1
00:00:01,140 --> 00:00:03,820
像素简介

2
00:00:09,390 --> 00:00:10,140
（按快门声）赞！

3
00:00:11,990 --> 00:00:14,809
我和Mike一起成立了Instagram

4
00:00:14,899 --> 00:00:18,820
我们开始只是想用手机照片做些有新意的事儿

5
00:00:18,930 --> 00:00:22,149
毕竟这是人们第一次那么在意口袋里的计算机

6
00:00:23,009 --> 00:00:27,270
我们认为在未来五年照片分享可能是最大的机会

7
00:00:27,270 --> 00:00:31,730
于是我们顺从内心，开始花时间来做这件事

8
00:00:32,580 --> 00:00:36,030
有app或者想法去解决x, y, z还不够

9
00:00:36,050 --> 00:00:39,240
更重要的是解决实际问题，供人们真正的使用

10
00:00:40,090 --> 00:00:41,610
问题是：你要解决什么问题？

11
00:00:44,720 --> 00:00:50,579
最初为了在屏幕上显示照片，人们需要对照片进行数据分解

12
00:00:51,299 --> 00:00:54,910
1957年，一名计算机工程师Russell Kirsch

13
00:00:54,910 --> 00:00:57,030
给他儿子拍了一张照片并扫描了下来

14
00:00:57,030 --> 00:01:01,050
这是第一张数字图像：有颗粒感的黑白婴儿照

15
00:01:01,060 --> 00:01:02,699
像素就这样诞生了

16
00:01:02,699 --> 00:01:07,320
像素是个有趣的概念，因为他们不容易被看到

17
00:01:08,380 --> 00:01:13,520
但实际上，如果你不断放大显示屏

18
00:01:13,520 --> 00:01:16,910
就会发现显示屏是由非常小的光点组成

19
00:01:16,910 --> 00:01:22,619
更有意思的是，每一个小光点是由更小的不同颜色光点构成

20
00:01:22,619 --> 00:01:24,050
光点颜色有红，绿，蓝

21
00:01:24,900 --> 00:01:27,700
从远处看，这些像素构成了图像

22
00:01:27,700 --> 00:01:31,200
从前面看，他们只是能够亮暗的光点

23
00:01:31,200 --> 00:01:36,349
正是他们构成了我们每天从电脑上看到的照片

24
00:01:36,349 --> 00:01:39,669
你总能听到一个词：分辨率

25
00:01:39,669 --> 00:01:43,259
计算机科学家和器材生产商都会提到它

26
00:01:43,259 --> 00:01:51,039
分辨率是一个二维值，用于表示屏幕上像素数

27
00:01:51,039 --> 00:01:54,399
当我还是个高中生的时候，分辨率只有640 x 480

28
00:01:54,399 --> 00:01:56,729
今天分辨率则大了很多

29
00:01:56,729 --> 00:01:59,600
除了分辨率以外，密度也很重要

30
00:01:59,600 --> 00:02:04,140
比如智能手机，在有相同像素的前提下

31
00:02:04,140 --> 00:02:07,970
像素密度更大的图像就更可以更细腻

32
00:02:07,970 --> 00:02:12,550
那么，如何在一个文件里存储这些像素值呢？

33
00:02:12,550 --> 00:02:18,760
其实你只是存储了许多红绿蓝的三元数组

34
00:02:18,760 --> 00:02:21,060
他们则表示每一个像素

35
00:02:22,200 --> 00:02:26,410
像素的数值范围是0-255

36
00:02:27,200 --> 00:02:31,050
0非常暗，255非常亮

37
00:02:31,200 --> 00:02:35,350
这个三元数值一起表示一个像素

38
00:02:37,600 --> 00:02:41,690
一个图像文件，无论是JPEG，GIF 还是PNG

39
00:02:41,690 --> 00:02:43,460
包含了百万级的红绿蓝三元值

40
00:02:44,700 --> 00:02:46,510
那么计算机是如何存储这些数据的呢？

41
00:02:46,510 --> 00:02:49,740
所有视觉和计算数据是用bit（比特）表征

42
00:02:49,740 --> 00:02:52,280
每bit有两个状态：开和关

43
00:02:52,280 --> 00:02:57,240
计算机使用对应的1或0二元值

44
00:02:57,240 --> 00:03:00,900
所以图像是由一堆01数值构成的

45
00:03:00,900 --> 00:03:05,460
为什么RGB数值的范围是0到255呢？

46
00:03:05,470 --> 00:03:09,360
每一个颜色频道是由8bit构成

47
00:03:09,360 --> 00:03:12,520
8bit构成一个1BYTE（字节）

48
00:03:12,520 --> 00:03:14,210
如果你了解二元数值系统

49
00:03:14,210 --> 00:03:19,710
那么8bit最大的数值是255，也就是一行全是1

50
00:03:20,810 --> 00:03:23,900
最小的8bit数值是0，也就是一行全是0

51
00:03:23,900 --> 00:03:30,780
因此0到255对应了每个颜色通道里256个灰度值

52
00:03:33,180 --> 00:03:37,480
比如我们来表示青绿色的像素

53
00:03:37,480 --> 00:03:40,880
在传统的十进制数值系统里，64有些红

54
00:03:40,880 --> 00:03:44,870
224很绿，208比较蓝

55
00:03:45,330 --> 00:03:50,710
但是计算机会青绿色存储成01000000

56
00:03:51,330 --> 00:03:53,910
11100000

57
00:03:53,920 --> 00:03:56,770
11010000

58
00:03:57,330 --> 00:04:00,810
我们使用24个二进制值表示一个像素

59
00:04:02,070 --> 00:04:07,050
计算机系统通常使用16进制，而不是二进制来表示颜色

60
00:04:07,350 --> 00:04:14,800
所以我们只用6个十六进制表示同样的颜色:40 E0 D0

61
00:04:14,800 --> 00:04:16,179
这就短多了

62
00:04:16,179 --> 00:04:22,559
如果你想改变图像颜色，怎么办？

63
00:04:22,559 --> 00:04:31,339
使用对应函数，输入为像素的红蓝绿数值

64
00:04:31,339 --> 00:04:35,889
然后将其对应成新的红蓝绿数值

65
00:04:35,889 --> 00:04:39,220
比如你想将图像变暗

66
00:04:39,220 --> 00:04:48,459
一种方法是用输入的红绿蓝数值减去50

67
00:04:49,529 --> 00:04:54,870
很明显，结果不能小于0，然后得到数值

68
00:04:54,870 --> 00:05:01,499
如果输入是RGB，那么输出是R-50，G-50，B-50

69
00:05:01,499 --> 00:05:06,419
你能看到输入图像是某个亮度，输出图像就变暗许多

70
00:05:08,099 --> 00:05:13,779
许多人可能没有意识到，Instagram不止是做图像滤镜

71
00:05:13,779 --> 00:05:17,549
或者仅仅把图片变酷

72
00:05:18,529 --> 00:05:20,730
他的愿景更加重要

73
00:05:20,730 --> 00:05:23,010
那就是如何将人们联系起来

74
00:05:23,010 --> 00:05:30,320
他也不只是看朋友家人的照片，我们希望看到世界的变化

75
00:05:30,320 --> 00:05:33,950
可能在海外，可能是社会活动

76
00:05:33,950 --> 00:05:37,000
你可以通过视觉图片的方式获知这些信息

77
00:05:37,000 --> 00:05:44,010
这才是我们快速成长并成为受欢迎媒介的原因

78
00:05:44,010 --> 00:05:45,969
学习更多尽在studio.code.org