數位影像

數位影像是一格一格的數字陣列，用來代表一張圖。底片照片是銀鹽顆粒的連續塗布，而數位影像則被離散化了兩次：在空間上（場景被切成有限多個像素位置的陣列）以及在數值上（每個像素所量測到的光被四捨五入到有限多個等級）。結果是一張你可以精確儲存、複製與運算的表格，往後的處理不再因傳遞而額外損失。

嚴格來說，灰階數位影像是一個定義在有限整數網格上的函數 I(x, y)，把每個像素座標對應到一個強度——也就是一個二維數字矩陣。彩色影像是這種矩陣的堆疊，每個通道一張，因此天然是一個三維陣列（高 x 寬 x 通道數），在現代視覺程式中常稱為張量（tensor）。影片再加上一條時間軸，成為「高 x 寬 x 通道 x 幀」。因此任何數位影像的兩項要素都是：空間座標（取樣落在何處）以及該位置上所儲存的數值（光有多強、是什麼顏色）。

正是這種「就是一堆數字」的觀點使電腦視覺成為可能：從模糊化、邊緣偵測，到執行卷積網路（CNN）或視覺 Transformer（ViT），每一個運算都是對這些數字做算術。ResNet 並沒有「看到」一隻貓；它是透過學到的濾波器，對像素值做乘加運算。把這個抽象想清楚——影像是定義在網格上、經過取樣與量化的函數——就能釐清為何取樣率、位元深度與色彩空間都會改變下游演算法所能還原的內容。