這個問題還真沒研究過，但從計算機原理可知，無論是文字，影象、聲音還是影片，在顯示器上顯示出來，都離不開一個關鍵的東西：畫素。也就是由很多個單一的點構成的，比如解析度1024*768，可以理解橫向由1024個點組成，縱向由768個點組成。具體到每個點了，要用儲存結構描述出來就很容易了，無外乎是顏色、偏移量等引數，用結構體、陣列等都應該可以。這就好比有許多人站在廣場上組成橫豎方陣，其中一些人的衣服顏色與其它人不同，那麼就可以顯示出圖案，人越多、越密，看出的圖案就越精細，用程式來描述的話，無外乎是確定每個人所在的位置、穿什麼衣服或者是站還是坐，總之有一定的規範。參照這個例子，要構造資料結構並不是難事，甚至，可以進行最佳化，把特定位置的人描述好，無視其它有共性的人，不進行任何描述，需要的時候直接填充即可。

運用到影象上，就是對圖片進行壓縮，黑點、白點等大量有共性的畫素，可以不構造，而是在調入記憶體時直接透過程式碼填充，僅僅對一些佔比小的點進行資料結構構造，這樣對記憶體的需求就會小很多。

僅從原理上回答，細節還要進行研究。希望回答對你有一些啟發。