-bits、1-bits量化。可以發現到，當位元數越高，表示像素能夠使用的為元素就越多，顏色就越精確。而5-bits以上基本上人眼很難察覺到差異。

關於量化的程式碼，有興趣的讀者可至我的Github參考。那我們今天就到這告一段落，感謝各位!