背景：
原本该小节想直接套用上世纪一片著名论文《A Pixel Is Not A Little Square》作为标题，怎奈英文原文信息量较大，内部蕴含了很多关于采样定理的信息论知识，虽然通读数遍但依然感到些许迷茫，怕对读者有误导，所以直接简单一点以《像素Pixel》为题，从日常生活中浅显、通俗的概念入手，来引入未来在DICOM世界观中会频繁出现并占去大量篇幅的元概念——像素Pixel，是Picture与Element两者缩写“pix”和“el”的组合。（备注：更多底层理论知识待后续再逐步补充&完善）。
本博文中先探索像素的起源，然后从日常生活中的常见的概念，诸如分辨率、像素数、PPI、DPI等入手来进一步剖析，最后会介绍两类常见的像素操作手段。
1.像素Pixel
讲到概念，首选Wiki百科。当然我说的是英文版Pixel Wiki，中文版中的大多数词条真是不敢苟同。这里请允许我先摘录英文Wiki中对Pixel定义的原文：
In digital imaging, a pixel, pel, dots, or picture element is a physical point in a raster image, or the smallest addressable element in an all points addressable display device;
——so it is the smallest controllable element of a picture represented on the screen.
因为像素（Pixel）这个概念在不同的场景中会有不同的含义，例如Pixel Wiki中列举的，
– [1] 相机领域的传感器最小感应元件（这与本系列博文第二章开篇中提到的胶片、数码相机、以及人类视网膜都有些许类似）
– [2] 打印领域的最小可打印元素（下文中提到的DPI跟这个相关）
– [3] 显示设备的最小可显示单元（LCD、LED想必这个大家比较耳熟能详，因为这是现如今各大手机厂商撕逼的点之一）
等等
所以这里我们有必要理清一下边界：上文我们摘录的是数字图像（digital imaging）领域中像素Pixel的定义，后续《DICOM世界观》中会频繁出现的如果没有特殊说明专指这个概念。相较于上面的几个概念（[1]、[2]、[3]），这里要讲的像素Pixel更多的是由于软硬件快速发展而逐步催生的、并经过人的大脑从具体现实世界中“抽象”而来的。因此现在讲的像素Pixel并不一定有一个对应的、具体的实物与此一一对应。但在技术发展的初期它与现实世界中的某些事物的确是一一对应的，它是一种现实世界与数字世界（即现在的互联网时代）的映射关系和衔接纽带。这一类概念或者说方法还有很多，例如香农采样定理、傅里叶变换（时域到频域）等等，它们都可以比作一种映射关系或者衔接纽带。
1.1. Pixel ≠ Square
首先让我们回顾一下像素Pixel的概念发展史。起初picture element是用于电视（television）领域，并首次公开出现于在1927年的《无线电世界》杂志中。Pixel是Picture与Element的缩写组合词，在1932的《Variety》杂志中开始用“pix”来作为picture的缩写，到现如今在摄影行业依然会有如此用法，而Element的缩写就是el。像素Pixel——完整的第一次公开使用出自于美国NASA的JPL喷气推进实验室（其实你会发现现如今所谓的信息化时代或硅基时代，大多概念，尤其是核心概念都跟美国的DARPA、NASA有关，所以很多东西可能从出生就带了西方的基因，老美的基因）即，
简单的回顾我们可以了解到像素Pixel与图像、与显示密切相关的。正如wiki百科开头所讲的：像素是栅格图像中最小的组成元素，是所有以“点寻址技术”的显示设备的最小可寻址单元——点寻址简单理解就是将整个显示区域切分成一个个很小很小的块，每个小块用一个点表示，找到这个点就能确定图像的某一部分，所以叫做点寻址。
在第二章开篇《DICOM世界观·第二章 数字(D)、成像(I)与通讯(Co)》中我提到的胶片成像、CCD或CMOS数字成像、医学成像都有其最小单元，胶片是“银盐颗粒”、CCD或CMOS是“感光元器件”、医学成像是“银盐颗粒或感光元器件”（因为在医疗领域既有传统的成像手段也有数字成像手段），甚至人眼也可以看成是由一个个很小的元素组成，因为人眼总共有约1.2亿个视杆细胞与约600~700万个视锥细胞。
既然我们采集图像的手段是由一个一个很小的单元组成的，我们人类视觉也是有一个一个最小单元模拟而成的，那么这个最小单元究竟是什么样子呢的形状是什么又是如何来表达出我们所生活的现实世界的呢
看一张组合图，感觉一下像素Pixel概念的存在。
之所以选择grid，是因为它横平竖直，可以直接与人类的知识储备对应起来，例如矩阵。其实一直以来都有人在尝试用其他的模型（not grid）来完成成像，例如下面图中的种种尝试，希望你不要感觉很突兀，因为他们也能实现我们现在grid的同样效果。
对于分辨率Resolution，你也可以简单的理解为辨别微小的能力，辨别最小细节、最小单元的能力。在物理空间固定的情况下，按照上文我们定义的网格Grid模型，像素Pixel数量越多也就意味着分辨率越高。但像素分辨率等同于像素数要有一个前提条件那就是同样的物理空间。
The term resolution is often considered equivalent to pixel count in digital imaging, though international standards in the digital camera field specify it should instead be called “Number of Total Pixels” in relation to image sensors, and as “Number of Recorded Pixels” for what is fully captured.
如下图所示，同样的面积内随着像素点越来越多，要表达的信息就会越来越清晰，这也就是我们日常追求所谓高分辨率的原因之一了。
(2) DPI：Dots per Inch
DPI，全称Dots per Inch，即每英寸多少个点。这里的点 可以指半调印刷的墨点，可以指喷墨打印的墨点，可以指扫描仪的采样点，可以指数字图像的最小单位（即 pixel），可以指屏幕的物理像素，可以指操作系统的抽象像素，在不同的语境下可以指不同的概念（摘自知乎：DPI 和 PPI 的区别是什么。这里的概念解释是没有问题的，但是DPI通常应用在印刷领域，在数字显示领域通常会用我们下面要介绍的PPI。DPI与PPI之间是有一个对应关系。
(3) PPI：Pixel per Inch
PPI, 全称Pixel per Inch，即每英寸多少个像素。按照上面我们介绍的分辨率概念，英寸表示的就是物理空间，像素类似于分辨率中的线对LP。这个概念是针对显示器设计而言的（可参考像素Pixel这一节开头我们附图中的E部分）。显而易见，依靠现在操作系统的抽象以及图形处理单元（GPU）的支持，我们可以更改显示器的PPI，但却不会改变我们显示屏的物理尺寸，要想改变物理尺寸只能靠money了^_^。所以PPI跟物理尺寸没有直接对应关系，不同大的物理尺寸可以设置成为同样的PPI，如下图所示：
如此一来，如果想将显示屏中的图像打印出来，该如何控制打印出后图像的真实尺寸呢就会用到我们提到的DPI和PPI两个概念。PPI的概念提出虽然只跟显示设备相关，但电脑显示屏的真实尺寸可以用英寸（Inch）丈量的。在计算机中创建图像的时候我们可以设置PPI和DPI，PPI表示这个图像用多少个点来代替却并不关心图像的真实大小，DPI表示该图像在“硬输出”（诸如打印）时每个像素点具体对应到真实世界的尺寸——其实可以简单的理解为打印机的分辨率。
两者之间的换算关系如下，