众所周知，数字图像又称为数码图像，是二维图像用有限数字值像素的表示。其中，像素是数字图像的基本单元。而一幅模拟图像如果想要变成一幅数字图像，就需要经过数字化才能得到，数字化包括两个过程：采样和量化。
采样是把空间上的连续的图像分割成离散的像素的集合，采样的间隔越小，图像的精细度就越大；采样的间隔越大，精细度就越小。
注意：采样的间隔必须满足二维采样定理（Nyquist准则）
即：采样的间隔必须＜2（1/图像函数上限频率）
比如，我们以著名的lena图为例，使图像的采样间隔不断扩大，可以得出下列一组图像
由图可知，采样的精度对于图像的影响很明显，当间隔越来越大时，几乎已经看不到细节了。
量化是把像素的灰度（浓淡）变换成离散的整数值的操作。量化地越细致，也就是比特数越大，灰度分辨率就越高，灰度级数表现地就越丰富。
在这里还是以著名的lena图作为例子，在下图中，将以8比特、6比特、4比特以及3比特和1比特作为展示。
可见，量化比特数越大，图像的质量越好，其中，8比特以为这像素的灰度（浓淡）是0~255之间的数值，而当比特数减少到1比特（2级）时，就成为二值图像，可用0代表黑和1代表白。
采样和量化的结果是一个实数的矩阵
其中—> 采样：坐标的数字化
其中—> 量化：幅值的数字化
综上所述，一幅图像所对应的坐标以及幅值可能是无限和连续的，当需要把一幅图像数字化时，其实际上是把一幅图像 I=（x，y）所对应的坐标（x，y）和幅值 I 都变化成有限和离散的量。
一幅图像可以看做无数个很小的光点强度的集合，当用数学方法来描述一幅图像时，首先表现为光点的强度，即一幅图像可看成空间各坐标点上光点强度 I 的集合，其表达式为
对于一幅三维彩色的动态图像来说，（x，y，z）为空间坐标，
为波长，T 为时间。
而对于一幅二维灰度的静态图像来说，空间坐标只有（x，y），为常数，因为是静态所以也与T无关。
我们经常使用的是二维灰度的静态图像进行图像处理，所以MxN数字图像函数可表示如下：
等式的右边是所定义的矩阵形式的图像，矩阵的每个元素被称为像素
所以：像素值是一个经过函数 f（x，y）处理之后得出的结果。
根据抽象程度和研究方法的不同，可以把数字图像处理分为图像处理、图像分析和图像理解三个层次
A：底层—>图像处理，主要是对像素级进行处理，强调图像变换以及图像之间的相互转换，主要是指对图像进行各种变换以改善其视觉效果，为后续的图像分析和理解奠定基础。它主要包括图像采集和获取、图像增强或者消除噪声的图像平滑等。
B：中层—>图像分析，主要是对图像中感兴趣区域进行检测、实现特征提取，然后用更加简洁的数据形式描述图像。它包括图像分割、边缘检测、形态学图像处理、特征选择等。
C：高层—>图像理解，主要是对描述图像的数据进行运算（图像处理算法），进一步研究图像中各目标的性质及其关系，得到可观的解释，其处理过程和方法与人类的思维推理有类似之处。它包括图像识别、神经网络、遗传算法等。