上一篇我們準備好了 Google Colab，接下來終於可以開始接觸圖片了，當我們看到一張皮膚病灶照片時，可以直接看出它的顏色、形狀、大小，但對電腦來說，一張圖片其實是由大量的 Pixel（像素） 和數字所組成

所以在開始訓練 AI 之前，我們先來看看一張圖片在電腦眼中到底長什麼樣子呢？

一、什麼是 Pixel？

Pixel 中文叫做「像素」，是組成數位圖片的基本單位，我們平常看到的圖片看起來是一個完整的畫面，但如果把圖片一直放大，就會慢慢看到一格一格的小方塊，每一個小方塊，就是一個 Pixel

我們可以把它想成拼圖，是由很多很小的 Pixel 拼在一起，最後就形成了我們看到的圖片

例如一張圖片有：600 × 450 Pixel
代表這張圖片：

• Width（寬度）有 600 個 Pixel
• Height（高度）有 450 個 Pixel

所以整張圖片總共有：600 × 450 = 270,000 個 Pixel
也就是說，我們看到的一張小小照片，其實已經是由 27 萬個 Pixel 組成的。

二、Width、Height 和 Resolution 是什麼？

圖片最常看到的資訊之一，例如 600 × 450，前面的數字通常代表 Width（寬度），後面的數字代表 Height（高度），也就是：

• Width = 600 px
• Height = 450 px
  px 就是 Pixel 的縮寫

而我們常聽到的 Resolution（解析度），在數位圖片的情境中，常會用圖片的像素尺寸來描述，例如 600 × 450，通常 Pixel 數量越多，圖片能保留的細節也越多，但同時需要處理的資料量也會增加

這件事之所以重要，是因為如果我們把很大的圖片直接交給 AI，當圖片越大、Pixel 越多 就代表要處理的數字也越多，所以之後在 Image Preprocessing 時，常常會先把圖片 Resize 成固定大小

三、電腦看到的 Pixel 是什麼？

接下來就是最重要的地方，我們看到的是一張皮膚病灶圖片，但是電腦並不知道「這是一個病灶」，它看到的是很多數字，先用比較簡單的灰階圖片來理解，假設有一張只有 3 × 3 Pixel 的圖片
52 61 70
63 75 90
80 95 110

這其實就是一個3 × 3的數字矩陣，每一個數字代表一個 Pixel 的亮度，一般 8-bit 灰階圖片的數值會落在 0 ～ 255，其中：
0 = 黑色
255 = 白色

中間的數字則代表不同程度的灰色，所以，圖片其實可以用一堆數字表示，這也是為什麼電腦可以對圖片進行計算

四、那彩色圖片呢？

HAM10000 裡的皮膚病灶圖片是彩色圖片，所以情況會再多一層，彩色圖片通常會使用三個 Channel（通道）：

• R = 紅色
• G = 綠色
• B = 藍色

也就是我們常聽到的 RGB，所以一個 Pixel 不再只有一個數字，而是可以用三個數字表示，例如：[255, 0, 0]，代表：R = 255、G = 0、B = 0，看起來就是紅色，透過不同數值的組合，就可以產生我們看到的各種顏色

至於 RGB 三個 Channel 到底是怎麼組成一張彩色圖片的，我們下一篇會實際把它們拆開來看

五、所以一張圖片其實是一個「多維陣列」

現在把前面的概念組合起來，假設我們有一張彩色圖片：Width = 600、Height = 450、Channel = 3

在程式裡，它可能會看到類似(450, 600, 3)，這個東西通常稱為圖片的 Shape，所以我們眼中的「一張皮膚病灶照片」，到了電腦裡，其實比較接近 450 × 600 × 3 的數值資料

六、實際用Colab看一張圖片

資料集: https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import os

# HAM10000 圖片資料夾
image_folder = "/kaggle/input/skin-cancer-mnist-ham10000/HAM10000_images_part_1"

# 找出所有 jpg 圖片
image_files = [
    file for file in os.listdir(image_folder)
    if file.endswith(".jpg")
]
# 取得第一張圖片
image_path = os.path.join(image_folder, image_files[0])
# 讀取圖片
img = Image.open(image_path)
# 將圖片轉成 NumPy Array
img_array = np.array(img)
# 顯示圖片
plt.imshow(img)
plt.axis("off")
plt.show()
# 顯示圖片資訊
print("圖片名稱：", image_files[0])
print("圖片尺寸 (Width, Height)：", img.size)
print("圖片 Shape (Height, Width, Channel)：", img_array.shape)
print("左上角 Pixel RGB：", img_array[0, 0])
print(img_array)

實際從 HAM10000 資料集中取出一張圖片後，可以看到這張圖片的尺寸為 600 × 450 Pixel，也就是 Width 有 600 個 Pixel、高度 Height 有 450 個 Pixel，整張圖片總共由 270,000 個 Pixel 組成

當我們將圖片轉換成 NumPy Array 後，可以看到它的 Shape 為 (450, 600, 3)，分別代表 Height、Width、Channel，最後的 3 代表這是一張彩色圖片，每個 Pixel 都包含 R（Red）、G（Green）、B（Blue） 三個數值
例如圖片左上角第一個 Pixel 的 RGB 為 [214, 153, 152]，代表 Red = 214、Green = 153、Blue = 152，三個數值組合後，就形成了我們看到的顏色

因此，我們眼中看到的是一張完整的皮膚病灶照片，但對電腦來說，這張圖片其實是一個 450 × 600 × 3 的數值陣列。他會從從這些 Pixel 的數值開始處理圖片，下一篇就會繼續看看，每個 Pixel 裡的 R、G、B 三個 Channel 到底代表什麼，以及它們是怎麼組合成一張彩色圖片的