Los ordenadores representan las imágenes como arrays/matrices.

En las imágenes en blanco y negro (escala de grises), cada valor de la matriz irá del 0 (más claro) al 1 (más oscuro). El rango puede ir también entre 0 y 255 (1 byte), que se puede normalizar a 0 y 1 diviendo entre 255.

Las imágenes en color se pueden representar como combinación de rojo, verde y azul (RGB, Red, Green, Blue). Cada canal (color) tiene una intensidad. Los arrays que representan imágenes en color tienen 3 dimensiones: anchura, altura y canal de color. Esto quiere decir que cuando se lee una imagen, sería algo como (1280,720,3):

• 1280 pixeles de ancho
• 720 pixeles de alto
• 3 canales de color

El ordenador no sabe qué canal es el rojo, solo sabe que hay 3 canales de intensidades. El usuario debe indicar qué canal es para cada color. Cada canal en solitario es básicamente igual que la imagen en escala de grises.