从物理和数学的角度看，图像是记录物体辐射能量的空间分布，这个分布是空间坐标、时间坐标和波长的函数：
I = f(x,y,z,λ,t)，x,y,z是空间坐标，λ是波长，t是时间，I是像素点的强度。它表示活动的、彩色的/三维的视频图像。
通常，一幅图像可以被看成是空间各坐标点彩色强度的集合。对于静止图像，则与时间t无关；对于单色图像，则波长λ为常量；对于平面图，则于坐标z无关。
如表示一幅静止的平面单色图：**I=f(x,y)**或（r,g,b）=f(x,y)
表示图像的二维数组是连续的，将连续参数x，y和f取离散值后，图像被分割成很多小的网格，每个网格即为数字图像中的像素。一幅图像由许多像素构成，每个像素点包含反映图像在该点的明暗和颜色变化信息，这种图像叫做位图图像(bitmap)。
每个像素具有独立的属性。至少具有两个属性：像素的位置（x,y）和灰度值（F）。
像素之间的基本关系：
1）邻域：四邻域，八邻域，对角邻域。
2）连通性：像素是否相邻，灰度值是否满足特定的相似性原则。
3）距离：欧式距离、城市街区距离和棋盘距离。 
描述数字图像的基本参数
空间分辨率：只对原始图像的采样分辨率，即图像水平或垂直方向单位长度上所包含的采样点数。“像素点/单位长度”，习惯上也以水平方向的像素点与垂直方向像素点的乘积表示，如640x480。空间分辨率越低，图像质量越差，会出现棋盘模式。
灰度分辨率：灰度分辨率通常由存储每个灰度级别时用到的比特数来定。灰度级别越多，最终的图像细节越分明。灰度分辨率越低，图像质量越差，会出现虚假轮廓。
图像深度：各像素点数据位的位数即为像素深度。越深表现得颜色数量越多，图像得色彩越丰富。
图像数据容量：一幅图像的总像素点数目与每个像素点所需字节数的乘积。
不同图像分辨率、图像深度与图像数据量的关系：
参考文献
[1] 数字图像处理
