本篇隶属于文集：《零基础入门音视频开发》，查看文集全部文章，请点击文字链接。
想看最新文章，可以直接关注微信公众号：金架构

上次说到了图像的三个基本属性，只说了一个图像分辨率，下面开始介绍另外两个基本属性。

3.2 第二个属性：像素深度和阿尔法（α）通道

像素深度其实就是，存储每个像素所用的位数（科普：1GB=1024MB 1MB=1024KB 1KB=1024B B俗称字节 1字节等于八位，单位bit）。比如一个用RGB三个分量表示的彩色图像，若每个分量用8位表示，那么一个像素共用24位表示，我们就说图像的像素深度为24位

3.2.1 像素深度的意义

像素深度决定了“彩色图像”的每个像素可能有的颜色数，或者是“灰度图像”的每个像素可能有的灰度级数。比如当像素深度为24位时，那么每个像素可以是16777216（2的24次方）种颜色的一种。

对于追求完美的人估计会说，如果我们提高像素深度，那每个像素能显示的颜色种类不就更多了，图像也就更细腻更自然了。

理论上确实是这样，但是一旦我们提高了像素深度，图像所对应的存储空间也急剧上升。请注意像素深度是表示一个像素所占的空间，对于一幅分辨率为640x480，像素深度为24位的图像，它所占的空间为 640 x 480 x 3 = 921600字节。

而且受到设备和人眼分辨率的限制，像素深度不一定要特别深。普通人在正常情况下，只能识别二百多种颜色，多达一千六百多万种的颜色已然足足够用。

3.2.2 阿尔法（α）通道

假设一幅图像的每个像素，用32位来表示，那么它的最高8位，就称为8位α通道，其余24位是颜色通道，红、绿、蓝分量各占一个8位通道。

3.2.3 α通道的作用

它用于表示像素在对象中的透明度（alpha）。比如用两幅图像A和B混合成一幅新图像，那么新图像C的像素为：C的像素 = （alpha）x（A的像素) + （alpha）x（B的像素) 。式中的alpha就是α的值。

再举个例子，如果一个像素用（A，R，G，B）四个分量表示，A表示α的值，取值0到1。则像素值为（1，1，0，0）时表示红色，并且红色强度为1，可以理解为完全不透明的红色。

如果像素值为（0.5，1，0，0），使用0.5乘R、G、B三个分量，得出（0.5，0.5，0，0），表示红色的强度为0.5，可以理解为红色半透明。

3.3 第三个属性：真彩色、伪彩色和直接色

3.3.1 真彩色

这个应该比较好理解，它是指每个像素的颜色值，用RGB表示的颜色。例如用RGB 5：5：5表示图像颜色，R、G、B各用5位，其值大小，直接确定三个基色的强度。这样得到的彩色，是真实的原图彩色。

3.3.2 伪彩色

它指每个像素的颜色值，不是通过R、G、B三个分量直接确定的，而是通过彩色查找表，查找要显示图像的R、G、B值，以此来生成彩色。

这样解释可能不太好懂，因此我找了个例子。在有伪彩色应用的显示设备中，帧缓存显示图像的时候，会使用某一颜色值的索引，到彩色查找表里，查找对应的RGB分量值。流程图如下

彩色查找表查找显示

这样通过查找得到的彩色是真的，但不是图像本身真正的颜色，它并没有反应原图真正的颜色。因此称为伪彩色

3.3.3 直接色

把每个像素的RGB三个分量，作为单独的索引值对它做变换，并用变换后的R、G、B值产生颜色。注意重点是变换，至于怎么变换，可以先忽略。

4. 图像的种类

图像的种类常分为两种，这里说的种类，并不是指png、jpeg，这是图像的格式，而不是种类。图像的种类是指，表示图像所用的方法。

4.1 位图

在之前的时候，曾多次重复过栅格图像这个概念（因为是写系列文章，所以我不再重复啦）。

在描述一幅图像的时候，作为普通人，我们所认知的图像，多数是比如人物、风景等存在手机里的图片，这样的图像是使用栅格图像的方法来描述的。每幅图像，都由许多像素组成，就像我们小时候玩的拼图。

位图

如果作为普通用户，我们就会想，图像不都是这样嘛，不用一个像素一个像素表示，那要怎么表示呢。

举个例子，我们平常聊天的时候会发表情，而表情可以简单分为符号表情和Emoji表情（图像表情）。符号表情类似为₍₍◡( ╹◡╹ )◡₎₎ ，Emoji表情就不用说了吧。注意观察符号表情，它只是由竖线、半圆或其他几何形状表示。

而在图像的表示法里面，图像的另外一种表示方法，也类似。

4.2 矢量图

矢量图是使用点、线、弧、曲线、多边形或者其他几何形状和位置，来表示图像的一种方法。实际上就是使用各种数学表达式来描述一幅图，然后转化成计算机语音再显示出来。

矢量图

就像描述一个三角形的时候，我们只需要知道三个点，就可以得到一幅图像。

矢量图和位图对比

矢量图（左）和位图（右）

在矢量图表示法中，因为图中的几何形状简称对象，都是使用数学规则来描述的，所以在显示的时候，无论是放大还是缩小，或者移动旋转拷贝，都是比较容易做到的。而且在放大或缩小的时候，图像依然能够保持清晰。

为什么？就拿矩形来说，如果我放大了，矩形的四个点，只是在屏幕上的坐标位置变了下，中间依然是靠线段连接，如左图，图像并不会失真。它并不会像位图那样，放大到最后，会看到图像的像素块，如右图。

而且矢量图在计算机存储的时候，存储的是数学规则，并且可以把类似的图形做统一处理，所以在文件大小方面较好掌控。而位图则是把每个像素都存起来，图像分辨率高、像素深度深的时候，占的空间会比较大。

那为什么我们手机里的图像，还是位图呢？

第一点，这是因为，真实世界里的景象纷杂无序，很难用规则的几何图形去表达。

第二点，是因为，真实世界里色彩纷杂，颜色变化阴暗透明起承转合，如果几何图形再加上颜色变化，难上加难。

所以总结起来，位图较多用来描述风景、人物，等不规则且色彩丰富的图像。而矢量图因为它无限放大而不失真的特性，在一些文字设计、标志设计方面应用广泛。

5. 灰度图和彩色图像

5.1 灰度图

这两种比较好理解，灰度图就是只有明暗像素，没有彩色像素组成的图像。就像我们小时候看的黑白电视。

再细分下去，当只有黑白两种颜色时的图像，称为单色图像。这样一来，它的每个像素的像素值，用一位（一个比特位/bit）来存储，值为”0“或”1“，像素点非黑即白。

而一个标准的灰度图，一个像素用一个字节（8位）表示，这样每个像素的值就可以为，0~255（二的八次方）之间的任意值，称为256级灰度。当图像的分辨率为640X480的时候，它的存储空间为300KB（640*480/1024）。

下图是标准单色图和标准灰度图的对比。

标准单色图和标准灰度图的对比

5.2 彩色图像

现在看到这个词应该很熟悉吧，说一下它的特性会更熟悉。彩色图像的每个像素，包含了图像的颜色信息。

在划分彩色图像的时候，一般用颜色的数目来划分。比如：

256色图像：它是指像素的R、G、B三个值，用一个字节来表示，这样一个像素点可能的颜色值，就为256（二的八次方）色之一。

真彩色图像：每个像素的R、G、B值，分别用一个字节来表示。这样一个像素点可能的颜色值，就为1677万（二的二十四次方）多色之一。这里的真彩色图像，相对于图像（一）中，又多了一层含义。它表示了这种图像，达到了人眼分辨率的极限，反应了原图的真实色彩。故称为真彩色。当图像的分辨率为640X480时，它的存储空间为900KB（6404803/1024）。

6. 伽马矫正

这个词应该很多人都听过，即使不是专业人士，也可能早有耳闻。

在很多教材中，说之所以有伽马矫正这个东西，是因为摄像机或手机的摄像头，在采集自然界图像的时候，光的摄入和摄像机电压的转换，并不是线性的。

而在显示的时候，CRT发射的光的强度，和它的输入电压也不是线性的。

这样就会导致，从采集的一幅图像，到存储成图像文件，再到读出图像文件，在显示器上显示的时候，我们看到的显示出来的图像，并不是最开始采集的图像。

为了解决这个问题，就有了伽马矫正这个东西。

它在采集和显示图像的时候，分别进行矫正，以达到还原原始场景的目的。

在伽马矫正这个问题上，讨论很多，知乎上有一个高票答案，讨论关于广义的伽马矫正，有兴趣的朋友可以看下，真的很有趣，链接如下：

https://www.zhihu.com/question/27467127

7. 图像的压缩编码

具体的压缩编码后面再讲，这里只粗略讲一下，为啥要进行压缩编码。

恩，如果不进行压缩编码，图像会很大，完全不利于网络传输。而且普通人只能分辨二百多种颜色，多了也看不出来，所以1677万完全浪费。

所以后来就有了JPEG压缩编码，注意这里说的JPEG，是指一种图像数据的压缩编码标准，并不是JPEG格式。

什么是格式，什么是标准

标准是指，在压缩图像数据的时候，该采用什么算法、怎样的流程去压缩，注意目的是怎么压缩。

而格式是指，存放使用JPEG标准压缩的图像文件格式。

8. 图像的文件格式

自从图像进入计算机以来，已经开发出了很多种图像文件存储格式，而且互不兼容。有些不兼容的格式，使用起来很不方便，需要使用特定的软件，因此有些格式也在逐渐被淘汰。

目前流行的图像格式为：GIF、JPEG、PNG。

具体他们之间有什么区别，又是如何产生，有何渊源，等用到的时候再写，用不到就自动忽略了~~~