你敢信？你手机里刷到的每一张照片、每一段视频，拆开看根本不是画面，而是一长串密密麻麻的0和1。

你刷到的照片和视频，看起来是风景、人物和各种颜色，可在手机和电脑眼里，它们都只是一串串0和1，两个看似单调的数字，经过层层编码，最后却能变成满屏的色彩、声音和流畅动作。

这套“魔法”每天都在发生，你点亮屏幕、打开相册、滑动短视频时，芯片、内存和显示器已经开始高速配合，只是过程快到人根本察觉不到。

计算机并不真正认识文字、颜色或画面，它最熟悉的只有两种状态：通电和断电。用数字表示，就是1和0。

所以，无论是文字、音乐、图片，还是一部电影，进入机器之后都要先被翻译成二进制，你看到的每一道光、每一种颜色、每一次镜头移动，背后都对应着一串数字。

数字越多，能表达的状态就越丰富，8个二进制位可以表示256种状态，24位就是2的24次方，结果是16777216，也就是我们常说的1677万种颜色。

一张照片在计算机眼中，也不是一整块完整的画面，而是由无数个很小的方格拼成的，这些小方格叫像素，屏幕上看到的细节，最终都要落实到一个个像素上。

比如一张800×600的图片，横向有800个像素，纵向有600个像素，总共就是48万个像素。像素数量越多，单位面积里能呈现的细节越丰富，画面通常也就越清晰。

每个像素显示什么颜色，要靠红、绿、蓝三种光混合出来，也就是RGB。计算机会分别给红色、绿色和蓝色分配一个数值，范围从0到255，数值越大，代表这种颜色的亮度越高。

红色取255，绿色取165，蓝色取0，混合出来就是橙色。三个颜色通道各占8位，合计24位，一个像素就能组合出16777216种颜色，这就是24位真彩色。

问题是，清晰的画面也意味着巨大的数据量。一张800×600的真彩色图片，如果完全不压缩，原始数据就有1.44MB左右。照片多一点还好，视频要是照这个方式保存，手机内存恐怕早就不够用了。

于是，图片需要压缩，常见的JPEG格式，会把画面拆成许多8×8的小块，再用数学方法分析其中的颜色和细节，把信息分成不同频率。

人眼对一些细碎纹理、高频边缘并不那么敏感，压缩时就会重点保留大致轮廓和主要色彩，把部分细节简化，甚至直接丢掉。正因为如此，JPEG图片放大后，边缘偶尔会出现模糊、色块和方格感。

被压缩掉的信息通常无法完整找回，但在正常观看距离下，人眼往往察觉不出差别，文件体积却可能缩小到原来的二十分之一左右，这就是压缩的取舍：少占空间，画质牺牲一点。

视频的原理更直观，它本质上是一张张静态图片快速连续播放，每一张图片就是一帧，按照每秒30帧计算，一分钟视频就包含1800帧。

如果每一帧都完整保存，数据量会大得惊人。可现实中的连续画面，很多内容根本没有变化。比如一个人坐在沙发上说话，房间、墙壁和沙发几乎不动，真正变化的可能只有嘴巴、眼睛和手部动作。

编码器会抓住这个特点，它先完整保存一张关键帧，后面的画面不再重复记录全部内容，而只记录和上一帧相比发生了什么变化，没有变化的区域，直接沿用之前的数据。

变化很小，就少记录一些；变化很大，就多记录一些。碰到镜头切换，编码器会重新插入关键帧，避免前面画面的错误一路传下去。

这套办法让视频压缩效率大幅提升，H.264可以把原始视频数据压缩到大约八十分之一，H.265在相同画质下还能比H.264节省约一半码率，更新的H.266又能在H.265基础上继续减少接近一半的数据量。

一部两小时的1080p电影，如果完全不压缩，原始数据大约需要1TB。经过H.264编码后，可能只剩5GB左右，前后相差约200倍。平时下载的电影、刷到的短视频，几乎都经历了类似的处理。

播放时，流程会反过来，播放器先读取那一长串0和1，再按照编码规则，把它们还原成每个像素的颜色、亮度和位置，交给显示器上的红、绿、蓝发光单元。

这些发光单元按照对应强度亮起，30帧、60帧，甚至120帧画面快速切换，我们的眼睛和大脑把一张张静止图片连在一起，于是就看到了连贯的动作。

从数字到画面，中间没有什么神秘力量，靠的是编码器和解码器之间共同遵守的规则，编码器负责把画面拆成数据，解码器负责把数据重新拼回画面。

如今，视频分辨率已经从1080p走向4K、8K，刷新率也从30帧提高到120帧，画面更细，动作更顺，压缩技术还在不断升级。但不管屏幕多先进，底层仍然是0和1在工作。

下一次滑动手机时，不妨想一想：你眼前的一帧画面，可能正由数百万个二进制数字穿过芯片、内存和屏幕驱动，最后变成一片真实可见的色彩。你看到的是画面，机器处理的始终只是数字。