图像原理(一)

概念:

像素(px):像素是一种数据结构,包含了RGB三个数据,分别对应红色、绿色、蓝色。像素没有固定尺寸单位,它只是一个抽象概念。

点(dot):物理点,是显示器屏幕的点或打印的点。是具体只带的事物,一般来说一个点对应一个像素,当像素被计算机输出成点投射都屏幕或纸面上时,它才具备了尺寸的概念,即点(dot)

点(point、pt):

  • 坐标点,是一个数据结构,包括X,Y,Z坐标。绘图里包含这个坐标数据。对于没有使用HiDPI的操作系统来说,一个座标点对应一个像素。
  • 确切的说法是一个专用的印刷单位“磅”,大小为1/72英寸。所以它是一个自然界标准的长度单位,也称为“绝对长度”。
  • 根据屏幕的像素密度来计算,一个点可以包含多个像素(比如:在retina屏上,1点包含2×2个像素)

DPI(Dots Per Inch):最初用于衡量打印物上每英寸的点数密度,就是说打印机可以在一英寸内打多少个点。

PPI (Pixels Per Inch):当DPI的概念用在计算机屏幕上时,就应称之为PPI,PPI就是计算机屏幕上每英寸可以显示的像素点的数量。

HiDPI:是苹果的一项绘图技术,结合这种技术,计算机座标系统上的一个点(point)不再对应一个像素,一般来说会是一个座标点对应四个像素,而一个像素对应屏幕的一个物理点(dot)。

非retina屏:屏幕上的一个点(dot)是由一个像素(RGB数据)组成的,当像素被输出到屏幕或纸张上时,我们应该用点来指代这种含有颜色,有尺寸的具体事物。

retina屏:一般来说会是一个座标点对应四个像素,而一个像素对应屏幕的一个物理点(dot)。



座标生成:当绘图数据送入座标生成系统后,流水线就会对其进行座标分派

着色指定:当座标系统生成出带座标的绘图数据后就需要送入着色器,着色器指定了这些线框的填充颜色或纹理。

渲染:着色器将绘图数据加上着色数据后就被送入渲染器,渲染器根据绘图数据描述,将像素填充到描述的线框组里并送入帧缓存,然后然后送入显示器,显示器获取到帧缓存的数据后再根据数据的描述来绘图到屏幕上。

帧缓存:是储存计算机渲染后的图形数据的,这些数据包括座标,像素,分辨率等等。简单来说就是描述图象的数据,当这些描述数据送入显示器后,显示器就知道怎么绘图了。

分辨率:

  • 屏幕分辨率指的是渲染器生产出来的像素数据排列,注意的是这个屏幕分辨率与显示器屏幕的物理点排列没关系的。
  • 屏幕分辨率是可设置的。
  • 显示器的物理点排列是固定的。

计算机图形渲染的流程:


iPhone 配置图。

对所有的iOS设备来说,显示像素和物理像素是相等的,只有一个例外:iPhone 6 Plus的Retina宽屏。因为它的屏幕比正常的@3x分辨率要低,显示的内容就自动地缩放了87%(2208 x 1242变为1980 x 1080)。

时间: 2024-10-31 00:10:47

图像原理(一)的相关文章

低清图像变成高清图像 原理

http://www.360doc.com/content/14/0320/21/14106735_362271247.shtml# 光流(optical flow) 光流法(optical flow method) 光流场...:http://www.360doc.com/content/11/0219/10/3873911_94254170.shtml 自适应背景更新方法研究:分方法对视频图像进行运动目标分割时,只有及时的更新背景图像才能更加精确.背景更新技术的涌现,使得以图像差分方法分割视

Android-图像原理/绘制原理

图像原理 先专门讲解图片,一想到图片有那些特点:    宽/高 格式jpg/jpeg/... 大小43.kb/... 图片是由像素点组成:像素点是正方形的,只是像素点很小很多,看起来可以拼接圆形??,其实图片里是没有圆形的,为什么这样说呢,看下面图就明白了? 上面讲解到: 宽/高 格式jpg/jpeg/... 大小43.kb/... 图片是由像素点组成 那图片的大小,系统是怎么计算出来的呢? 答:公式是:宽 * 高 * 每个像素点的大小: 宽 和 高 我知道了,拿每个像素点的大小是怎么来的呢?

绘制流程图的ActiveX 控件FlowChartX

FlowChartX 控件是用来绘制流程图的ActiveX 控件,能够帮助你创建工作流程图.对象层次和关系图.网络拓扑图.实体关系图.IVR.工业自动化.genealogy trees .算法流程图.组织结构图.XML文档.类图等,控件为用户创建和编辑图形提供了直观的交互模式,支持打印和序列化. 具体功能: 支持多用户的交互模式 提供剪贴板-拷贝/粘帖/剪切功能(仅仅FlowChart Pro具有这个特征) 支持Undo/Redo(仅仅FlowChart Pro具有这个特征) 拖放对象 键盘快捷

从图像到知识:深度神经网络实现图像理解的原理解析

摘要:本文将详细解析深度神经网络识别图形图像的基本原理.针对卷积神经网络,本文将详细探讨网络中每一层在图像识别中的原理和作用,例如卷积层(convolutional layer),采样层(pooling layer),全连接层(hidden layer),输出层(softmax output layer).针对递归神经网络,本文将解释它在在序列数据上表现出的强大能力.针对通用的深度神经网络模型,本文也将详细探讨网络的前馈和学习过程.卷积神经网络和递归神经网络的结合形成的深度学习模型甚至可以自动生

《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果

本文完全转载:http://www.cnblogs.com/Imageshop/p/3281703.html,再次仅当学习交流使用.. <Single Image Haze Removal Using Dark Channel Prior>一文中图像去雾算法的原理.实现.效果(速度可实时) 本文算法合作联系QQ: 33184777, 非诚勿扰 邮件地址:   [email protected] 最新的效果见 :http://video.sina.com.cn/v/b/124538950-125

图像形态学及更通用的形态学的原理及细节

在试图找到连通分支(具有相似颜色或强度的像素点的大块互相分离的区域)时通常使用膨胀操作.因为在大多数情况下一个大的区域可能被噪声.阴影等类似的东西分割成多个部分,而一次轻微的膨胀又将使这些部分“融合”在一起 如果图像不是二值的,那么膨胀和腐蚀起到的作用不是很明显.在处理灰度和彩色图像时,更通用的cvMorphologyEx可提供更有用的操作. 平滑处理与膨胀腐蚀用的核不同,分别是卷积核与形态核,形态核不需要任何的数值填充核,第132页讲高斯滤波器的时候提到高斯卷积核 开运算先腐蚀后膨胀,可以用来

图像叠加,渐变,透明,水印原理

基本原理, 图像A,图像B,叠加后输出的图像C; Ci=Ai*a + (1-a)*Bi; i 表示第几个像素点; 对于32位的真色彩图像,存放格式有RGBA,ARGB,即4个通道; A即alpha通道值,即这样的图像可以用高8位或低8位(RGBA)来实现图像的透明程度, 0 <= a <= 1, 最小值为0,即完全透明,最大值为1,即不透明,全部显示; a值要与像素点中的每个通道的值进行相乘,得到新的像素点各通道值; 比如,0x80FFFF00是50%透明的黄色,0x80是128,大约是255

Camera图像处理原理及实例分析-重要图像概念

Camera图像处理原理及实例分析 作者:刘旭晖  [email protected]  转载请注明出处 BLOG:http://blog.csdn.net/colorant/ 主页:http://rgbbones.googlepages.com/ 做为拍照手机的核心模块之一,camera sensor 效果的调整,涉及到众多的参数,如果对基本的光学原理及 sensor 软/硬件对图像处理的原理能有深入的理解和把握的话,对我们的工作将会起到事半功倍的效果.否则,缺乏了理论的指导,只能是凭感觉和经

Boosting从原理到实现图像数组的训练

Boosting原理 众做周知,boosting就是所谓的有多个弱分类器组成一个强分类器.而什么叫做弱分类学习和什么时候需要使用弱分类学习呢? 弱分类学习 弱分类学习:识别一组概念的正确率仅比随机猜的概率高一点. 同理,当需要分类的训练组具有上述特点时,可以优先考虑使用boosting算法. Boosting的重要历史事件 Kearns & Valiant (1984) : Boosting由来 Kearns & Valiant (1989) : 证明了弱学习器和强学习器的等价问题. Sc