数字图像是多媒体应用设计师考试中反复出现的核心考点，但不少考生在像素深度、颜色深度、图像分辨率、显示分辨率以及α通道这几个概念之间反复出错。命题人恰恰喜欢把这些概念放在同一道选择题里，用看似相近的表述制造干扰项。本文以教材标准术语为基准，从概念定义、底层原理、分类应用、常见误区、真题关联和备考总结六个层面，把这组图像属性彻底讲透。
理解数字图像，首先要明确四个高频出现的属性概念：像素深度、颜色深度、图像分辨率与α通道。这四个词在教材和考题中被频繁混用，很多考生只记住了名字，却没有把握它们各自指代的对象，这正是丢分的根源。
像素是数字图像最基本的构成单元，是图像在屏幕上或存储空间中能够被独立赋予颜色信息的最小方格。数字图像本质上是一个二维的点阵，每一个点阵位置对应一个像素，像素的颜色值由二进制数表示。像素深度，指的是存储每一个像素所用的二进制位数，它决定了单个像素能够表达的颜色的丰富程度。举例来说，如果像素深度是八位，那么一个像素能够区分的颜色最多为二的八次方，也就是二百五十六种；如果像素深度是二十四位，那么一个像素理论上可以表达约一千六百七十七万种颜色。像素深度越深，图像的颜色层次越丰富，但占用的存储空间也越大。
这里需要特别强调一点，像素深度描述的是存储层面的位数分配，它是一个纯粹的量化指标，与图像实际显示在什么设备上无关。同一个像素深度为二十四位的图像文件，放在低分辨率屏幕上和放在高分辨率屏幕上，它的像素深度都不会改变。像素深度只由图像文件本身的数据组织方式决定，而不由显示设备决定。这一点在后文区分图像深度与显示分辨率时还会反复用到。
颜色深度，在不少教材中又被称为图像深度，它指的是图像中每个像素用于表示颜色信息的二进制位数。从字面上看，颜色深度与像素深度高度重合，但两者之间存在着一个微妙而常考的区别：颜色深度通常专指用于描述颜色本身的位数，而图像深度在某些语境下还可能包含用于描述透明度等其他信息的位数。换句话说，当一个像素除了颜色信息之外还携带α通道信息时，图像深度的位数可能大于颜色深度的位数，因为α通道也需要占用额外的位。
为了把这个问题讲清楚，我们可以这样理解：一个带α通道的三十二位图像，其颜色深度是二十四位，分别用八位表示红色、八位表示绿色、八位表示蓝色，而剩下的八位用于表示α通道，也就是透明度信息。此时图像的像素深度是三十二位，颜色深度是二十四位。命题人经常设置这样的干扰项，把像素深度与图像深度直接等同起来，诱导考生忽略α通道占用的位数。把握住这一点，就抓住了这道题的命门。
分辨率这个词在多媒体考试中至少指向两个完全不同的对象，一个是图像分辨率，一个是显示分辨率，两者经常被混为一谈。
图像分辨率描述的是图像本身包含的像素数量的多少，通常用横向像素数乘以纵向像素数来表示，例如一千九百二十乘以一千零八十。图像分辨率也可以表示为每英寸所包含的像素数，即常用的DPI或PPI，这一单位描述的是图像的精细程度。图像分辨率由图像采集或制作时的采样密度决定，是一个与图像文件本身绑定的固有属性。
显示分辨率描述的是显示设备能够呈现的像素数量，例如一台显示器的显示分辨率是一千九百二十乘以一千零八十，意味着这块屏幕在横向和纵向上分别能够点亮一千九百二十和一千零八十个像素点。显示分辨率是硬件设备的固有参数，由屏幕的物理像素数量和驱动电路决定。
两者的本质区别在于，图像分辨率属于图像内容，显示分辨率属于显示设备。一张图像分辨率很高的图片，放到一台显示分辨率很低的显示器上，也只能被压缩或裁剪后显示；反过来，一张低图像分辨率的图片，放到高显示分辨率的屏幕上，也不会凭空多出细节，只会被放大后显得模糊。命题人常利用这一区别，诱导考生认为图像分辨率和显示分辨率是一回事。
α通道，又被称为阿尔法通道，是数字图像中用于存储透明度信息的特殊通道。在真彩色图像中，除了红、绿、蓝三个颜色通道之外，还可以附加一个α通道，用来记录每个像素的透明程度。α通道的值通常也用八位二进制表示，取值范围从零到二百五十五，其中零通常表示完全透明，二百五十五表示完全不透明，中间值表示不同程度的半透明。
α通道的价值在于支持图像的叠加合成。当一张图像需要叠加到另一张背景之上时，α通道能够精确控制哪些像素露出来、哪些像素透过去，从而实现在图像上叠加文字而不把背景图像完全掩盖掉的效果。这正是真题中反复考查的一个结论：α通道可以支持在一幅图像上叠加文字，而不把图像完全掩盖掉。理解了α通道的用途，也就理解了为什么很多图像文件需要三十一位甚至更多的位深来存储一个像素。
要真正理解图像属性，不能只停留在定义层面，必须回到数字图像最底层的存储与编码机制，看清这些属性是如何由二进制数据组织方式决定的。
数字图像的每一个像素颜色最终都要落到二进制位上。位深，也就是像素深度，直接决定了存储代价和色彩表达能力的上限。一个位深为一位的图像，每个像素只有两个取值，只能表示黑白两色；位深为四位的图像可以表示十六种颜色；位深为八位的图像可以表示二百五十六种颜色。颜色数量与位深之间是二的位深次方的关系。
这种指数关系带来的直观后果是，位深每增加一位，颜色表达能力翻一倍，但存储代价也同步增长。一张一千九百二十乘以一千零八十的真彩色图像，如果采用二十四位像素深度，每个像素需要三个字节，整张图像大约需要六兆字节的原始存储空间。如果再把α通道加上去，变成三十二位，存储需求又增加三分之一。这正是位深设置需要在色彩丰富度与存储开销之间权衡的根本原因，也是考试中涉及图像数据量计算题的理论基础。
理解了位深之后，还需要区分真彩色、伪彩色和直接色这三个在多媒体考试中反复出现的概念，它们的本质区别在于颜色信息是如何被编码的。
真彩色图像中，每个像素的颜色值直接由红、绿、蓝三个分量构成，像素的存储值本身就是颜色值，不需要经过任何查找表的映射。二十四位真彩色图像是这类图像的典型代表，红、绿、蓝各占八位，能够直接表达一千六百多万种颜色。由于颜色值直接存储，真彩色图像的色彩还原度最高，但存储开销也最大。
伪彩色图像则完全不同，它的像素值并不直接表示颜色，而是一个索引值，通过这个索引去查找一张颜色查找表，从而得到最终显示的颜色。伪彩色图像常用于需要节约存储空间或突出显示特定信息的场合，例如某些遥感图像、医学图像中，用不同颜色代表不同的数据区间。伪彩色图像的单帧存储量小，但由于颜色由查找表决定，其色彩表达能力受限于查找表的大小。
理解真彩色与伪彩色的区别，有助于考生回答这样一类题：为什么某些图像虽然位深不高，却能呈现出看似丰富的颜色。答案就在于它采用了索引查表的方式，用较少的位数索引到一张较大的颜色表。
图像属性并不是孤立存在的，它们各自有明确的分类体系和适用边界。掌握这些分类，才能在具体场景中正确判断图像的属性。
位深与图像尺寸共同决定了图像的原始数据量，这是多媒体考试中每年都会出现的计算型考点。图像数据量的基本计算公式是，水平像素数乘以垂直像素数乘以像素深度，得到的结果是以比特为单位的数据量，再除以八换算成字节。以一张八百乘以六百像素、二十四位真彩色的图像为例，其数据量为八百乘以六百乘以二十四，等于一千一百五十二万比特，换算成字节约为一百四十四万字节，也就是约一点四兆字节。
这个公式的背后逻辑是，每一个像素都要占用像素深度所对应的比特数，整张图像的数据量就是所有像素占用比特数的总和。理解了这一点，考生在面对变体题目时就能举一反三。例如，当题目给出的是颜色数量而非位深时，需要先把颜色数量还原成位深，再代入公式计算。如果题目给出的是索引色图像，则需要区分图像数据本身与颜色查找表各自占用的存储空间。这类计算题分值不高，但属于稳拿分的题型，考生务必熟练掌握换算关系，避免在单位转换上
本篇完！