这些小方块都有一个明确的位置和被分配的色彩数值，小方格颜色和位置就决定该图像所呈现出来的样子。
无论是我们在电脑上，还是在手机上，像素都是最小不可分割的单位。
当你掌控了像素的来源，你就能掌握了千变万化的图形图像视觉艺术创作技法。
这篇文章的目的是想告诉大家，与以往相比，像素的来源发生了大幅度变化。
古早时期像素来源
这个时期的像素来源于数码相机及扫描仪，下面我们以大家常用的相机为例，讲解照片中的像素是怎么来的。
当相机拍摄一张照片时，像素是通过光电转换的过程生成的。下面是这个过程的解释：
光线进入镜头：当光线通过相机镜头进入相机时，它会通过一系列透镜和光学元件来聚焦和调整光线的路径。
光线到达图像传感器：光线通过镜头后，会达到相机的图像传感器。图像传感器通常采用两种技术之一：CCD（电荷耦合器件）或CMOS（互补金属氧化物半导体）。这些传感器由许多微小的光敏元件组成，也可以称其为像素。
光电转换：当光线到达图像传感器上的像素时，光敏元件会将光线转换为电荷。每个像素内都有一个光敏元件，通常是一个光电二极管。当光线照射到光敏元件上时，会产生电子。
电荷放大和读取：一旦光线转换为电荷，图像传感器会对电荷进行放大和读取。传感器中的电路会将电荷转换为电压信号，并将其放大以提高图像的质量和亮度。
数字化：在电荷放大和读取后，图像传感器会将模拟信号转换为数字信号。这是通过模数转换器（ADC）完成的，它将连续变化的模拟信号转换为离散的数字信号。
像素数据组合：一旦图像传感器将模拟信号转换为数字信号，这些数字信号表示图像的像素值。每个像素的值代表该位置的亮度和颜色信息。
光线进入镜头：当光线通过相机镜头进入相机时，它会通过一系列透镜和光学元件来聚焦和调整光线的路径。
光线到达图像传感器：光线通过镜头后，会达到相机的图像传感器。图像传感器通常采用两种技术之一：CCD（电荷耦合器件）或CMOS（互补金属氧化物半导体）。这些传感器由许多微小的光敏元件组成，也可以称其为像素。
光电转换：当光线到达图像传感器上的像素时，光敏元件会将光线转换为电荷。每个像素内都有一个光敏元件，通常是一个光电二极管。当光线照射到光敏元件上时，会产生电子。
电荷放大和读取：一旦光线转换为电荷，图像传感器会对电荷进行放大和读取。传感器中的电路会将电荷转换为电压信号，并将其放大以提高图像的质量和亮度。
数字化：在电荷放大和读取后，图像传感器会将模拟信号转换为数字信号。这是通过模数转换器（ADC）完成的，它将连续变化的模拟信号转换为离散的数字信号。
总结起来，当相机拍摄照片时，光线通过镜头进入相机并聚焦在图像传感器上的像素上。光线经过光电转换，转化为电荷，然后通过电荷放大和读取，转换为模拟信号，最终转换为数字信号。每个像素的数字值代表图像的亮度和颜色信息，组合起来形成最终的照片像素。
在这个过程中，像素组成的图像质量，七分天注定，三分靠打拼。
现代像素来源
在当前，构成图形图像视觉艺术作品的像素，除了有数码相机、手机外，还有一大部分来源于手绘软件如PS，以及三维软件如C4D、MAYA。
例如，当我们使用Photoshop进行绘画时，图像中的像素是通过绘图工具生成的。
当使用三维软件进行建模和渲染时，生成的图像上的像素是通过以下过程生成的：
建模：模型可以是物体、场景或角色等三维对象。
纹理映射：为了给模型赋予外观和细节，可以将纹理映射到模型表面。纹理可以是图像或图案，它们被映射到模型的表面以模拟材质、颜色和纹理细节。
照明设置：在场景中设置光源，包括环境光、点光源、聚光灯等。光源的位置、强度和颜色会影响渲染结果的亮度和阴影效果。
相机设置：在三维软件中设置相机参数，包括视角、焦距、景深等。相机定义了观察场景的视角和位置。
渲染：通过渲染引擎对场景进行渲染，将三维模型转换为二维图像。渲染过程考虑了光照、材质、阴影、反射等物理属性，计算出每个像素的颜色和亮度。
像素生成：在渲染过程中，每个像素根据模型的几何信息、纹理映射、照明和相机参数等计算出最终的颜色值。这些颜色值组成了图像上的每个像素。
建模：模型可以是物体、场景或角色等三维对象。
纹理映射：为了给模型赋予外观和细节，可以将纹理映射到模型表面。纹理可以是图像或图案，它们被映射到模型的表面以模拟材质、颜色和纹理细节。
照明设置：在场景中设置光源，包括环境光、点光源、聚光灯等。光源的位置、强度和颜色会影响渲染结果的亮度和阴影效果。
相机设置：在三维软件中设置相机参数，包括视角、焦距、景深等。相机定义了观察场景的视角和位置。
渲染：通过渲染引擎对场景进行渲染，将三维模型转换为二维图像。渲染过程考虑了光照、材质、阴影、反射等物理属性，计算出每个像素的颜色和亮度。
像素生成：在渲染过程中，每个像素根据模型的几何信息、纹理映射、照明和相机参数等计算出最终的颜色值。这些颜色值组成了图像上的每个像素。
在这个过程中，像素组成的图像质量，依赖于创作者的素质，如软件操作娴熟程度、审美水准等，但对结果有很强的可控性。
※点击学习各型号相机摄影、后期※
X-T5
A7R5
X-H2s
R5
R6
A7M4
5D4
5D3
6D2
80D
90D
A7C
A7S3
D810
A7M3
D750
XT4
D850
D780
Z6II Z7II
Z5
D5
Z7
Z6
A7R4
A6400
A7R3
D7100
D7200
D7500
6D
800D
1DxM2
Premiere 教程
剪映教程
ACR 14课
※ 安卓用户请点击上表链接※
微信被苹果卡脖子，苹果用户无法访问上表链接
※ 也可淘宝搜索 好机友摄影 ※
未来时代像素来源
毫无疑问，在未来的人工智能时代，以上几种像素获取方式仍将存在，但一个很大的变化是，随着人工智能进一步强大， 以后我们看到的大部分像素都会是由机器通过算法运算生成的。
这个预言不是好机友摄影原创，而是来源于Nvidia的首席执行官黄仁勋。
例如，当前最为流行的AI绘图平台Midjourney，使用的就是生成对抗网络（GAN）、变分自编码器（VAE）等模型来生成图像。
下面是一个简单的示例来解释人工智能生成图像的像素生成过程：
训练模型：首先，需要训练一个生成模型，例如生成对抗网络（GAN）。训练过程中，模型会学习从随机噪声向量中生成逼真的图像样本。这个过程通常使用大量的真实图像作为训练数据集。
生成器网络：GAN模型由两个主要组件组成，生成器和判别器。生成器网络接收一个随机噪声向量作为输入，并将其转换为逼真的图像样本。生成器通过学习真实图像的分布和特征来生成类似的图像。
判别器网络：判别器网络是GAN模型中的另一个关键组件。它的作用是对生成器生成的图像样本进行评估，判断其是否与真实图像相似。判别器网络被训练为能够区分生成器生成的图像和真实图像。
像素生成：在生成阶段，通过输入一个随机噪声向量到生成器网络中，生成器将随机噪声转换为一张逼真的图像。生成器网络的输出是一个像素数组，每个像素具有特定的颜色和亮度值。
后处理：生成的图像可以经过一些后处理步骤，例如调整亮度、对比度、色彩平衡等。这些步骤可以改善生成图像的质量和外观。
输出图像：生成的图像可以被保存为图像文件或显示在屏幕上，供观察和使用。
训练模型：首先，需要训练一个生成模型，例如生成对抗网络（GAN）。训练过程中，模型会学习从随机噪声向量中生成逼真的图像样本。这个过程通常使用大量的真实图像作为训练数据集。
生成器网络：GAN模型由两个主要组件组成，生成器和判别器。生成器网络接收一个随机噪声向量作为输入，并将其转换为逼真的图像样本。生成器通过学习真实图像的分布和特征来生成类似的图像。
判别器网络：判别器网络是GAN模型中的另一个关键组件。它的作用是对生成器生成的图像样本进行评估，判断其是否与真实图像相似。判别器网络被训练为能够区分生成器生成的图像和真实图像。
像素生成：在生成阶段，通过输入一个随机噪声向量到生成器网络中，生成器将随机噪声转换为一张逼真的图像。生成器网络的输出是一个像素数组，每个像素具有特定的颜色和亮度值。
后处理：生成的图像可以经过一些后处理步骤，例如调整亮度、对比度、色彩平衡等。这些步骤可以改善生成图像的质量和外观。
输出图像：生成的图像可以被保存为图像文件或显示在屏幕上，供观察和使用。
在这个过程中，像素构成的图像质量依赖于创作者的提示词撰写水准，以及算法的性能。
正因如此，AI才能够在短短十数秒的时间内，生成细节与质感惊人的图像，这些图像上的每一个像素，都不再依靠人工手绘，不再依靠光线跟踪、纹理及材质信息。
传统的像素获取手段，在生成式平台面前完全落败。
但不可否认的是，生成图像像素的技术目前仍存在一些局限性和不足之处，包括但不限于：
生成图像的质量不稳定：由于生成图像的算法和模型的复杂性，生成图像的质量往往不稳定，有时会出现模糊、失真、颜色失真等问题。
对输入数据的依赖性较强：生成图像技术通常需要大量的训练数据和计算资源，对输入数据的依赖性较强，这限制了其在实际应用中的灵活性和可扩展性。
难以控制生成结果：由于生成图像技术通常是基于无监督学习方法，因此难以对生成结果进行精细的控制，如调整生成图像的细节、风格等。
可解释性差：生成图像技术通常是黑盒模型，难以解释其生成结果的原因和机制。
生成图像的质量不稳定：由于生成图像的算法和模型的复杂性，生成图像的质量往往不稳定，有时会出现模糊、失真、颜色失真等问题。
对输入数据的依赖性较强：生成图像技术通常需要大量的训练数据和计算资源，对输入数据的依赖性较强，这限制了其在实际应用中的灵活性和可扩展性。
难以控制生成结果：由于生成图像技术通常是基于无监督学习方法，因此难以对生成结果进行精细的控制，如调整生成图像的细节、风格等。
不过随着AI技术不断更新迭代，上述问题，相信都会很快解决，例如，在前天好机友摄影曾介绍了最新的生成式技术，其效果十分令人震惊。
修图技术的最后一公里，已被攻克
可以预见，在可见的2-3年内，视觉艺术创作平权的时代将很快到来，哪怕是没有绘画经验的小学生，也可以借助于强大的生成式平台，创作出惊艳的视觉艺术作品。
扩展阅读：
用AI验证摄影想法及影视场景
炸裂，摄影新职业—键摄师！
Photoshop可能会被谁干掉？
与百度AI文心一言聊了一些摄影问题
※ 近期文章 ※
最新CameraRaw 15.3下载
未发先热的Z8，会是谁的菜
我们为什么不看好索尼新机ZV-E1
富士相机为什么能撩你没商量
关于A7R5销售我们的预言好像应验了
10种花卉拍摄风格总能有启发
森林树木的28种拍摄技法
17条二手相机选购经验要记住
如何拍出压抑、晦涩的暗黑风格街景
彻底解决拍摄时不知如何定参数
为什么你有可能不需要50mm镜头
四种佳能微单配镜套餐
40000张照片惊艳花卉延时
同一个景点的52种不同拍法
拍树借鉴这60张照片就够了
一种新颖的鸟类摄影手法
森系人像摄影套路总结
三问“糖水片”摄影不应该有局限
在技术流面前器材党模特控不堪一击
▼点“原文”在线学摄影返回搜狐，查看更多