WEBVTT

00:00:01.140 --> 00:00:03.820
像素简介

NOTE Paragraph

00:00:09.390 --> 00:00:10.140
（按快门声）赞！

NOTE Paragraph

00:00:11.990 --> 00:00:14.809
我和Mike一起成立了Instagram

NOTE Paragraph

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

NOTE Paragraph

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

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

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

00:00:32.580 --> 00:00:36.030
有app或者想法去解决x, y, z还不够

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

00:00:40.090 --> 00:00:41.610
问题是：你要解决什么问题？

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

00:00:51.299 --> 00:00:54.910
1957年，一名计算机工程师Russell Kirsch

00:00:54.910 --> 00:00:57.030
给他儿子拍了一张照片并扫描了下来

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

00:01:01.060 --> 00:01:02.699
像素就这样诞生了

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

00:01:08.380 --> 00:01:13.520
但实际上，如果你不断放大显示屏

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

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

00:01:22.619 --> 00:01:24.050
光点颜色有红，绿，蓝

00:01:24.900 --> 00:01:27.700
从远处看，这些像素构成了图像

00:01:27.700 --> 00:01:31.200
从前面看，他们只是能够亮暗的光点

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

00:01:36.349 --> 00:01:39.669
你总能听到一个词：分辨率

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

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

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

00:01:54.399 --> 00:01:56.729
今天分辨率则大了很多

00:01:56.729 --> 00:01:59.600
除了分辨率以外，密度也很重要

00:01:59.600 --> 00:02:04.140
比如智能手机，在有相同像素的前提下

00:02:04.140 --> 00:02:07.970
像素密度更大的图像就更可以更细腻

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？

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

NOTE Paragraph

00:02:18.760 --> 00:02:21.060
他们则表示每一个像素

00:02:22.200 --> 00:02:26.410
像素的数值范围是0-255

00:02:27.200 --> 00:02:31.050
0非常暗，255非常亮

00:02:31.200 --> 00:02:35.350
这个三元数值一起表示一个像素

00:02:37.600 --> 00:02:41.690
一个图像文件，无论是JPEG，GIF 还是PNG

00:02:41.690 --> 00:02:43.460
包含了百万级的红绿蓝三元值

00:02:44.700 --> 00:02:46.510
那么计算机是如何存储这些数据的呢？

00:02:46.510 --> 00:02:49.740
所有视觉和计算数据是用bit（比特）表征

00:02:49.740 --> 00:02:52.280
每bit有两个状态：开和关

00:02:52.280 --> 00:02:57.240
计算机使用对应的1或0二元值

00:02:57.240 --> 00:03:00.900
所以图像是由一堆01数值构成的

00:03:00.900 --> 00:03:05.460
为什么RGB数值的范围是0到255呢？

00:03:05.470 --> 00:03:09.360
每一个颜色频道是由8bit构成

00:03:09.360 --> 00:03:12.520
8bit构成一个1BYTE（字节）

00:03:12.520 --> 00:03:14.210
如果你了解二元数值系统

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

00:03:20.810 --> 00:03:23.900
最小的8bit数值是0，也就是一行全是0

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

00:03:33.180 --> 00:03:37.480
比如我们来表示青绿色的像素

00:03:37.480 --> 00:03:40.880
在传统的十进制数值系统里，64有些红

00:03:40.880 --> 00:03:44.870
224很绿，208比较蓝

00:03:45.330 --> 00:03:50.710
但是计算机会青绿色存储成01000000

00:03:51.330 --> 00:03:53.910
11100000

00:03:53.920 --> 00:03:56.770
11010000

00:03:57.330 --> 00:04:00.810
我们使用24个二进制值表示一个像素

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

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

00:04:14.800 --> 00:04:16.179
这就短多了

00:04:16.179 --> 00:04:22.559
如果你想改变图像颜色，怎么办？

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

00:04:31.339 --> 00:04:35.889
然后将其对应成新的红蓝绿数值

00:04:35.889 --> 00:04:39.220
比如你想将图像变暗

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

00:04:49.529 --> 00:04:54.870
很明显，结果不能小于0，然后得到数值

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

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

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

00:05:13.779 --> 00:05:17.549
或者仅仅把图片变酷

00:05:18.529 --> 00:05:20.730
他的愿景更加重要

00:05:20.730 --> 00:05:23.010
那就是如何将人们联系起来

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

00:05:30.320 --> 00:05:33.950
可能在海外，可能是社会活动

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

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

00:05:44.010 --> 00:05:45.969
学习更多尽在studio.code.org