我們生活的世界，所有的物理量度都可稱為類比（Analog），意思即是其量度可能是任何一個數值，但是在電腦的世界裡，所有類值都可稱為數碼（Digital），即數值只可以是某些預定的數值，例如整數，或某一準確性的數值，如果要表達的數值不存在，便只可以以最近的可用數值來表示，由此而來的誤差叫「量化失真」（quantization distortion）。

舉個例子，我們眼睛看到這個世界的色彩，其實是光譜裡的某一位置（或某一頻率），但是當電腦表達某色彩時，只能把該色彩以它的三原色（紅、綠、藍）的強度以數值代表，現時普遍採用的是每一原色以一個位元（Byte）代表，而一個位元通常是一個八位二位數字（8-bit），所以每一原色便只有256個不同的程度。現在大部分的數碼檔案、顯示器等，都是以這個標準來設計；想一想，每一個原色只有256個不同的程度，和我們身處的世界是有距離的，但是當我們看看數碼相機拍攝出來的相片和在電腦的顯示器上觀看，又覺得很真實，原因只是我們的眼睛的靈敏度不足令我們發現這些分別而已。

如果圖像只以某一色彩的光暗度來表示，所出來的圖像便是一張黑白相片，如果每一點以一個位元代表，整幅相便只有256個不同的光暗度，這和我們從前用的菲林便差得遠了，因為菲林是有無限的光暗度。如果我們將整張相每一點所用的數值減少，例如只用7-bit、6-bit或更少的數值來代表光暗度，我們所看到的相片便愈來愈粗糙，可以想像一下，如果相片中的每一點只用一個位的二位數字（1-bit）來表達，即只得光或暗，所得出來的相片便好像「剪影」一般，餘下的只得輪廓，只能靠推測來想像和認識原來的相片。由此可見，我們量化某一數值所用的可用數值愈少，量化失真便愈大。

量化失真給筆者的啟示是，如果我們思考一件事時，尤其是一些抽象的事物，或主觀感覺感受，我們愈想用愈少的程度來表達，便愈容易得出錯誤的理解，例如有些評論對某些前人的評價是「七分功、三分過」，如果我們只用兩個可能的評值，全功或全過，來量化這評價，便只能稱這前人只有功積吧。其實這便是我們思考時，很易跌入的「簡單二分法」陷阱吧；我們不應過份期望把所有事物都以非黑即白的態度思考，要深入觀察、理解，對正反兩面反覆思考，才能對世事有更深入的認識，好讓自己能作出更正確、理智的判斷和決定。

圖片來源：互聯網