像素：图像的基本构成单位

像素是理解计算机如何处理图像的最基本层面。暂时忘却你眼睛感知到的连续场景。从计算机的角度看，数字图像不是一张平滑的图片，而是一组由微小、独立的颜色或强度点组成的集合。这些点中的每一个都称为像素，它是“图像元素”（picture element）的缩写。

可以把数字图像想象成一个由微小、大小一致的方形瓷砖组成的巨型马赛克，或者像绘图纸上的网格。这个网格中的每个方格都代表一个像素。它是屏幕上显示或内存中存储的图片中最小的可控制元素。

像素的定义是什么？

图像中的每个像素都具有两个主要特征：

1. 位置：就像在绘图纸上找到一个方格一样，每个像素在图像网格中都有一个特定的位置。这个位置通常由坐标定义，典型的是 (x, y) 或 (行, 列) 对。通常，在许多图像处理库中，坐标系以图像的左上角为起点，x轴向右，y轴向下。因此，最左上角的像素的坐标是 (0, 0)。
2. 值：每个像素还持有一个值（有时是多个值），用于描述其外观，特别是其颜色或亮度。

想象一下，将一张数码照片放大到极致，直到你无法再看到清晰的物体，而只能看到一个个颜色均匀的方块。这些方块就是像素。

图像作为像素网格的简化表示。每个单元格都有一个位置（行、列）和一个决定其外观的值。

像素与图像结构

计算机最初不会“看到”图像中的猫或某个区域。它看到的是一个由数字组成的大型二维数组（网格或矩阵）。这个网格中的每个数字都对应着特定位置像素的值。

例如，一个简单的灰度（黑白）图像可以表示为一个网格，其中每个像素都有一个指示其强度的单值，通常范围从0（黑色）到255（白色）。

考虑一个微小的3x3灰度图像：

位置 (行, 列)	像素值 (强度)
(0, 0)	50
(0, 1)	65
(0, 2)	80
(1, 0)	100
(1, 1)	115
(1, 2)	130
(2, 0)	155
(2, 1)	170
(2, 2)	185

对计算机而言，这个图像只是一个数字网格：

$$\begin{bmatrix} 50 & 65 & 80 \\ 100 & 115 & 130 \\ 155 & 170 & 185 \end{bmatrix}$$

这种基于网格的数值结构是基础。它使得计算机能够使用数学运算轻松存储、访问和处理图像数据。诸如改变亮度之类的操作可能涉及向每个像素添加一个常数值，而更复杂的任务则涉及分析这些数值中的模式。

理解图像由像素组成，每个像素都有一个位置和一个值，这是理解图像处理和计算机视觉算法如何运作的第一步。我们将在的基础上，学习这些像素值如何表示颜色以及我们如何操作它们。