欢迎来到数据表示：图像表示！

你好，未来的计算机科学家们！本章将带你揭开计算机的神秘面纱，了解它是如何通过仅仅能识别 0 和 1（二进制）的底层逻辑，展现出精美且复杂的图像的。

别担心数学或物理不是你的强项——我们将把图像表示拆解成简单的构建模块。学完这一节，你将掌握存储任何数字图像所需的三个核心要素：像素 (Pixels)、分辨率 (Resolution) 和 色彩深度 (Colour Depth)。

关键点：为什么这很重要？

理解图像表示至关重要，因为它直接影响文件大小和图像质量。这些知识能帮助我们计算存储需求，这是计算机科学领域的一项核心技能。

1. 位图与像素：数字图像的基石

当计算机存储一张照片时，它并不是在存储场景本身，而是在存储一张巨大的“地图”，用来描述构成图片的每一个微小点。这种图像类型被称为位图 (Bitmap)（即“位”的地图）。

类比：方格纸绘图

想象一下，如果你只能用方格纸来临摹一幅名画，你会给每一个小方格填上颜色，直到整幅画呈现出来。数字位图的工作原理正是如此。

什么是像素？

数字图像中最小的组成单位被称为像素 (Pixel)（是 Picture Element 的缩写）。

  • 像素是一个单一、微小且颜色均匀的小方块（或点）。
  • 每个像素都被分配了一个二进制代码（由 0 和 1 组成的序列），告诉计算机它应该显示什么颜色。
  • 计算机读取这张“地图”（位图），并根据存储的二进制代码设置屏幕上对应像素的显示。

小测试： 如果你在手机或电脑屏幕上将照片无限放大，你最终会看到一个个独立的小方块——这就是像素！

快速回顾：位图 vs. 像素

位图 (Bitmap)： 所有像素组成的整体网格或地图。
像素 (Pixel)： 网格中单个带颜色的点。

2. 分辨率：网格的大小

决定图像质量和文件大小的第一个因素是分辨率 (Resolution)。

分辨率指的是用于创建图像的像素总数。它通常表示为“宽度 × 高度”。

计算分辨率

如果一张图像横向有 1200 个像素（宽），纵向有 800 个像素（高），那么它的分辨率就是 1200 x 800。

要找到图像的像素总数，只需将宽度乘以高度即可：
像素总数 = 宽度 x 高度
示例： \(1200 \times 800 = 960,000\) 个像素。

分辨率的影响

  • 高分辨率： 意味着图像拥有更多的像素，从而带来更丰富的细节和清晰度（图像更锐利）。
  • 低分辨率： 意味着像素较少。如果你试图在大屏幕上显示一张低分辨率图像，像素就会变得显眼（使图像看起来有“马赛克感”或像素化）。
  • 文件大小： 更高的分辨率需要存储更多的像素数据，从而导致文件体积更大。

不必担心！ 当人们提到屏幕是“全高清 1080p”时，他们指的是分辨率为 1920 像素（宽）乘以 1080 像素（高）。这可是超过 200 万个像素！

3. 色彩深度：定义每个点的颜色

我们已经知道像素是单个彩色点，但计算机如何知道它是哪种颜色呢？这由色彩深度 (Colour Depth)决定。

什么是色彩深度（每像素位数 - BPP）？

色彩深度是用于存储单个像素颜色信息的位数 (bits)。它有时也被称为每像素位数 (Bits Per Pixel, BPP)。

由于一个位只能是 0 或 1，使用更多的位数可以创建更多的组合，从而表示更多的颜色。

计算可用颜色数量

可以表示的颜色数量计算公式为：
颜色数量 = \(2^{\text{色彩深度 (单位：位)}}\)

色彩深度的分步示例

让我们看看增加 BPP 如何显著增加颜色选择：

示例 1：1-位 色彩深度
  • BPP： 1 位
  • 计算： \(2^1 = 2\) 种颜色
  • 结果： 该图像只能显示 2 种颜色（通常是黑与白）。
示例 2：8-位 色彩深度
  • BPP： 8 位
  • 计算： \(2^8 = 256\) 种颜色
  • 结果： 这在老式电脑游戏中很常见。它允许有限的色彩范围，但不足以达到照片级的画质。
示例 3：24-位 色彩深度（真彩色）
  • BPP： 24 位
  • 计算： \(2^{24} = 16,777,216\) 种颜色（约 1670 万色）
  • 结果： 这被称为真彩色 (True Colour)。由于人眼只能分辨约 1000 万种颜色，24 位色彩深度被认为是照片级的，是现代数码摄影和显示器的标准。

记忆口诀： 较高的每像素位数 (BPP) = 更深的色彩 = 更好的画质 = 更大的文件体积。

你知道吗？ 24-位色彩深度是通过为光的三原色（红、绿、蓝，即 RGB）各分配 8 位来实现的。\(8 \text{ bits } + 8 \text{ bits } + 8 \text{ bits } = 24 \text{ bits}\)。

4. 计算图像文件大小

现在，我们将分辨率和色彩深度结合起来，计算未压缩的文件大小（以位、字节、KB 或 MB 为单位）。

核心公式

文件大小（以位为单位） = 像素总数 \(\times\) 色彩深度 (BPP)

分步计算过程

请遵循以下四个关键步骤来准确计算文件大小：

第 1 步：计算像素总数（分辨率）

将图像宽度乘以高度。
示例： 一张图像宽 400 像素，高 300 像素。
\(400 \times 300 = 120,000\) 个像素

第 2 步：计算总位数（以位为单位的文件大小）

将像素总数乘以色彩深度 (BPP)。
示例： 上述图像的色彩深度为 8 位 (8 BPP)。
\(120,000 \times 8 = 960,000\) 位

第 3 步：将位转换为字节

由于 8 位等于 1 字节，将总位数除以 8。
\(960,000 \div 8 = 120,000\) 字节

第 4 步：转换为千字节 (KB) 或兆字节 (MB)

对于大文件，我们将其转换为更大的单位。请记住存储计算规则：
\(1 \text{ 千字节 (KB)} = 1024 \text{ 字节}\)
\(1 \text{ 兆字节 (MB)} = 1024 \text{ KB}\)

将第 3 步的结果（120,000 字节）转换为千字节 (KB)：
\(120,000 \div 1024 \approx 117.19\) KB

🚨 常见错误警告 🚨

在计算机科学中，将字节转换为 KB、KB 转换为 MB 等时，请始终记得除以 1024（而不是 1000），因为这是二进制单位换算！

计算总结

计算文件大小可以体现出画质与存储空间之间的权衡：

  • 如果你将分辨率翻倍（例如，从 400x300 变为 800x600），像素总数会变为原来的 4 倍，文件大小也会变为原来的 4 倍。
  • 如果你将色彩深度翻倍（例如，从 8 BPP 变为 16 BPP），文件大小会翻倍。

这就解释了为什么高分辨率、高色彩的图片在手机上会占用如此多的空间！

本章要点总结
  • 数字图像以位图形式存储，由单个像素网格组成。
  • 分辨率（宽 x 高）决定了像素的总数量。
  • 色彩深度 (BPP) 决定了每个像素使用的位数，从而影响色彩保真度（颜色数量 = \(2^{\text{BPP}}\)）。
  • 文件大小（位） = 分辨率 \(\times\) 色彩深度。
  • 单位换算：8 位 = 1 字节；1024 字节 = 1 KB。

你已经掌握了计算机如何查看和存储图像！干得好！现在你已经准备好挑战数据计算的练习题了。