En una imagen en escala de grises cada punto de la imagen se almacena en un Byte, donde su valor numérico representa su tono, que puede oscilar entre el blanco (255) y el negro (0). Esto quiere decir que es una imagen donde existen 256 tonos de gris (de 0 a 255, ambos inclusive). Es decir, la profundidad de color es el número de bits que definen cada píxel, que determinan el máximo numero de colores que puede tener.

Si cada píxel viene determinado por 2 Bytes (=16 bits) en vez de por un Byte, existirán 65.536 tonos de gris, ya que el número binario 1111111111111111 corresponde a 65.536. Es lo que se denomina una profundidad de color de 16 bits.

En fotografía digital hay 2 tipos de imagen, de forma similar a la tradicional: escala de grises y color. La primera se denomina "escala de grises" precisamente para diferenciarla del blanco y negro donde solo existen 2 tonos, el blanco y el negro. Esta última (la imagen de blanco y negro) es una imagen con 1 bit por píxel. Cuantos más bits definan cada píxel, más tonos podrá tener: si tiene 4 bits por píxel, tendrá 16 grises y si tiene 2 bits tendrá 4 grises.

Una imagen digital en color se genera con sus componentes R, G y B por síntesis aditiva. Así pues, la imagen en color se compone de 3 "imágenes": la que contiene la parte roja, la verde y la azul. Cada una de ellas es una imagen en escala de grises, pero como va asociada a cada uno de los colores primarios, al visionarla el ordenador la colorea adecuadamente. La suma de las 3, por síntesis aditiva, componen la imagen final. Cada píxel va definido por 3 Bytes: el rojo, el verde y el azul. Si cada uno de ellos tiene una gama de 256 tonos, en la imagen final habrá una gama de 16,777.216 colores posibles (256 x 256 x 256), que se suele abreviar como "16 millones de colores". Es lo que se llama una imagen con una profundidad de color de 24 bits (8 por cada color).