Pildi gradient on termin, mida kasutatakse pildi pideva nihke valguselt tumedaks või tumedaks heledaks muutmiseks. See nihe viitab konkreetselt ühe värvi intensiivsusele, mis tähendab, et üks värv muutub valgest maksimaalse intensiivsusega mustaks, minimaalse intensiivsusega. Selle nihke ajal liigub värv läbi selle konkreetse tooni iga permutatsiooni. Sarnane termin “värvigradient” viitab nihkele ühelt värvilt teisele ilma intensiivsust arvestamata. Kuigi neil kahel terminil on vaid pealiskaudsed sarnasused, on nende kahe vahel palju segadust ja neid vahetatakse sageli tahtmatult.
Pildi gradient on oma olemuselt nii matemaatiline kui graafiline termin. Algselt kasutati matemaatikat gradientide aluse loomiseks enne, kui inimesed olid suutelised neid tegema. Neid gradiente kasutatakse värvimuutusobjektide vektori suuna ja kiiruse määramise meetodina. Pildipõhine gradient kasvas välja füüsika rakenduslikest kasutusviisidest ja sai rakendusgraafika osaks.
Kui seda kasutatakse graafikas, kirjeldab pildi gradient intensiivsuse muutust ühes värvitoonis. Intensiivsus on veel üks graafiline termin, mis kirjeldab värvist peegelduva valguse hulka. Kõrge intensiivsus tähendab, et suurem osa värvist peegeldub vaataja poole, mille tulemuseks on valgele lähedasem värv. Madal intensiivsus tähendab, et värv neelab rohkem valgust, mille tulemuseks on mustale lähedasem värv. Mõlemal juhul on alusvärv sama; see lihtsalt neelab või peegeldab rohkem värvi.
Tegelikkuses loob see pildi gradiendi, mis näeb välja nagu nihe valgest mustaks ühe värvi kaudu. Tavalisele pildile kandes on üksikud pinnad kaetud pisikeste kaldega. Paljudel juhtudel segatakse ühel pildil värvialasid, et saada lämmatav pilt. Kui värve ei segataks, oleks pildil ilmselgeid artefakte, mille tulemuseks on tavaliselt plokitaoline välimus.
Näiteks inimese näopildil on subjekti nahal gradient ja tema riietel erinev gradient. Arvuti saab vaadata üksikut kujutise gradienti ja võrrelda seda teiste pilti katvate piltidega. Seejärel võib see leida kohti, kus erinevad gradiendialad üksteist puudutavad. Seda teavet saab seejärel kasutada pildil oleva objekti servade leidmiseks ja digitaalse esituse tuletamiseks. Seda kasutatakse sageli piltide parandamise või täiustamise meetodina, et tuua esile täiendavaid üksikasju.