圖像處理基礎知識像素高寬分辨率

轉載請聲明 http://blog.csdn.net/softmanfly/article/details/45393987

圖象處理中的幾個基本概念及其關系：

像素：1個存儲了RGB色彩值的信息點叫1像素。單位是px。

分辨率：表示物理單位1英寸包括多少個像素點，單位是px/英寸或px/厘米等。我們都知道分辨率越高，圖象越清晰，紋理越細膩，而分辨率越低，圖象越模糊，紋理越粗糙。（如果你百度到的分辨率的概念和我這里說的不1樣，請看完全文后，再理解最后部份的解釋說明）

有了上述兩個概念，再來講明圖象的大小和分辨率像素之間的關系。

首先說說計算機中是如何存儲圖象信息的，對位圖來講，計算機中存儲的是這個圖片信息點的色彩值和信息點的位置，位圖中圖片就是依托1個矩陣來存儲圖象的，可以想象成1個2位數組，數組的下標就是像素點在圖片中所處的坐標位置，而數組元素中存儲的就是該像素點的RGB色彩值。

那末我們去描寫1個物理意義（注意是物理）上的圖片呢？如果讓1個不懂計算機知識的人去描寫1張照片，那他肯定只能這么描寫這張照片：這是1個多少寸的照片，長多少多少英寸，寬多少多少英寸。確切，如果不從計算機存儲的角度上來講，這是描寫圖片大小的唯1方法。那末問題來了，假設我們有1張長和寬都是1英寸的照片，我們如何將這張照片錄入到計算機當中存儲并展現出來呢？

我們知道計算機中存儲的都是0和1,所以你要將1張物理圖片存入計算機,關鍵在于如何將1張物理圖片用計算機的存儲方式去描寫出來，這個描寫的方法有2中，1種是位圖描寫，1種是適當圖描寫，位圖描寫就是我們上面說到的矩陣，用1個類似2維數組的矩陣來表示1個像素的矩陣，每一個矩陣元素中存儲的就是RGB色彩值，那末問題來了，需要1個多大的矩陣來描寫1個1寸的方形照片呢？這沒有硬性的要求，如果你的矩陣越大，比如我用1個a[2000][2000]的數組來存儲像素RGB色值的話，那末你存儲的信息量就越大，圖片描寫就越精細，相應的圖片在計算機體現出來的大小就越大（比如2M）;相反，如果你的矩陣越小，比如用a[200][200]來描寫圖片的話，圖片就越粗糙，存儲在計算機中的體積也越小。這么1說，可能就豁然開朗了，這不就是分辨率的概念嗎？

對，分辨率就是這個原理，比如我們有1個圖片，長和寬的物理尺寸都是1英寸，在計算機中存儲是依照72像素/英寸的分辨率來存儲的，那末這個圖片在計算機中就1共有72×72個像素點需要表示，也就是說這個圖片的分辨率是72像素/英寸。如果是以144像素/英寸來存儲，那末在計算機中就需要144×144個像素點矩陣來表示，這時候候這個圖片的分辨率就是144像素/英寸，一樣的物理尺寸，分辨率越高，圖片越細膩，存儲體積就越大。

結合上面所說的圖片的分辨率，我們讓辨別1下屏幕的分辨率，我們知道1個屏幕是用來顯示圖片的，那末屏幕的分辨率就是指1英寸物理屏幕大小所包括的像素點的多少，比如我們有1張存儲在計算機中的圖片，分辨率是72像素/英寸，圖片的物理尺寸是1英寸。我們還有1塊分辨率設置成144像素/英寸的顯示器，那末這張圖片用這塊顯示器顯示出來后，實際的物理長和寬是多少呢？我們可以來計算1下：

由因而張方形的圖片，我們只討論他的寬度，1英寸×72像素/英寸 = 72像素，也就是說這張圖片存儲在計算機中是1個72×72的像素矩陣，寬的方向上包括了72個像素點。我們的屏幕是1英寸的物理屏幕上包括了144個像素點，那末我們的圖片在這個顯示器上實際顯示出來的物理尺寸就是0.5英寸。好，那末如果我們把屏幕分辨率設置的更高1點，圖片依照其本身本來的分辨率顯示出來的話看起來就會更小，如果屏幕分辨率變低，圖片打開就會變大，這就是屏幕分辨率和圖片分辨率之間的關系。我們不難發現其計算公式以下：

圖片長（寬）物理尺寸×圖片分辨率 = 圖片長（寬）像素點個數 = 屏幕當前分辨率×圖片在屏幕上顯示的長（寬）的物理尺寸大小。

（可能這里有人會提出質疑，為何我看到1些手機的參數上寫的分辨率是1280*720px，不是px/英寸為單位呀？確切是這樣的，我這里提的分辨率是PS中所采取的概念，我們在PS中點擊編輯->圖象大小選項中，下面的那個分辨率參數就是以px/英寸為單位的，而手機參數中的1280*720px嚴格上來講不能叫做分辨率，由于這只是代表了這個手機屏幕中包括了多少個像素點，而具體的分辨率還應當和屏幕的物理尺寸有關，比如1塊4.3寸的小米2s屏幕，像素點有1280*720px，那末它顯示圖象可能很清晰，但是如果這塊屏幕的物理尺寸是10寸，像素點個數不變，顯示就會很模糊，其實手機屏幕中的另外一個概念：像素密度，單位是ppi，英文是px per inch正好是ps軟件中分辨率的概念）。

明白這個原理以后，我們在用1些圖象處理軟件如PS或在編程時就能夠做到應用自若，得心應手了。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈