La imagen digital está formada por un conjunto definido de puntos llamados píxeles. La imagen tradicional, sobre material sensible, también está formada por puntos o granos de plata metálica; la gran diferencia estriba en que en la fotografía tradicional, los granos son irregulares y están situados de forma aleatoria mientras que en la digital forman una matriz con filas y columnas. Cuanto mayor sea el número de filas y columnas, mayor será el detalle de la imagen digital y mayor será su tamaño de archivo.

Cada píxel de una imagen almacena la información de su tono o luminosidad, donde el tono negro es el valor 0 y el blanco el valor más alto (normalmente 255 en escala de grises), pero en formato binario. El formato binario es una notación numérica como puede ser la que utilizamos normalmente, la decimal, con la diferencia de que la binaria es la única que entienden los ordenadores.

Cuando nos referimos a la cifra "19" tan sólo necesitamos dos cifras en sistema decimal, el 1 y el 9, pero en formato binario hacen falta más. Esto es debido a la forma que tienen los ordenadores de almacenar la información que es a base de microinterruptores, que básicamente son interruptores como cualquiera de los que tenemos en las lámparas, con sólo 2 posiciones: apagado y encendido. La posición apagado se hace corresponder con un 0 y la de encendido con un 1. Así pues, en formato binario solo hay 2 cifras, el 0 y el 1, y todos los números se componen de estas dos cifras.

Normalmente las cifras binarias se componen de un numero total de ceros y unos que es potencia de 2, como 8, 16 o 32. A cada uno de estos unos y ceros se les llama Bit y a un conjunto de 8 bits se le llama Byte. Si un número en formato binario tiene menos de 8 bits como es 11001, se suele completar hasta alcanzar 1 Byte como mínimo: 11001000.