相信大家一定都有這種經驗。

把一張照片一直放大、一直放大，最後會發現圖片開始變得模糊，甚至可以看到一格一格的小方塊。

以前看到這個現象，第一個直覺就是：「喔解析度太低了。」

但仔細想想，其實還有很多問題沒有回答。

那些一格一格的小方塊到底是什麼？

我們都知道的解析度，又到底代表什麼？

還有我們常聽到的 8-bit、24-bit、Color Depth 又是在描述什麼？

這些名詞常常一起出現，搞得頭都昏了。

所以今天想說把它們整理在一起來探討。

Pixel：影像最小的單位

Pixel（像素）可以想成一張圖片最小的組成單位。

如果把一張圖片放大到足夠大，就可以看到很多一格一格的小方塊，而每一個小方塊，就是一個 Pixel。

對電腦來說，每個 Pixel 都會記錄一些數值。

如果是灰階圖片，它可能只需要一個數值，例如：

120

代表這個位置的亮度。

如果是彩色圖片，就需要三個數值：

R = 255
G = 128
B = 32

代表這個 Pixel 的紅、綠、藍三個通道。

因此，一張圖片其實就是：

很多很多 Pixel 排列成一個矩陣。

實作：用 NumPy 建立一張只有 5×5 的圖片

知道圖片是怎麼組成之後，我們就可以自己建立一張超小的灰階圖片。

import numpy as np
import matplotlib.pyplot as plt

img = np.array([
    [0,  64, 128, 192, 255],
    [0,  64, 128, 192, 255],
    [0,  64, 128, 192, 255],
    [0,  64, 128, 192, 255],
    [0,  64, 128, 192, 255]
], dtype=np.uint8)

plt.imshow(img, cmap="gray")
plt.axis("off")
plt.show()

來看一下跑出來的結果：

雖然只有 25 個 Pixel，但它已經是一張合法的圖片。

如果把它放大來看，就會很明顯看到一格一格的樣子。

Resolution：圖片到底有多少 Pixel？

當我們說：

「這張圖片是 1920 × 1080」

真正代表的是：

• 水平方向有 1920 個 Pixel
• 垂直方向有 1080 個 Pixel

因此整張圖片共有：

1920 × 1080 = 2,073,600 Pixels

也就是大約 207 萬個 Pixel。

所以 Resolution 並不是在描述圖片有多大，而是在描述圖片包含多少個 Pixel。

Pixel 越多，通常可以呈現越多細節。

實作：比較不同 Resolution

下面建立三張不同大小的圖片。

sizes = [32, 128, 512]

fig, axes = plt.subplots(1, 3, figsize=(9,3))

for ax, size in zip(axes, sizes):
    img = np.random.randint(0, 256, (size, size), dtype=np.uint8)
    ax.imshow(img, cmap="gray")
    ax.set_title(f"{size}×{size}")
    ax.axis("off")

plt.show()

跑出來應改長這樣：

如果只是看原始圖片，可能不容易感受到差異。

但把它們放大之後，高解析度的圖片通常會保留更多細節。

Color Depth：每個 Pixel 可以記錄多少資訊？

如果 Pixel 是圖片的格子，那 Color Depth 就是每個格子可以存放多少資訊。

最常見的是 8-bit。

8-bit 可以表示：

2^8 = 256

也就是：

0 ~ 255

因此灰階圖片通常都是：

• 0：黑色
• 255：白色
• 中間代表不同亮度

如果是 RGB 彩色圖片。

每個通道都是 8-bit。

因此：

R：256 種

G：256 種

B：256 種

總共可以表示：

256 × 256 × 256 = 16,777,216 種顏色

也就是常見的 24-bit True Color。

實作：觀察不同 Color Depth

下面的程式碼會建立一張漸層圖片。

gradient = np.linspace(0, 255, 256, dtype=np.uint8)
gradient = np.tile(gradient, (50, 1))

plt.imshow(gradient, cmap="gray")
plt.axis("off")
plt.show()

接著把它降低成只有 4-bit。

img_4bit = (gradient // 16) * 16

plt.imshow(img_4bit, cmap="gray")
plt.axis("off")
plt.show()

可以發現漸層開始變得不連續。

這就是 Color Depth 降低之後，能表示的亮度變少所造成的現象。

今日總結

今天我們整理了三個很容易混在一起的名詞。

• Pixel：組成圖片最小的單位。
• Resolution：圖片包含多少個 Pixel。
• Color Depth：每個 Pixel 能記錄多少資訊。

這三個概念很基礎，後面不管是影像處理、Computer Vision，甚至深度學習，都會一直遇到它們。

下一篇，我想來整理另一組也很常一起出現的名詞：

RGB、Gray 與 HSV。