Un capteur photographique est composé d'une trame de photosites (Voir l'activité 1), qui produisent de l'électricité losqu'ils reçoivent de la lumière. Chaque photosite est recouvert d'un filtre coloré ne laissant passer que les rayons d'une seule couleur : le rouge, le vert ou le bleu. Les filtres sont répartis par carré de quatre : deux verts, un rouge et un bleu.

La tension électrique produite par chaque photosite est convertie en valeurs numérique et transmise au processeur de l'appareil

La définition d'un capteur est le nombre total de ses photosites. Plus le nombre de photosites est élevé, meilleure sera la précision de l'image produite.

Une image numérique est constituée d’un ensemble de pixels qui se présentent sous la forme d'un tableau à deux dimensions, chaque cellule est un pixel d'une couleur donnée.

La définition de l'image est le nombre de pixels qui la composent. Celle-ci n'est pas forcément égale à la définition du capteur.

La résolution de l'image détermine sa qualité à l'imression ou sur un écran, elle est exprimée par un nombre de pixels par unité de longueur (souvent le pouce, soit 2,54 centimètres). Il est utile de l’évoquer lorsqu’on affiche une image sur un écran ou qu’on l’imprime sur papier : habituellement, les écrans d’ordinateurs ont une résolution de 72 pixels/pouce (soit 28 pixels/centimètre), alors que les impressions sur papier requièrent une résolution de 300 pixels/pouce.

Chaque pixel correspond à un triplet de trois nombres, la valeur du rouge (R), celle du vert (V) et celle du bleu (B). Ces trois valeurs sont appelées les composantes (R , V , B) d'un pixel et permettent de reconstituer la couleur du pixel. Chaque valeur est comprise entre 0 et 255. On parle du code RVB.

On appelle image numérique toute image acquise et stockée sous forme binaire : elle peut se définir comme une suite de 0 et de 1. Le format d'une image numérique est la manière dont est codée cette suite de 0 et de 1 (bits). Lors de la capture par l'appareil photo, un fichier au format Raw est produit. Il s'agit des données brutes issues du capteur. En général, les données sont immédiatement modifiées et enregistrées dans un autre format.

La profondeur de couleurs est le nombre de bits utilisés pour coder la couleur d'un pixel dans une image. , son unité est le "bits par pixel" (bpp), plus la profondeur de couleurs est grande plus l'échelle de nuances des couleurs est grande et plus la qualité de l'image est meilleure.

Le poids d'une image est la mémoire nécessaire à son enregistrement, il est mesuré en kilooctets, notés Ko, ou en mégaoctets, notés Mo.

Il existe plusieurs formats d'image qui sont indiqués par l'extension du nom du fichier (partie du nom située après le point). Les images sont souvent compressées, c'est-à-dire transformées pour réduire leur poids. Cette compression peut se faire avec ou sans perte d'informations. Les formats courants en prise de vue numérique sont le raw (format brut, non compressé) et le jpg ( compressé). il existe des formats adaptés au Web (jpg, gif, png), à l'impression (tiff), ...

Lors de l'enregistrement de l'image en format Raw, de nombreuses informations relatives à la prise de vue sont enregistrées sous forme de texte. il s'agit des métadonnées (ensemble structuré d'informations décrivant la prise de vue), enregistrées dans un fichier au format EXIF. Parmi les métadonnées, on trouve la date et l'heure de la prise de vue, les coordonnées GPS, le modèle de l'appareil numérique, l'orientation (en portrait ou en payasage), etc. D'autres métadonnées peuvent être ajoutées par les logiciels de traitement ou de diffusion d'images : titre, la légende, le logiciel utilisé, etc.

Les métadonnées permettent une traçabilité technique et même juridique et peuvent aider son indexation (utilisation d'un système permettant de faciliter la recherche ou le classement des images par exemple par mots-clés.)

Au moment de la prise de vue, des algorithmes prennent en charge la mise au point (Réglage de la netteté de l'image), le calcul du temps d'exposition et l'ouverture du diafragme. La prise de vue peut être assistée par des indications visuelles sur l'écran de contrôle.

Certains programmes peuvent même ne déclencher la prise de vue que lorsque les conditions semblent optimales, par exemple lorsque la personne photographiée sourit.

Après la prise de vue, diverses opérations sont réalisées par les algorithmes : réglage de la taille de l'image, filtres pour réduire le le bruit numérique (informations parasites dans les zones sombres de l'image) ou augmenter la netteté apparente, ... et enfin, enregistrement de l'image sur la carte mémoire.

Une autre catégorie d'algorithmes a été développée afin d'effectuer des analyses de reconnaissance faciale. Le principe est de créer une image géométrique du visage en fonction de différents paramètres (taille et forme des éléments du visage, distance entre eux, etc) afin de la comparer avec les visages géométrisés présents dans une base de données.

Les appareils photo numériques peuvent prendre en charge automatiquement l'amélioration d'une prise de vue, mais il existe aussi des logiciels qui permettent d'effectuer des retouches : format ou cadrage (choix de prise de vue qui définit les limites d'une image et de ce qu'on voit dessus. On parle de recadrage lorsqu'on modifie le cadrage d'une image existante), réglage des couleurs, application de déformations ou de filtres, modification ou suppression d'éléments, montages, etc.

Certains algorithme permettent de composer une image à partir de plusieurs photographies d'un même sujet, en les superposant pour obtenir un rendu optimal ou en gommant les intersections pour produire une vue panoramique.

Le traitement des images s'est démocratisé avec l'arrivée de logiciels de retouche accessibles et assez simples à utiliser. Il est ainsi devenu difficile de faire confiance aux images et de distinguer une image source d'une image de retouche.