图像处理的基本知识

图像处理的基础知识随着科技的飞速发展，图像处理在我们的生活中变得越来越普遍。

无论是在社交媒体上发布照片，还是在医学诊断中使用CT扫描，图像处理技术都在起到重要的作用。

那么，什么是图像处理？它又包括哪些基础知识？本文将为您揭秘。

图像处理是指对数字图像进行操作和改进的过程，其目的是获得更好的图像质量或从图像中提取出特定的信息。

而这个过程主要涉及三个方面：图像获取、图像增强和图像分析。

首先，图像获取是指通过摄像头、扫描仪或其他设备获取图像。

在获取图像的过程中，我们需要考虑到光线、传感器的质量、图像的分辨率等因素。

光线的强弱和角度会直接影响图像的清晰度和色彩鲜明度。

传感器的质量决定了图像的噪声水平和细节表现能力。

而图像的分辨率则决定了图像中所包含的信息量大小。

其次，图像增强是指通过调整图像的亮度、对比度、色彩平衡等参数来改善图像的质量。

这是在保持图像的真实性的前提下，尽可能地使图像更接近于我们所期望的结果。

例如，在一张夜晚拍摄的照片中，由于环境光线的不足，图像可能过暗。

此时，我们可以通过增加图像的亮度和对比度来增强图像的可见度。

图像增强的另一个重要应用是去除图像中的噪声。

噪声是在图像获取过程中引入的不希望出现的随机信号，它会使得图像模糊不清或者细节不清晰。

通过滤波方法，我们可以有效地去除图像中的噪声，以获得更清晰、更细节丰富的图像。

最后，图像分析是将对图像中的内容进行解释，通过对图像中的特征进行提取和识别来给予相应的判断和决策。

图像分析可以应用于许多领域，如医学、安全监控、机器视觉等。

以医学图像为例，通过图像分析可以帮助医生诊断病情。

医生可以通过CT扫描的图像分析，获得患者脑部的详细结构图像，以更好地了解病情和制定治疗方案。

图像处理还包括多个分支领域，如图像压缩、图像恢复和图像合成等。

图像压缩是指减少图像文件的存储空间，以便更好地存储和传输图像。

图像恢复是指通过对破坏或损坏的图像进行处理，尽可能地使其恢复到原始状态。

图像处理知识点总结图像处理是一门涉及到数字图像和计算机图像的处理与分析技术的学科，它在工程、科学、医学、艺术和其他领域中都有着广泛的应用。

图像处理技术在计算机视觉、模式识别、图像合成、图像压缩、图像分割、图像识别等领域起着至关重要的作用。

本文将从基础概念、图像获取、图像增强、图像压缩、图像分割、图像识别等方面对图像处理的相关知识点进行总结。

一、基础概念1.1 图像的定义图像是一种用于表示事物或场景的视觉信息，通常以数字形式存在，是由大量的像素点组成的。

每个像素点记录了图像中某个点的亮度和颜色信息。

1.2 图像的表示图像可以使用灰度图或彩色图来表示。

灰度图是由单一颜色通道来表示图像的，通常用于黑白图像或需要简化处理的图像。

而彩色图需要使用多个颜色通道来表示图像的色彩信息。

1.3 像素像素是图像的最小单元，每个像素点都有自己的坐标和像素值。

在灰度图中，像素值代表了该点的亮度，而在彩色图中，像素值则包含了红、绿、蓝三个通道的信息。

1.4 图像尺寸图像的尺寸是指图像的长和宽，通常用像素来表示。

图像的尺寸决定了图像的清晰度和细节。

1.5 图像的坐标系图像的坐标系通常以左上角为原点，x轴向右递增，y轴向下递增。

在一些图像处理库中，图像的坐标系以左下角为原点，x轴向右递增，y轴向上递增。

1.6 数字图像数字图像是指使用数字方式表示的图像，它可以使用0和1的二进制来表示黑白图像，或者使用多个颜色通道的数值来表示彩色图像。

数字图像可以在计算机上进行处理和存储。

二、图像获取2.1 图像采集图像的获取通常是通过摄像机、扫描仪、卫星遥感等设备进行采集。

在图像采集过程中，需要注意光照、环境等因素对图像质量的影响。

2.2 数字化数字化是将模拟信号转换成数字信号的过程，通常将模拟图像通过采样、量化和编码等步骤转换成数字图像。

2.3 图像格式图像格式是指存储图像数据的方式。

常见的图像格式有JPEG、PNG、BMP、GIF等。

不同的格式对图像数据的存储方式、压缩方式、颜色深度等均有不同。

图形图像处理基础知识与实践一、概述图形图像处理图形图像处理是一项涉及数字图像的技术，通过使用计算机算法对图像进行处理和改变的过程。

这项技术广泛应用于计算机视觉、数字艺术、医学影像、遥感图像和图像和视频压缩等领域。

本文将介绍图形图像处理的基础知识和实践应用。

二、图形图像处理的基本原理1. 图像的表示和存储：图像通常使用像素矩阵来表示，每个像素包含图像中的一个点的颜色和亮度信息。

图像可以以不同的格式存储，如位图、矢量图和压缩图像。

2. 空间域和频域处理：图形图像处理可以通过在空间域（像素级别）或频域（频率级别）上进行操作来改变图像。

空间域处理通常包括图像增强、滤波和几何变换等方法，而频域处理则涉及傅里叶变换和频谱分析等技术。

三、图像增强和滤波1. 直方图均衡化：直方图均衡化是一种常用的图像增强方法，它通过重新分配图像像素的亮度来改变图像的对比度和亮度分布。

2. 图像平滑：图像平滑可以通过应用低通滤波器来减少图像中的噪声和细节。

常用的平滑滤波器包括均值滤波和中值滤波。

3. 锐化和边缘检测：为了增强图像的细节和边缘特征，可以使用锐化和边缘检测算法。

常用的算法包括拉普拉斯锐化和Sobel算子。

四、几何变换和图像配准1. 缩放和旋转：通过缩放和旋转操作，可以改变图像的大小和方向。

这些操作对于图像的对比度增强、目标检测和图像配准非常重要。

2. 平移和投影变换：平移和投影变换用于对图像进行空间位移和透视变换。

这些变换可以用于纠正图像畸变、视角校正和图像合成等应用。

3. 图像配准：图像配准是将多个图像对齐以进行进一步的分析和处理。

常用的图像配准方法包括特征匹配、互信息和形状匹配等。

五、数字图像处理与计算机视觉1. 特征提取和描述：图像的特征提取和描述对于图像识别和目标检测非常重要。

常用的特征包括边缘、角点和纹理等。

2. 目标检测和识别：图像处理可以应用于目标检测和识别，如人脸识别、车牌识别和物体识别等。

常用的方法包括模板匹配、级联分类器和卷积神经网络等。

从零开始学习图像处理掌握算法与实践技巧图像处理是计算机科学领域一个重要的研究领域，涉及到对数字图像进行获取、处理、分析和解释等一系列操作，已经在各个领域中得到了广泛的应用。

无论是在图像传感器、图像处理器还是图像识别领域，掌握图像处理的基本算法与实践技巧是至关重要的。

本文将从零开始，介绍图像处理的基础知识，重点讲解算法与实践技巧，帮助读者建立起图像处理的知识体系，提高自己的图像处理能力。

一、图像处理基础知识1.1 数字图像的基本概念数字图像是由离散的像素点组成的二维阵列，每个像素点表示图像中的一个小区域。

了解数字图像的基本概念是进行图像处理的基础。

1.2 图像获取与表示图像可以通过传感器获取，然后经过采样和量化处理后，得到数字化的图像。

图像采样和量化的过程会影响图像质量，因此需要注意合理选择采样率和量化位数。

1.3 图像灰度变换通常情况下，图像的灰度是由0至255之间的整数表示的。

图像灰度变换可以通过伽马变换、直方图均衡化等方法来增强图像的对比度和亮度，使得图像更易于分析和处理。

二、图像处理算法2.1 图像滤波算法图像滤波是一种常用的图像处理算法，可以通过线性滤波、非线性滤波等方法进行。

常见的线性滤波算法有均值滤波、高斯滤波等；而非线性滤波算法有中值滤波、双边滤波等。

2.2 图像边缘检测算法图像边缘检测是指通过对图像进行一系列运算，来突出物体边缘的过程。

常见的边缘检测算法有Sobel算子、Canny算子等。

边缘检测可以有效地提取图像中的边缘信息，用于后续的图像分析和识别。

2.3 图像分割算法图像分割是将图像划分为若干个互不重叠的区域的过程。

常用的图像分割算法有基于阈值的分割、区域生长等。

图像分割可以帮助我们将图像中的目标物体提取出来，有助于对图像进行进一步的分析和识别。

三、图像处理实践技巧3.1 图像库的使用在进行图像处理实践时，可以利用各种图像处理库来简化开发过程，常见的图像处理库有OpenCV、PIL等。

图像处理技术：基础知识和实践方法一、图像处理基本概念1.1 图像的定义图像是指反映物体或场景在人眼或电视摄像机等光学器件上所形成的视觉信息的呈现方式。

图像可以是数字形式的，也可以是模拟形式的。

1.2 图像处理的定义图像处理是利用计算机和其他相关设备对图像进行数字化、处理、分析和显示的过程。

该过程通常包括图像的获取、预处理、特征提取和图像恢复等多个步骤。

1.3 图像处理的主要应用领域图像处理技术被广泛应用于很多领域，如医学图像分析、自动驾驶、智能安防、机器人视觉等。

当然，最广泛的是娱乐业，例如电影、游戏和虚拟现实等。

二、图像处理的基础知识2.1 数字图像的表示方法数字图像是一些离散的像素点组成的，每个像素点都有一个亮度值来表示其对应位置的颜色和灰度等信息。

这些像素点按照一定的方式排列起来，形成了一个二维的数字矩阵。

在计算机中，图像以数字的形式表示为一个二维矩阵，它的元素是像素的亮度值。

2.2 图像处理的基本过程图像处理通常可以分为四个基本过程：图像获取、图像预处理、特征提取和图像恢复等。

图像获取可以通过图像传感器或图像采集卡等设备来进行。

不同的图像采集设备有不同的工作原理和特点。

2.3 常见的图像处理算法图像处理算法是指对数字图片进行数字处理的过程，如图像增强、特征提取、图像分割和图像压缩等。

常见的图像处理算法包括：平滑滤波、图像锐化、边缘检测、二值化、形态学处理等算法。

2.4 图像处理的评价标准图像处理的效果可通过诸如清晰度、对比度、颜色等指标进行评价。

常用的评价标准包括峰值信噪比（PSNR）、结构相似性指标（SSIM）和标准偏差等指标。

三、图像处理的实践方法3.1 图像预处理图像预处理是图像处理的必要步骤，它可以更好地准备图像以进行后续处理。

图像预处理的目的是消除图像中的噪声、增强图像的对比度、均衡化和去除背景等。

3.2 图像增强图像增强的目的是改善图像的质量，加强对图像细节的观察和分析。

常见的图像增强技术包括：直方图均衡化、灰度变换、滤波等。

医学图像处理知识点总结医学图像处理是一门研究如何获取、存储、传输、显示和分析医学影像的学科。

它主要应用于医学影像的获取和分析，包括X射线、CT、MRI、超声等图像。

医学图像处理的发展不仅对医学影像的质量有较大的提升，也对临床诊断和治疗产生了深远的影响。

以下是医学图像处理的一些主要知识点总结。

1. 医学图像获取医学图像的获取包括医学影像的图像采集与数据获取。

不同的医学影像设备，如X射线机、CT机、MRI机、超声机等，对应的图像获取方式、图像分辨率、图像类型等都可能存在差异。

在图像的获取过程中，需要注意保护患者隐私，并保证图像的质量和准确性。

2. 医学图像存储医学图像的存储是指将采集的医学影像数据进行数字化存储，并进行有效的管理和检索。

医学图像存储需要采用符合医学行业标准的数据格式，建立安全可靠的存储系统，确保影像数据的完整性和可访问性。

3. 医学图像传输医学图像传输指的是在医学影像数据之间进行网络传输，包括各种传输协议和网络安全等内容。

医学图像传输需要保证数据传输的稳定性和安全性，防止数据泄露和损坏。

4. 医学图像显示医学影像的显示对诊断和治疗非常重要。

医学影像显示系统需能够对各种类型的医学影像进行准确、清晰地显示，医生能够通过显示系统对影像进行观察和分析，并作出准确的诊断。

医学图像显示系统也需要支持多种功能，如3D重建、图像增强、图像测量等。

5. 医学图像分析医学图像分析是对医学影像进行量化和定量分析的过程。

医学图像分析技术包括图像分割、特征提取、分类和识别等，旨在提取影像中的信息并辅助医生做出诊断和治疗决策。

6. 医学图像处理算法医学图像处理算法是指针对医学影像数据开发的专用的算法。

常见的医学图像处理算法包括图像增强算法、图像分割算法、图像配准算法、图像重建算法等。

通过这些算法的应用，可以对医学图像进行精确地处理，并获得更准确的信息。

7. 医学图像质量评估医学影像质量评估是指对医学影像数据质量进行定量化和评估的过程。

图像处理知识点第⼀章绪论1. 图像(Image)：没有严谨的定义，⼀般有2个层次在可见光段有光束的反射，经反射到视觉系统，在视觉系统中感受到的物或物群的影像。

具有⼀定物理意义的在空间按⼀定顺序排列的2D/3D的数据。

2. 图像的类别可见光成像和不可见光成像彩⾊与⾮彩⾊图像动态图像与静⽌图像模拟图像与数字图像3.数字图像处理系统概述数字图像处理系统由硬件和软件组成。

采集：获取数字图像的设备即采集装置。

显⽰存储主机：以微机或⼯作站为主，配以图像卡和外设构成微型图像处理系统通信：图像通信就是把图像传送到远⽅终端。

图像处理软件：由系统管理、图像数据管理和图像处理模块三部分组成。

4. 颜⾊模型—各种表⽰颜⾊的⽅法模型：⾯向机器（显⽰器、摄像机、打印机等）在三维直⾓坐标系中，⽤相互垂直的三个坐标轴代表R、G、B三个分量。

颜⾊空间：R、G、B限定在[0，1]的单位正⽅体HIS模型：⾯向颜⾊处理、⼈眼视觉利⽤颜⾊的三个属性:H(hue)-⾊调I(intensity)-亮度S(saturation)-饱和度组成表⽰颜⾊的圆柱体5. 数字图像I=f（x, y, z, λ, t）运动、彩⾊或多光谱的⽴体图像静⽌图像：I=f（x, y, z, λ）灰度图像：I=f（x, y, z, t）平⾯图像：I=f（x, y, λ, t）平⾯的静⽌灰度图像：I=f（x, y）第⼆章图像采集1. ⼈眼视觉感知特性●主观亮度：S 主观亮度，B 实际亮度●对⽐度（会计算）马赫带效应（Mach Band）：不同灰度的条带，各条带内部亮度是常数。

但实际观察到带有强烈的边缘效应。

原因：⼈眼对于图像中不同空间频率具有不同的灵敏度，⽽在空间频率突变处出现了“⽋调”或“过调”。

2. 采样和量化的过程就是图像数字化的过程。

采样(sampling)：空间坐标的离散化称为空间采样。

确定图像的空间分辨率。

采样间隔越⼤→图像像素数越少，空间分辨率越低，图像质量越差，严重时出现像素呈块状效应；采样间隔越⼩→所得图像像素数越多，空间分辨率⾼，图像质量越好，但数据量⼤。

图像化处理知识点总结1. 图像的基本概念图像是由像素组成的二维网格，每个像素包含一个或多个颜色通道的数值。

常见的颜色通道包括红色、绿色和蓝色，这些颜色通道的数值可以表示任意颜色。

图像的分辨率是指每个维度上的像素数，例如，一张可以为1024x768是以像素为单位来描述分辨率大小的图像。

图像可以是黑白的，也可以是彩色的。

在黑白图像中，每个像素只有一个数值来表示其亮度，而在彩色图像中，每个像素通常有三个数值来表示其红、绿、蓝各通道的亮度。

2. 图像的采集图像的采集是指使用摄像机或扫描仪等设备将现实世界中的图像转换为数字形式。

在数字摄像机中，光线通过镜头进入传感器，传感器将光线转换为电信号，并将其转换为数字形式的像素值。

扫描仪则是使用传感器来扫描纸质图像，并将其转换为数字形式的像素值。

图像采集的质量取决于设备的分辨率和像素深度。

3. 图像的增强图像增强是指通过算法和技术来改进图像的质量和清晰度。

常见的图像增强技术包括对比度增强，亮度调整，色调饱和度调整和锐化处理。

对比度增强可以使图像中的黑白颜色更加清晰，亮度调整可以调整图像的明暗程度，色调饱和度调整可以使图像中的颜色更加饱满，锐化处理可以使图像中的边缘更加清晰。

图像增强通常用于图像编辑软件和相机中。

4. 图像的滤波图像滤波是指通过应用滤波器来对图像进行模糊、平滑、降噪或边缘检测。

常见的图像滤波器包括均值滤波器、高斯滤波器、中值滤波器和Sobel滤波器。

均值滤波器可以使图像模糊，高斯滤波器可以平滑图像并降低噪音，中值滤波器可以去除图像中的噪点，Sobel 滤波器可以检测图像中的边缘。

图像滤波通常用于图像处理和计算机视觉任务中。

5. 图像的分割图像分割是指将图像分割成具有相似特征的区域的过程。

常见的图像分割技术包括阈值分割，区域生长，边缘检测和分水岭算法。

阈值分割可以根据像素的灰度值将图像分成不同的区域，区域生长可以将相邻的像素分成具有相似特征的区域，边缘检测可以检测图像中的边缘，分水岭算法可以将图像分割成具有不同高度的区域。

多媒体技术图像处理知识点梳理在当今数字化的时代，多媒体技术中的图像处理扮演着至关重要的角色。

从我们日常使用的手机拍照、修图软件，到专业的影视特效制作、医学影像诊断等领域，图像处理都有着广泛的应用。

接下来，让我们一起梳理一下图像处理中的重要知识点。

一、图像的基本概念图像可以被看作是对真实世界的一种数字化表示。

它由像素组成，每个像素都有特定的颜色和亮度值。

图像的类型主要包括位图和矢量图。

位图是由像素点构成的图像，常见的格式有 JPEG、PNG 等。

位图图像在放大时会出现锯齿状的边缘，因为像素点的数量是固定的。

矢量图则是通过数学公式来描述图像，常见的格式有 SVG 等。

矢量图无论放大或缩小，都能保持清晰的线条和形状。

图像的颜色模式也有多种，如 RGB（红、绿、蓝）模式，这是电子设备显示图像常用的模式；CMYK（青、品红、黄、黑）模式，主要用于印刷领域。

二、图像获取图像的获取方式多种多样。

常见的有使用数码相机、扫描仪等设备直接获取实物的图像；也可以通过软件生成图像，如使用图形设计软件创建图形。

在获取图像时，需要考虑图像的分辨率、色彩深度等参数。

分辨率决定了图像的清晰度，色彩深度则影响图像能够表现的颜色数量。

三、图像增强图像增强的目的是改善图像的质量，使其更便于观察和分析。

常见的方法包括灰度变换、直方图均衡化等。

灰度变换通过调整像素的灰度值来改变图像的对比度和亮度。

例如，线性灰度变换可以增强图像的整体对比度。

直方图均衡化则是通过重新分布图像的灰度值，使图像的灰度分布更加均匀，从而增强图像的对比度。

四、图像复原图像在获取、传输或处理过程中可能会出现失真。

图像复原就是试图恢复原始的、未失真的图像。

常见的图像复原方法有基于逆滤波的方法和维纳滤波方法。

逆滤波适用于对噪声较小的图像进行复原，而维纳滤波则在考虑噪声的情况下，能得到更准确的复原结果。

五、图像压缩随着图像数据量的不断增加，图像压缩变得尤为重要。

图像压缩可以减少存储空间和传输带宽的需求。

图像处理知识点总结一、图像采集1. 数字图像数字图像是由像素组成的二维矩阵，每个像素由灰度值或者颜色值来描述。

数字图像的采集通过光学图像传感器来实现，图像传感器可以将光信号转换成电信号，然后通过数模转换器转换成数字信号。

常见的图像传感器包括CCD和CMOS。

2. 分辨率图像的分辨率指的是图像中包含的像素数量，分辨率越高，图像越清晰。

分辨率可以用像素数来描述，常见的分辨率有1024×768、1920×1080等。

分辨率与图像的清晰度成正比，但是高分辨率也会增加图像文件的大小。

3. 颜色空间颜色空间是用来描述颜色的数学模型，常见的颜色空间包括RGB、CMYK、YUV等。

RGB颜色空间是由红、绿、蓝三原色构成，它是最常用的颜色空间。

CMYK颜色空间用于打印颜色，它是由青、品红、黄、黑四原色构成。

二、图像处理1. 空域处理空域处理是指在图像的像素级别上进行处理，包括图像增强、滤波、锐化等操作。

图像增强可以提高图像的对比度和亮度，滤波可以去除图像中的噪声，锐化可以增强图像的边缘和细节。

2. 频域处理频域处理是指在图像的频域上进行处理，包括傅里叶变换、频谱分析、频率滤波等操作。

傅里叶变换可以将图像从空域转换到频域，频谱分析可以分析图像中的频率成分，频率滤波可以去除图像中的某些频率成分。

3. 形态学处理形态学处理是指利用形态学运算对图像进行处理，包括膨胀、腐蚀、开运算、闭运算等操作。

膨胀可以增强图像中的物体，腐蚀可以减弱图像中的物体，开运算可以去除图像中的小孔洞，闭运算可以填充图像中的小孔洞。

三、图像分析1. 图像特征图像特征是用来描述图像的一些重要信息，包括颜色、纹理、形状等。

颜色特征可以用来区分不同物体，纹理特征可以用来区分不同材质，形状特征可以用来区分不同形状。

2. 物体检测物体检测是指在图像中检测出特定物体的位置和数量，常见的物体检测算法包括边缘检测、Hough变换、Haar特征检测等。

计算机图像处理技术的基础知识与应用计算机图像处理技术，作为计算机科学和工程领域中的一个重要分支，涉及了图像获取、表示、传输、处理和分析等方面的知识与技术。

本文将介绍计算机图像处理技术的基础知识，并探讨其在各个领域中的应用。

一、图像获取图像是由像素组成的二维阵列，每个像素表示图像的一个点的颜色和亮度信息。

图像的获取可以通过各种方式进行，包括数字相机、扫描仪、立体摄像机等。

在数字相机中，光线通过透镜成像在光敏元件上，根据光敏元件的响应产生电信号，再经过模数转换器转换为数字信号，就得到了数字图像。

二、图像表示图像的表示是指将图像的像素值以适当的方式进行编码以便在计算机中储存和处理。

常用的图像表示方法有位图、矢量图和图像压缩编码等。

位图使用像素阵列来表示图像，每个像素使用多个二进制位表示。

矢量图则通过存储图像的几何结构和相关属性来表示。

图像压缩编码则是针对图像数据进行压缩存储，以减小图像文件的大小。

三、图像传输图像传输是指在不同设备或网络间进行图像数据的传递和交换。

图像传输可以通过有线或无线方式进行，有线方式包括以太网、USB、HDMI等，无线方式包括WLAN、蓝牙、移动通信等。

在图像传输过程中，需要考虑图像数据的压缩、传输速率和传输延迟等问题，以保证图像的质量和实时性。

四、图像处理图像处理是指对图像进行各种操作和改变，以提取有用信息或改善图像质量。

图像处理的基本操作包括图像增强、图像恢复、图像压缩和图像分割等。

图像增强用于改善图像的亮度、对比度和清晰度等，图像恢复用于修复受损的图像，图像压缩用于减小图像文件的大小，图像分割则是将图像分成若干个子图像。

五、图像分析图像分析是指对图像中的目标进行识别、分析和理解，以获取更丰富的信息。

图像分析的任务包括目标检测、目标跟踪、图像分类和图像识别等。

通过图像分析，可以实现人脸识别、物体检测、医学图像分析等应用。

六、图像处理技术的应用计算机图像处理技术在各个领域中都有广泛的应用。

图像处理基础知识注：这学期开了⼀门Photoshop的课程，第⼀节课讲了图像处理的相关知识，特将内容整理如下，⽅便⽇后学习和查阅。

软件环境：PhotoshopCS6⼀、位图与⽮量图1、位图位图也称点阵图，它是由许多点组成的，这些点称为像素。

当许多不同颜⾊的点组合在⼀起后，便构成了⼀副完整的图像。

位图可以记录每⼀个点的数据信息，从⽽精确地制作⾊彩和⾊调变化丰富的图像。

但是，由于位图图像与分辨率有关，它所包含的图像像素数⽬是⼀定的，若将图像放⼤到⼀定程度后，图像就会失真，边缘出现锯齿。

2、⽮量图⽮量图也称向量式图形，它使⽤数学的⽮量⽅式来记录图像内容，以线条和⾊块为主。

⽮量图像最⼤的优点是⽆论放⼤、缩⼩或旋转都不会失真，最⼤的缺点是难以表现⾊彩层次丰富且逼真的图像效果。

另外，⽮量图占⽤的存储空间要⽐位图⼩很多，但它不能创建过于复杂的图形，也⽆法像位图那样表现丰富的颜⾊变化和细腻的⾊彩过渡。

⼆、图像的⾊彩模式图像的⾊彩模式决定了显⽰和打印图像颜⾊的⽅式，常⽤的⾊彩模式有RGB模式、CMYK模式、灰度模式、位图模式、索引模式等。

1、RGB模式RGB颜⾊被称为“真彩⾊”，是Photoshop中默认使⽤的颜⾊，也是最常⽤的⼀种颜⾊模式。

RGB模式的图像由3个颜⾊通道组成，分别为红⾊通道（Red）、绿⾊通道（Green）和蓝⾊通道（Blue）。

每个通道均使⽤8位颜⾊信息，每种颜⾊的取值范围是0~255，这三个通道组合可以产⽣1670万余种不同的颜⾊。

在RGB模式中，⽤户可以使⽤Photoshop中所有的命令和滤镜，⽽且RGB模式的图像⽂件⽐CMYK模式的图像⽂件要⼩的多。

不管是扫描输⼊的图像，还是绘制图像，⼀般都采⽤RGB模式存储。

2、CMYK模式CMYK模式是⼀种印刷模式，由分⾊印刷的四种颜⾊组成。

CMYK四个字母分别代表“青⾊（Cyan）”、“洋红⾊（Magenta）”、“黄⾊（Yellow）”和“⿊⾊（Black）”，每种颜⾊的取值范围是0%~100%。