上次說到了圖像的三個基本屬性，隻說了一個圖像分辨率，下面開始介紹另外兩個基本屬性。
3.2 第二個屬性：像素深度和阿爾法（α）通道
像素深度其實就是，存儲每個像素所用的位數（科普：1GB=1024MB 1MB=1024KB 1KB=1024B B俗稱位元組 1位元組等于八位，機關bit）。比如一個用RGB三個分量表示的彩色圖像，若每個分量用8位表示，那麼一個像素共用24位表示，我們就說圖像的像素深度為24位
3.2.1 像素深度的意義
像素深度決定了“彩色圖像”的每個像素可能有的顔色數，或者是“灰階圖像”的每個像素可能有的灰階級數。比如當像素深度為24位時，那麼每個像素可以是16777216（2的24次方）種顔色的一種。
對于追求完美的人估計會說，如果我們提高像素深度，那每個像素能顯示的顔色種類不就更多了，圖像也就更細膩更自然了。
理論上确實是這樣，但是一旦我們提高了像素深度，圖像所對應的存儲空間也急劇上升。請注意像素深度是表示一個像素所占的空間，對于一幅分辨率為640x480，像素深度為24位的圖像，它所占的空間為 640 x 480 x 3 = 921600位元組。
而且受到裝置和人眼分辨率的限制，像素深度不一定要特别深。普通人在正常情況下，隻能識别二百多種顔色，多達一千六百多萬種的顔色已然足足夠用。
3.2.2 阿爾法（α）通道
假設一幅圖像的每個像素，用32位來表示，那麼它的最高8位，就稱為8位α通道，其餘24位是顔色通道，紅、綠、藍分量各占一個8位通道。
3.2.3 α通道的作用
它用于表示像素在對象中的透明度（alpha）。比如用兩幅圖像A和B混合成一幅新圖像，那麼新圖像C的像素為：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。
再舉個例子，如果一個像素用（A，R，G，B）四個分量表示，A表示α的值，取值0到1。則像素值為（1，1，0，0）時表示紅色，并且紅色強度為1，可以了解為完全不透明的紅色。
如果像素值為（0.5，1，0，0），使用0.5乘R、G、B三個分量，得出（0.5，0.5，0，0），表示紅色的強度為0.5，可以了解為紅色半透明。
3.3 第三個屬性：真彩色、僞彩色和直接色
3.3.1 真彩色
這個應該比較好了解，它是指每個像素的顔色值，用RGB表示的顔色。例如用RGB 5：5：5表示圖像顔色，R、G、B各用5位，其值大小，直接确定三個基色的強度。這樣得到的彩色，是真實的原圖彩色。
3.3.2 僞彩色
它指每個像素的顔色值，不是通過R、G、B三個分量直接确定的，而是通過彩色查找表，查找要顯示圖像的R、G、B值，以此來生成彩色。
這樣解釋可能不太好懂，是以我找了個例子。在有僞彩色應用的顯示裝置中，幀緩存顯示圖像的時候，會使用某一顔色值的索引，到彩色查找表裡，查找對應的RGB分量值。流程圖如下
彩色查找表查找顯示
這樣通過查找得到的彩色是真的，但不是圖像本身真正的顔色，它并沒有反應原圖真正的顔色。是以稱為僞彩色
3.3.3 直接色
把每個像素的RGB三個分量，作為單獨的索引值對它做變換，并用變換後的R、G、B值産生顔色。注意重點是變換，至于怎麼變換，可以先忽略。
4、圖像的種類
圖像的種類常分為兩種，這裡說的種類，并不是指png、jpeg，這是圖像的格式，而不是種類。圖像的種類是指，表示圖像所用的方法。
4.1 位圖
在之前的時候，曾多次重複過栅格圖像這個概念（因為是寫系列文章，是以我不再重複啦）。
在描述一幅圖像的時候，作為普通人，我們所認知的圖像，多數是比如人物、風景等存在手機裡的圖檔，這樣的圖像是使用栅格圖像的方法來描述的。每幅圖像，都由許多像素組成，就像我們小時候玩的拼圖。
位圖
如果作為普通使用者，我們就會想，圖像不都是這樣嘛，不用一個像素一個像素表示，那要怎麼表示呢。
舉個例子，我們平常聊天的時候會發表情，而表情可以簡單分為符号表情和Emoji表情（圖像表情）。符号表情類似為₍₍◡( ╹◡╹ )◡₎₎ ，Emoji表情就不用說了吧。注意觀察符号表情，它隻是由豎線、半圓或其他幾何形狀表示。
而在圖像的表示法裡面，圖像的另外一種表示方法，也類似。
4.2 矢量圖
矢量圖是使用點、線、弧、曲線、多邊形或者其他幾何形狀和位置，來表示圖像的一種方法。實際上就是使用各種數學表達式來描述一幅圖，然後轉化成計算機語音再顯示出來。
矢量圖
就像描述一個三角形的時候，我們隻需要知道三個點，就可以得到一幅圖像。
矢量圖和位圖對比
矢量圖（左）和位圖（右）
在矢量圖表示法中，因為圖中的幾何形狀簡稱對象，都是使用數學規則來描述的，是以在顯示的時候，無論是放大還是縮小，或者移動旋轉拷貝，都是比較容易做到的。而且在放大或縮小的時候，圖像依然能夠保持清晰。
為什麼？就拿矩形來說，如果我放大了，矩形的四個點，隻是在螢幕上的坐标位置變了下，中間依然是靠線段連接配接，如左圖，圖像并不會失真。它并不會像位圖那樣，放大到最後，會看到圖像的像素塊，如右圖。
而且矢量圖在計算機存儲的時候，存儲的是數學規則，并且可以把類似的圖形做統一處理，是以在檔案大小方面較好掌控。而位圖則是把每個像素都存起來，圖像分辨率高、像素深度深的時候，占的空間會比較大。
那為什麼我們手機裡的圖像，還是位圖呢？
第一點，這是因為，真實世界裡的景象紛雜無序，很難用規則的幾何圖形去表達。
第二點，是因為，真實世界裡色彩紛雜，顔色變化陰暗透明起承轉合，如果幾何圖形再加上顔色變化，難上加難。
是以總結起來，位圖較多用來描述風景、人物，等不規則且色彩豐富的圖像。而矢量圖因為它無限放大而不失真的特性，在一些文字設計、标志設計方面應用廣泛。
5、灰階圖和彩色圖像
5.1 灰階圖
這兩種比較好了解，灰階圖就是隻有明暗像素，沒有彩色像素組成的圖像。就像我們小時候看的黑白電視。
再細分下去，當隻有黑白兩種顔色時的圖像，稱為單色圖像。這樣一來，它的每個像素的像素值，用一位（一個比特位/bit）來存儲，值為”0“或”1“，像素點非黑即白。
而一個标準的灰階圖，一個像素用一個位元組（8位）表示，這樣每個像素的值就可以為，0~255（二的八次方）之間的任意值，稱為256級灰階。當圖像的分辨率為640X480的時候，它的存儲空間為300KB（640*480/1024）。
下圖是标準單色圖和标準灰階圖的對比。
标準單色圖和标準灰階圖的對比
5.2 彩色圖像
現在看到這個詞應該很熟悉吧，說一下它的特性會更熟悉。彩色圖像的每個像素，包含了圖像的顔色資訊。
在劃分彩色圖像的時候，一般用顔色的數目來劃分。比如：
256色圖像：它是指像素的R、G、B三個值，用一個位元組來表示，這樣一個像素點可能的顔色值，就為256（二的八次方）色之一。
真彩色圖像：每個像素的R、G、B值，分别用一個位元組來表示。這樣一個像素點可能的顔色值，就為1677萬（二的二十四次方）多色之一。這裡的真彩色圖像，相對于圖像（一）中，又多了一層含義。它表示了這種圖像，達到了人眼分辨率的極限，反應了原圖的真實色彩。故稱為真彩色。當圖像的分辨率為640X480時，它的存儲空間為900KB（6404803/1024）。
6、伽馬矯正
這個詞應該很多人都聽過，即使不是專業人士，也可能早有耳聞。
在很多教材中，說之是以有伽馬矯正這個東西，是因為錄影機或手機的攝像頭，在采集自然界圖像的時候，光的攝入和錄影機電壓的轉換，并不是線性的。
而在顯示的時候，CRT發射的光的強度，和它的輸入電壓也不是線性的。
這樣就會導緻，從采集的一幅圖像，到存儲成圖像檔案，再到讀出圖像檔案，在顯示器上顯示的時候，我們看到的顯示出來的圖像，并不是最開始采集的圖像。
為了解決這個問題，就有了伽馬矯正這個東西。
它在采集和顯示圖像的時候，分别進行矯正，以達到還原原始場景的目的。
在伽馬矯正這個問題上，讨論很多，知乎上有一個高票答案，讨論關于廣義的伽馬矯正，有興趣的朋友可以看下，真的很有趣，連結如下：
https://www.zhihu.com/question/27467127
7、圖像的壓縮編碼
具體的壓縮編碼後面再講，這裡隻粗略講一下，為啥要進行壓縮編碼。
恩，如果不進行壓縮編碼，圖像會很大，完全不利于網絡傳輸。而且普通人隻能分辨二百多種顔色，多了也看不出來，是以1677萬完全浪費。
是以後來就有了JPEG壓縮編碼，注意這裡說的JPEG，是指一種圖像資料的壓縮編碼标準，并不是JPEG格式。
什麼是格式，什麼是标準
标準是指，在壓縮圖像資料的時候，該采用什麼算法、怎樣的流程去壓縮，注意目的是怎麼壓縮。
而格式是指，存放使用JPEG标準壓縮的圖像檔案格式。
8、圖像的檔案格式
自從圖像進入計算機以來，已經開發出了很多種圖像檔案存儲格式，而且互不相容。有些不相容的格式，使用起來很不友善，需要使用特定的軟體，是以有些格式也在逐漸被淘汰。
目前流行的圖像格式為：GIF、JPEG、PNG。
具體他們之間有什麼差別，又是如何産生，有何淵源，等用到的時候再寫，用不到就自動忽略了~~~