图像融合技术可以提取自然光图像和红外图像的互补信息，获得对同一场景描述解释更为准确、全面和可靠的图像。像素级融合是常用于灰度图像与可见光图像的融合。基于源图像的彩色化就是源图像和目标图像的融合过程，使其同时兼有源图像的颜色和目标图像的形状、纹理等特征信息，达到整体颜色基调和谐、真实。
 
影响图像融合的主要因素：图像庞大数据量的处理、融合规则的选择等。
 
关于图像融合技术的应用研究，主要集中在夜视图像中微光图像和红外图像的彩色处理。
 
 
 
根据融合过程处理阶段的不同，红外图像和可见光图像的融合可以分为三个阶段：基于像素层面的融合、基于特征层面的融合和基于决策层面的融合。
 
 
像素级融合是一种比较底层的融合方式，融合前一般先对可见光和红外数据进行配准等预处理操作，然后将红外图片和可见光图片对应的各点像素值通过一定的策略合并计算出一个新的像素值，这样各点像素都进行融合后形成一幅新的融合图像。这种层面的融合方式对应设备的要求较高，一般计算量较大，不适合实时性需求。基于空间域的融合方法和基于变换域的融合方法是常用的像素级图像融合手段。
 
其中空间域融合方法包括：逻辑滤波法、加权平均法、数学形态法、图像代数法和模拟退火法等。
 
变换域方法包括金字塔图像融合法、小波变换图像融合法和多尺度分解法等。
 
1.MCA
 
图像分离技术是基于对图像进行多尺度分析的方法,在图像的分析、增强、压缩、复原等领域有效的信号和图像分解分离技术起着重要的作用。目前,研究者提出了很多方法来解决这个问题,实验结果并不完全理想。数字图像分离处理主要是通过利用信号和图像的成分来对信号和图像进行分析,主要有主成分分析、次成分分析、态成分分析等,人们认为,主要在信号重构和压缩、以及稀疏成分分析和独立成分分析、形抑制噪声和特征提取等方面的应用。所得到的图像观测值是由不同的源信号的混合信号。以线性瞬时信号为例,它是最简单的混合数学模型,为求解混合过程的逆过程,达到把不同的源信号分离出来的目的,即根据某些假设条件,已知的先验信息很少的情况下,我们仅仅从获得的混合信号中提取或恢复出源信号来。
 
 
独立成分分析方法是经典的方法,它假设源信号是独立统计的。目前,基于统计独立的假设条件,就像任何一种优秀的算法,有其适合的范围,但也比其他方法得到了较好的实验效果。在从现实应用而获得图片中,很多信号具有稀疏性,很多图像也具有稀疏性,人们也可以通过对这些信号和图像处理达到稀疏性,选择进行数学变换,达到其在变换域中能够得到实现较好的稀疏性的目标。事实论文表明把数据转换为稀疏表示,会极大提高分离的质量。当源信号是高度稀疏时,也就是说每个源信号在绝大多数的时刻取值为零或者接近零,只有在很少的时刻取值为非零或者较大值。此时,源信号可以由不同的基函数来表示,因为在独立假设中,两个源信号同时为有用信号的概率极低。在稀疏成分分析,中,就巧妙地利用了这一点进行分析。独立分量分析、稀疏成分分析,、非负矩阵分解等是近年来兴起的算法,都取得了较大进展。
 
Strack等人开辟了新的道路,他们提出了另外一种基于稀疏表示的对信号或图像进行分解的方法,形态成分分析MCA。该方法的思想是,在图像处理中,对于待分离图像中的任一形态,假设都存在着相应稀疏表示该层的字典,并且仅能够稀疏表示该层形态第二步,我们使用追踪算法以达到搜索最稀疏的表示的目的,产生符合研究目的的相对理想的分离效果。
 
形态成分分析,可以看成BP和MP算法的结合。方法核心用最优稀疏表示图像形态。图像分解成两个不同的形态卡通纹理分量。卡通分量包含了原图像的结构和轮廓信息，纹理分量包含了一些重复性的纹理信息。对于图像的卡通分量来说，其主要体现的是图像的一些结构信息和色彩信息，而人眼对应这类信息往往比较敏感的；同时，自然图像的卡通分量往往体现了原始图像中的大量的主要信息，因此融合卡通分量的目的是使这类信息更为突出。
 
2.RPCA
 
鲁棒主成分分析(Robust Principal Component Analysis，RPCA)是低秩矩阵恢复模型，已经在视频监控，计算机视觉等许多领域得到广泛应用。RPCA 可将数据矩阵表示为低秩矩阵和稀疏矩阵的叠加。早期已有研究者将其应用于多焦点图像融合源图像经 RPCA 分解之后得到源图像的稀疏矩阵和低秩矩阵。稀疏矩阵表示图像的显著特征，低秩矩阵包含图像的细节纹理等背景信息。分别融合后发现融合效果目标信息显著，效果较好。红外图像与可见光图像融合的主要目的是通过融合可以得到一幅兼具两幅图像特点的融合结果。融合图像中包含源图像的光谱信息隐藏目标可以更好的显示。目标物在图像中较为显著，因此会更有利于后续的应用。红外图像是一种热辐射成像，图像中的目标热源部分会非常突出，灰度值明显高于其他区域。
 
源图像经过 RPCA 变换后得到稀疏分量和低秩分量，分别表示不同的图像信息。在红外图像中，显著区域是相对背景比较突出的一部分图像内容。因此，稀疏分量的特征可以描述源图像的目标等显著信息，低秩矩阵建模为红外图像的主要背景信息。NSCT 作为一种多尺度变换，它可以多分辨率多方向的分解提取图像的信息。所以采用 NSCT 变换的方法融合源图像的低秩分量可以更好得到目标图像的低秩分量。在得到融合之后的低秩分量和稀疏分量后通过叠加可以得到融合结果。
 
 
3.稀疏表示
 
近年来，通过研究脑神经发现，当有信号(图像、声音等)刺激大脑时，人类大脑只利用一小部分神经元对输入的信号进行表示，既只提取了信号的关键特征，对冗余复杂的信号进行了简单的表示。学术界将人类大脑的这一功能特征称为稀疏表示。稀疏表示理论的主要思想是利用少量的字典原子来线性描述自然信号。由于其能很好的稀疏表示自然图像，因此近年来稀疏表示已经被广泛地应用于各个领域。
 
传统的稀疏基包括 FT、DCT和 DWT等。近些年，多尺度几何分析引起了大量学者和专家的关注。多尺度几何分析与小波变换不同，为了能较好地利用原函数的几何正则性，其变换基由小波变换中的“正方形”转 化为“长条形”，从而可以用最少的稀疏系数来逼近奇异曲线。因此，多尺度几何分析方法可以很好地表示原始图像的轮廓、边缘和纹理等拥有高维奇异性的几何特征。自多尺度几何分析方法被提出以来，已有大量的学者和专家对其理论和算法进行了深入的研究，且已有了一定可观的研究成果。
 
目前为止，多尺度几何分析方法主要可以分为两大类：自适应和非自适应多尺度几何分析方法。自适应多尺度几何分析方法是指图像变换的基函数随着图像内容的变化而变化，其主要有条带波(Bandelet)、楔形波(Wedgelet)、梳状波(Brushlet)、子束波(Beamlet)等。与此相反，非自适应多尺度几何分析方法的图像变换的基函数是固定不变的，与图像的内容并无直接的关系，主要有曲线波(Curvelet)、 轮廓波(Contourlet)和脊波(Ridgelet)等。
 
在多尺度几何分析之后，基于字典训练的稀疏表示方法吸引了大量学者和专家的研究。由于字典训练方法具有自适应性，因此其在图像融合、图像去噪和图像压缩等领域得到了广泛的应用，目前主流的字典训练算法有 MOD和 K-SVD等。 由于稀疏表示模型能有效地表示图像的本质特征，稀疏表示理论在图像处理领域得到了快速的发展，在图像识别、图像去噪、图像复原等领域中得到了广泛的应用。
 
2008 年，Wright 和 Yang等人提出了基于稀疏表示的分类方法，并将其应用于人脸识别中，该方法可有效地解决光照、表情、部分伪装、遮挡、腐蚀等问题，并具有较好的鲁棒性，他们为人脸识别技术的发展开辟了新的道路。在此基础上，Yuan等人提出了一种基于联合稀疏表示的图像分类方法，该方法分别将图像分解为颜色、轮廓、纹理等信息，然后利用联合稀疏公式求其联合稀疏系数，由此提高了分类的准确度。除此之外，稀疏表示理论在图像去噪中也得到了较好的应用。Elad[等人利用原始噪声图像作为训练样本，然后通过 K-SVD 算法训练得到过完备字典，并在图像去噪上取得了较好的效果。同时，Fadilil等人也将稀疏表示理论应用到图像修复中，该方法利用图像的稀疏性，可以较好的修复受损的图像。在此领域中，Mairal和 Peyre等人也分别相继提出了基于字典训练的彩色图像修复和图像纹理的生成算法。 
 
稀疏表示理论在图像融合领域也得到了广泛的关注与应用。Yang 和 Li等人提出了一种基于稀疏表示的图像融合算法。该算法提出了利用滑动窗技术，将待融合图像分块，并利用L1范数对其进行稀疏表示得到稀疏系数，然后利用最大选择融合规则对其进行融合，最后重构得到融合图像。在此基础上，Yang 和 Li等人又提出了基于 SOMP (Simultaneous Orthogonal Matching Pursuit)的图像融合算法，利用该算法可以保证不同的待融合图像可以利用相同的原子进行稀疏表示，从而提高了融合后的图像的质量。除此之外，Yu等人提出了一种基于联合稀疏模型的图像融合方法。在该方法中，通过稀疏分解模型，将原始图像分解为公共部分和特有部分的稀疏系数，对特有部分稀疏系数进行融合并重构，最后与公共部分组成最终的融合图像。 
 
 
 
 
 

 
 
 
  
 
   正文 
   字体大小：大 中 小 
  
 
  
 
    
   
 
    
 
     
图片大小/像素/分辨率之间有什么关系
 
        
     (2013-07-01 19:30:55)
     

      转载▼
     
 
    
 
    
 
     
 var $tag='像素,分辨率,英寸';
                    var$tag_code='aefe74be683a16a6b51166bd3101fd70'; var $r_quote_bligid='6b9a9c320101mx5n';
                    var$worldcup='0'; var $worldcupball='0'; 标签： 
像素
 
分辨率
 
英寸
 
 分类： 常识 
 
    
 
     
    
 
     
我们买数码相机或是评价相机功能的时候，常常提到相机的“像素”这一概念，认为像素大的相机就好，就能拍出精细的图片来，现在有的高档数码相机的像素数高达上千万，一般的家庭用相机的像素达到了四百万到五百万。是不是我们购买相机的时候，“像素”就是我们评价相机和追求的唯一参数？答案是否定的，这里首先要弄清像素的基本概念。
 
     
“像素”是相机感光器件上的感光最小单位。就像是光学相机的感光胶片的银粒一样，记忆在数码相机的“胶片”（存储卡）上的感光点就是像素；要想得到分辨率高（也就是细腻的照片），就必须保证有一定的像素数；是不是像素高的相机拍出的照片就一定比像素低的相机拍出的照片清晰呢？这首先要弄清一个概念，照片的清晰度不是取决于像素数，而是取决于像素的“点密度”（就是图片的分辨率）（用ppi表示，单位是“像素/英寸”），“像素数”和“点密度”是两个概念，“像素数”（点数）是感光点的总量，而“点密度”是单位面积上的点数（像素点），只有单位面积上的感光点数越多，拍出的照片才越细腻。所以，反映照片清晰程度的参数是“点密度”（图片分辨率），而非总的点数。像素虽高，若印的照片也很大，其“点密度”并不高，照片也不细腻；相反，像素不高，若只印很小幅面的照片，也可以得到很细腻的照片。所以确切地说，像素高，意味着能拍出幅面大的照片；所以，“像素”的高低，表示着照片幅面的大小；这样说来，我们购买相机的时候，就要考虑你准备拍摄的照片的最大尺寸是多大，再决定要求的像素数。若你准备开影楼或做广告，需要放大很大幅面的照片，就需要选择“最高像素”高的相机；若只是家庭使用，不准备放大很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以用户在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。
 
     
我们在使用数码相机拍照时，往往有几组数字供我们选择：
 
     
 
 
     
    640×480,  1024×768,  1600 ×1200，  2048×1536，……
 
     
 
 
     
每一组数字中，前一数字表示在照片的长度方向上所含的像素点数，后一数字表示在宽的方向上所含的像素点数，两者的乘积，就是像素数；例如1600×1200＝1920000≈2000000，就是200万（像素）。
 
     
具体来说，图片的分辨率决定于图片的像素数和图片的尺寸（幅面），像素数高且图片尺寸小的图片，即单位面积上的像所含的像素数多的图片，其分辨率也高。在图片处理软件上打开图片时，就会看到一组数字，有图片像素数，文档大小（长、宽的尺寸）；根据此数据，即可计算出该图片的分辨率；计算的方法是，以其在长度方向上的像素数，除以长度的尺寸数（英寸）；或以其在宽度方向的像素数，除以宽度的尺寸数（英寸）。例如以图片的像素是640×480，其尺寸大小是：长：3.556寸，宽：2.667寸；该图片的分辨率就是：640÷3.556＝180（像素/英寸），或480÷2.667＝180（像素/英寸）。再如，一图片的像素是640×480，其尺寸大小是：宽9寸，高：6.7寸，该图片的分辨率就是：640÷8.9＝72（像素/英寸）。分辨率才是图片清晰程度的标志，在分辨率一定的情况下，像素值是图片的幅面的标志。像素值大，只能说明该图片的幅面大，并不能说明其清晰程度，清晰程度如何，则要看其分辨率的大小。
 
     
拍摄时，每个相机都有几组不同的像素值供我们选择，我们应怎样设定像素的大小呢？首先说明，设定的像素大（文档大），占据记忆卡的资源也大，记忆卡所能容纳的图片数目也就少，即能拍摄的照片少；反之，设定的像素小，能拍摄的照片就多；假若我们想多拍照片，就把像素设定的小一些；假若我们想在后期放大照片，就设定高像素。
 
     
前面提到，照片的清晰程度取决于图片的分辨率，也可用“点密度”（单位面积上的点数）来反映；在保证照片清晰的前提下，我们如何选择像素值呢？这就要看我们准备打印多大幅面的照片了。肉眼所能分辨的最小距离是0.1mm,  1英寸(图片大都用英寸表示)是25.4mm, 也就是说图片分辨率高于254（像素/英寸）的图像的清晰度，在眼睛看来是没有什么区别的，其实，在实践中，分辨率大于100（像素/英寸）的图片已很难用肉眼分辨了，三星牌的傻瓜相机的图片分辨率只有72像素/英寸，但其感光器件质量好，拍出的照片也很清晰；有的家用的较为高档的相机的图片分辨率也只是达到180像素/英寸。所以，拍出照片的清晰程度取决于多种因素，并不是只决定于相机的像素数和其图片的分辨率的大小。
 
     
还要说明一点的是，平时我们所说的照片大小都用“寸”来表示，“寸”是个长度单位，怎么能表示照片的面积呢？原来大多数照片的长宽比例大致是4 ：3, 我们通常所说的5寸照片（5×3.5），就是：长度是5英寸，宽度是3.5英寸；但人们习惯地以其长度来表示照片的大小，再如6寸照片，就是长6英寸，宽4英寸。还要注意一点，10寸照片的面积并不是5寸照片面积的2倍，这一点你只要做个计算就知道了，这里不再赘述。
 
     
 
 
     
1英寸＝25.4mm,   5寸的照片换算成厘米就是长度为：2.54cm×5＝12.7cm,  宽度为：2.54cm×3.5＝8.89cm,
 
     
 
 
     
那么要拍照清晰的5寸照片要求的像素数应该是多少呢？按照前面所提到的根据肉眼的分辨率的要求，在每英寸里含有72个像素点(即图片分辨率)以上，就可拍出清晰的照片，假如我们按图片分辨率为120计算，5寸照片在长度方向上应有：120×5＝600（像素）， 在宽度方向上应有：120（像素/英寸）×3.5（英寸）＝420(像素)；所以，在5寸照片的面积上含有的像素数应为：600×420＝25（万），也就是说我们设相机的最低像素值“640×480”像素，（30万像素）即可拍出十分清晰的照片来。按此类推，拍10寸照片有115万的像素即可；实践可知，只要达到200万的像素，足可拍出十分清晰的10寸照片来。由此看来，作为家庭用的数码相机，有400万像素就足以够用了。
 
     
附带说明一点，DV机（摄像机）的说明书上标出的像素值都很低，大都在100万像素一下，这是怎么回事呢？像素要求与TV机(照相机）不同，照相机拍摄的照片是单幅画面，是静止的，若画面的分辨率太小，就不清晰，不细腻；而DV机拍摄的是连续的动态画面，每秒钟要拍摄十几幅倒几十幅，播放的是一个连续的画面，即是每幅画面的分辨率不大，由于视觉滞留的原因，肉眼看起来仍很清晰；和照相机相比，在分辨率相同的情况下，80万像素的DV机拍出的影像已经非常清晰了。这就是对摄像机像素要求不高的原因。
 
     
还有一个现象是，有的低档次相机的最高像素也很高，有的达到600万，（拍出来的照片很大），分辨率也不是很低，但是并不清晰；这是什么原因呢？原来照片的清晰程度还与相机的感光器件有关，感光器件是数码相机的心脏，就像光学相机的胶卷一样，是记录信息的载体，是成像的感光材料，是数码相机的“胶卷”。感光器件的质量和大小直接关系到成像的质量，是衡量相机档次的一个重要因素；当前相机使用的感光器件有两种：CCD和CMOS,前者的成像质量高，但制造工艺复杂，成本高，一般高档次的相机都使用CCD；在相同分辨率的情况下后者价格便宜、省电，但成像质量较低，所以低档次相机大都使用CMOS感光器件，虽其标出的像素很高，可成像质量大不如前者。即使使用的感光器件相同，感光器件的大小也影响成像质量，感光器件面积大，能记录更多的图像细节，图像就清晰。要说明的是，随着工艺的发展，CMOS也显出了巨大的发展前景，一些厂家已研制出了成像质量很高的产品，所以现在有些高端相机产品的感光器件也是使用了CMOS。
 
     
 
 
     
数码相机日渐普及，相关配套行业--数码相片冲洗店也越开越多。可是，在你高高兴兴把拍摄到的数码相片拿去冲洗之前，你知道应该做些什么准备工作吗？



    现阶段生产的数码相机虽然大部分都已具备300万像素以上分辨率(清晰度)，足以冲印3R或4R尺寸的相片。但很多用户在冲洗时忽略了一些基本性的问题，例如相片质量与裁切比例、存储卡的保护，以及给予冲印店工作人员的指示等，种种处理不当都有可能会影响数码相片的冲印效果。所以如果我们把事前准备功夫做足，冲印出来的相片才会更称心如意。




小常识：通常表示照片规格会用“寸”来表示，和显示器之类的产品用对角线长度表示尺寸的方式不同，照片所说的“几寸”是指照片长的一边的英寸长度。比如6寸照片，就是指规格为6×4英寸的照片。而国际上还有一种通行的表示照片尺寸的方法，即取照片短的一边的英寸整数数值加字母R来表示。比如6寸照片，规格为6×4英寸，即4R。


一、家用数码冲印参考。



     为节省存储卡空间，大部分数码相机都会提供多种相片拍摄质量供用户选择。主要分为Best(最佳质量)、Good(良好质量)及Normal(普通质量)。其区别是把拍摄后的JPEG相片按不同程度进行压缩。但过分压缩会严重影响相片冲印质量。所以后两者拍出的相片未必真正适合冲印。在把相片拿去冲印前，用户最好先检查清楚冲印后的相片质量与拍摄到的影像文件是否成比例。要确保冲印效果令人满意，大家可参考下表。

 


冲印尺寸(英寸)    文件体积(约) 要求最低分辨率     相片对应尺寸

(1寸 / 2寸)      150-200KB     640x480(30万)      2.5 × 3.5 cm  / 5.3 × 3.5cm 

(5×3.5英寸)3R    500-550KB    1280x960(120万)   12.70×8.89  cm

(6×4英寸)  4R    600-650KB    1280x1024(130万)  15.24×10.16 cm

(7×5英寸)  5R    800-900KB    1600x1200(200万)  17.78×12.70 cm

(8×6英寸)  6R    1-1.2MB      1900x1280(240万)  20.32×15.24 cm

(10×8英寸) 8R-8F 1.3-1.5MB    2048x1536(300万)  25.40×20.32 cm


注:其它尺寸请参考表2



    以上数字是最基本要求，拍摄质量越高及文件越大，冲印相片的效果越好。用户如果要经常冲印数码相片，最好先检查相片是否符合上述要求。笔者个人的建议是拍摄时尽量选用“最佳质量”以减少相片细节损耗和确保冲印效果良好。



    另外，用户也可根据以下公式，计算正确的数码相片输出尺寸大小。



        拍摄分辨率÷300dpi＝输出尺寸



    举个例，假设拍摄的相片是150万像素(1024x1536)，就把1024及1536各除以300，得出3.5寸x5寸(即3R尺寸)。即是说，150万像素的数码相片冲印的最大极限是3R，以此类推。


参考:
家庭 4R 相片所用的推荐像素:

1.200万像素已经可以冲印出较理解的相片

2.300万像素这是个不错的选择,即保证了像素,文件又不是很大(推荐)

3.400万和500万像素拍摄

4.再大的像素对冲印质量影响不大(文件太大洗相馆也会帮你裁了),但文件尺寸会很大,如果相机内存卡很充足和家里电脑硬盘很大就使用该相机所能拍摄的最高像素.




二、相片长宽比例 

    由于CCD感光器件尺寸的限制，大部分数码相片的长宽比例是4:3，而一般3R相片比例是5:3.5、4R则是3:2。若按比例冲印，相片会出现白边或部分影像会被裁掉。有的人说，我可以预先在计算机中对相片长宽比例进行裁切，但笔者并不建议这样做，因为这是很花时间的。权宜之计是拍摄时在影像边缘位置预留5至8空间，就能够避免上述问题。



    当然，如果你觉得自己剪裁相片更为准确，知名图形编辑软件Photoshop内置的Crop裁剪工具能帮到你。只需在工具选项输入合适比例，例如3.5寸x5寸，裁切工具就会依照用户提供的比例进行相片剪切。 



    据我所知现在很多洗相馆应数码相机潮流可以冲印4:3的相片,即不用裁剪即可,那么6寸的相片实际上就是 6 X 4.5英寸（15.2 X 11.4厘米）,相对于4R的相片而不载剪的4:3称之为4D尺寸,也相应有对应4D尺寸的相薄配送/卖,洗相前可以多了解一下你所在地的相馆可洗的实际尺寸与价格, 这里可以参考一下本地百佳冲印的价格: 4D比4R贵一角钱 4D光面8角,磨沙面9角,4D光面+过朔=1元/张,各地的价格有所差别。


三、用软件修饰相片 



    在把相片交到冲印店或直接利用打印机打印之前，适当地利用软件调整相片明暗 、反差、对比度与色彩鲜艳度有助于提高相片的可观赏性。笔者有一个小技巧提 供，即在Photoshop中利用“Levels”(Ctrl L)把两边角修整至Histogram两端，相片的明暗、反差与整体色调都会有明显改善。此外，你还可以选择“Auto Levels”或“Auto Color”功能，也能对影像质量与色调调整有帮助。 




四、给冲印店的清晰指示 

    一般情况下，数码激光冲印店会用计算机自动调整相片亮度和CMYK四色调。用户 
可从冲洗好的相片背后编码了解冲印店是否为相片进行过校色，若出现“NNNN” 
字样，即表示冲印员觉得无须调整。但一般而言，适当的校色有助于提供相片的 
观赏性。


五、附表


冲印照片最大尺寸对照 表1 


附：转贴著名摄影艺术网站《色影无忌》“血色黄昏”网友提供的数码相机和可冲印照片最大尺寸对照表


根据150PPI计算的数码相机可冲洗最大照片的数据对照表（英寸）

500万像素 有效4915200，像素2560X1920。可冲洗照片尺寸17X13，对角线21寸

400万像素 有效3871488，像素2272X1704。可冲洗照片尺寸15X11，对角线19寸

300万像素 有效3145728，像素2048X1536。可冲洗照片尺寸14X10，对角线17寸

200万像素 有效1920000，像素1600X1200。可冲洗照片尺寸11X8，对角线13寸

130万像素 有效1228800，像素1280X960。可冲洗照片尺寸9X6，对角线11寸

080万像素 有效786432，像素1024X768。可冲洗照片尺寸7X5，对角线9寸

050万像素 有效480000，像素800X600。可冲洗照片尺寸5X4，对角线7寸

030万像素 有效307200，像素640X480。可冲洗照片尺寸4X3，对角线5寸


由上表可以看出：

5寸照片（3X5），采用800X600分辨率就可以了

6寸照片（4X6），采用1024X768分辨率

7寸照片（5X7），采用1024X768分辨率

8寸照片（6X9），采用1280X960分辨率
 
     




 
     
 
     

      
     
 
     
 
     

      
     
 
     


 
     
绿色：很好 黄色：好 土黄色：一般




相片尺寸：表2



1×1.5 英寸: 一寸 2.5×3.5(厘米) ; 小一寸 2.2×3.2(厘米) ; 大一寸 3.3×4.8(厘米) 

1.5×2 英寸: 二寸 3.5×4.9(厘米) ; 小二寸 3.5×4.5(厘米) ; 大二寸 3.5×5.3(厘米) 



  1寸 1R              2.6×3.7(厘米)

  2寸 2R              6.3×8.9(厘米)

5×3.5(5英寸 3R）　　 12.70×8.89 (厘米)

6×4  (6英寸 4R）　　 15.24×10.16 (厘米)

7×5  (7英寸 5R）　　 17.78×12.70 (厘米)

8×6  (8英寸 6R）　　 20.32×15.24 (厘米)

10×8 (10英寸 8R）　　25.40×20.32 (厘米)

12×10(12英寸）　　　 30.48×25.40 (厘米)

14×12(14英寸）　　　 35.56×30.48 (厘米)

16×12(16英寸）　　　 40.64×30.48 (厘米)

18×12(18英寸) 　　   45.72×30.48 (厘米) 

18×14(18英寸）　　　 45.72×35.56 (厘米)

20×16(20英寸）　　　 50.80×40.64 (厘米)

20×18(20英寸) 　　   50.80×45.72 (厘米)

24×20(24英寸）　　　 60.96×50.80 (厘米)

30×24(30英寸）　　　 76.20×60.96 (厘米)

32×24(32英寸) 　　   81.28×60.96 (厘米) 

36×24(36英寸）　　　 91.44×60.96 (厘米)

40×32(40英寸) 　　   101.6×81.28 (厘米) 

42×32(42英寸) 　　   106.6×81.28 (厘米) 

48×32(48英寸) 　　   121.9×81.28 (厘米)



(注一寸相:如护照，签证申请等，以级学位证书多采用的是大一寸，48毫米×33毫米。而身份证，体检表，等多采用小一寸32毫米×22毫米,第二代身份证 (26mm×32mm),普通一寸相则25mm×35mm。护照旅行证件的相片标准相片尺寸：48mm×33mm，头部宽度为21mm～24mm，头部长度为28mm～33mm。)

    






各种证件尺寸：表3



1.身份证      (22mm×32mm) 第二代身份证 (26mm×32mm)

2.驾驶证      (22mm×32mm)

3.黑白小一寸  (22mm×32mm)

4.彩色小一寸  (27mm×38mm)

5.彩色大一寸  (40mm×55mm)

6.普通证件照  (33mm×48mm)



7.1英寸      (25mm×35mm)

8.2英寸      (35mm×49mm)

9.3英寸      (35mm×52mm)

10.港澳通行证(33mm×48mm)

11.赴美签证  (50mm×50mm)

12.日本签证  (45mm×45mm)

13.大二寸    (35mm×45mm)

14.护照      (33mm×48mm)

15.毕业生照  (33mm×48mm)

16.驾照      (21mm×26mm)

17.车照      (60mm×91mm) 
 
    
 
     
    
 
     

       分享： 
      

       

       
       
       
       
        
      
 
     
 
     
 
      
 
       
1
 
       
喜欢
 
      
 
       
      
 
       
0
 
       
赠金笔
 
      
 
     
 
     
 
    
 
    
 
      
     

       阅读
      (77)
      ┊ 
      评论 
      (2)
      ┊ 
      收藏
      (0) 
      ┊
      转载
      (0) 
      
      ┊ 
      喜欢
      ▼ 
      ┊
      打印
      ┊
      举报 
     
 
     
 
       
     
 
    
 
    
 
    

     
转载列表：
 
     
 
     
 
     
 
     
 
      转载 
      
转载是分享博文的一种常用方式…
 
     
 
     
 
     

    
 
    
 
     

      前一篇：
      GPIO接口
     
 
     

      后一篇：
      IIC总线工作原理
     
 
    
 
    
 
    
 
    
 
     
 
      
 
       评论 
        重要提示：警惕虚假中奖信息  
      
 
      

       [发评论]
      
 
     
 
     

       

        
       
       

        
一纸沙漏
        

         
         
        
        
2013-7-1  19:41举报删除分享回复(0)
        

       

       

        
       
       

        
人间有情
        

         
问候~~
         

         
         

         

         
        
        
2013-7-1  22:30举报删除分享回复(0)
        

       
 
     
 
     
 
      
 
       
 
      
 
      
 
     
 
      
     
 
      
 
       
 
        发评论 
         
       
 
       
 
      
 
      
 
       
 
      
 
      
 
       
 
       
      
     
    
   
  
 

图片是怎么由什么组成的？
 
电脑处理出来的图形通常分2种，一种是矢量图，一种是点阵图，就是图象由无数个点组成。每个点就是PS中说的像素， 每个像素里都由一个颜色表现，所以点阵图是有一个个有颜色的点（像素）排列而成。我们平时看到的文件格式有PSD、TIF、JPG、GIF等都是点阵图，数码相机拍摄的照片就是点阵图。
 
像素是什么？
 
既然图片是由很多点组成，那每个点就是1个像素，一个像素就是一种颜色的色块，图5是10像素X10像素（即图片大小为100像素）的图放大出来的，其实就是每边10个点（小色块）组合而成。
 
分辨率、尺寸与图片大小的关系？
 
很多人说分辨率越高的图片越清晰、越大，这是半错误的看法，分辨率其实是密度，是1英寸里有多少像素，所以，文件大小（重量）＝面积×密度。举个简单例子：比如现在有一小堆沙子，文件大小是重量，像素是一颗沙，不管你怎么装这堆沙子，它的重量和数量都一样，就算你在1cm地方放几万颗沙子，跟你在1cm的地方只放1颗沙子的都一样的，因为沙子（像素）总量不变，只是密度变了而导致面积变了而已。
 
RGB色彩模式位图的象素总量与文件大小
 
大家都知道文件越大图片就越清晰，但却不知道自己的图片为什么不能放大或放大了就模糊了，为了让淘友清楚道理，我先从这几个名字说起。
 
文件大小的单位分：bit、B、KB、MB、GB 等，1GB=1024MB，1MB=1024KB，1KB=1024字节，一般图片用到的单位多为MB和KB，GB和字节应用较少。
 
像素与图片文件大小的关系是怎样？
 
算法：
 
图片文件大小＝A像素×B像素×C（RGB为3种颜色）×D（8位为1，16位为2），如新建文件的大小＝10×10×3×1＝300字节。而新建文件的大小＝1000×1000×3×1＝300000字节＝2.86MB。
 
所以，总的来说：
 
1、  图片的大小由像素的多少决定，分辨率是单位密度，同量像素图片的分辨率越高，面积越小。
 
2、  小的图片放大是会模糊的，把小图片改大的清晰度不变。所以平时数码相机的最高像素决定你拍出来照片的最大像素。
 
转：http://blog.sina.com.cn/s/blog_9e1e8c1301015xat.html

 
 
在小程序开发中，资源加载会影响界面绘制；假如网络状态不够好， 
 很可能会引起初始化界面为空，直到图片加载完成才显示整个界面。
 
 
我们知道，小程序代码及资源本身的限制为2MB，缓存限制为10MB， 
 因此可以考虑将列表项所需的大量图片通过更改像素的方式大大减小其大小。 
 例如一张2MB的图片可以缩小至2KB。
 
 
那么如何批量更改大量图片的像素又不改变其比例呢？ 
 作为一个程序员当然要用代码来实现，在此介绍一下如何通过Java更改图片像素
 
 
题外话
 
在Windows系统获取的文件路径由于其中的\往往不能直接在代码中使用， 
 因此介绍一下如何替换字符串中的\（反斜杠）： 
 对String对象使用.replaceAll("\\\\","/")即可将所有\替换为/，进而方便文件的使用。
 
· 获取图片像素
 
import java.awt.image.BufferedImage;  
import java.io.File;  
import java.io.IOException;
import javax.imageio.ImageIO;

public class ImageResizer {

    ...

    /**
     * 功能：获取图片像素
     * * @param filePath 图片路径
     */
    public static void getPixel(String filePath){
        File file = new File(filePath);
        BufferedImage bi = null;
        try {
        bi = ImageIO.read(file);
        } catch (Exception e) {
        e.printStackTrace();
        }
        int width = bi.getWidth(); // 像素
        int height = bi.getHeight(); // 像素
        System.out.println("width=" + width + ",height=" + height + ".");
    }

    ...

    public static void main(String []args){
        getPixel("G:/蝴蝶识别/压缩/首图/Acraea terpsicore0.jpg");
    }
}
 
结果：
 
 
 
width=450,height=470.
 
 
· 更改图片像素
 
按图片的原比例进行修改：
 
    /**
     * @param srcPath  源图片路径
     * @param desPath  修改大小后图片路径 
     * @param scaleSize 图片的修改比例，目标宽度
     */  
    public static void resizeImage(String srcPath, String desPath,int scaleSize) throws IOException {  

        File srcFile = new File(srcPath);  
        Image srcImg = ImageIO.read(srcFile);  
        BufferedImage bi = null;
        try {
        bi = ImageIO.read(srcFile);
        } catch (Exception e) {
        e.printStackTrace();
        }
        float width = bi.getWidth(); // 像素
        float height = bi.getHeight(); // 像素
        float scale=width/scaleSize;
        BufferedImage buffImg = null;  
        buffImg = new BufferedImage(scaleSize, (int)(height/scale), BufferedImage.TYPE_INT_RGB); 
        //使用TYPE_INT_RGB修改的图片会变色 
        buffImg.getGraphics().drawImage(  
                srcImg.getScaledInstance(scaleSize, (int)(height/scale), Image.SCALE_SMOOTH), 0,  
                0, null);  

        ImageIO.write(buffImg, "JPEG", new File(desPath));
    }  

    public static void main(String []args) throws IOException{ 
        getFiles("G:/蝴蝶识别/压缩/shoutu","modified_100",100);//将图片压缩至100宽
    }
 
按自定义宽高修改：
 
    /**
     * 
     * @param srcPath 原图片路径 
     * @param desPath  转换大小后图片路径 
     * @param width   转换后图片宽度 
     * @param height  转换后图片高度 
     */  
    public static void resizeImage(String srcPath, String desPath,  
            int width, int height) throws IOException {  

        File srcFile = new File(srcPath);  
        Image srcImg = ImageIO.read(srcFile);  
        BufferedImage buffImg = null;  
        buffImg = new BufferedImage(width, height, BufferedImage.TYPE_INT_RGB);
        //使用TYPE_INT_RGB修改的图片会变色 
        buffImg.getGraphics().drawImage(  
                srcImg.getScaledInstance(width, height, Image.SCALE_SMOOTH), 0,  
                0, null);  

        ImageIO.write(buffImg, "JPEG", new File(desPath));  
    }  
 
批量修改：
 
    /**
     * @param srcPath  源图片文件夹路径
     * @param desPath  修改大小后图片文件夹路径 
     * @param scaleSize 图片的修改比例，目标宽度
     */
    public static void getFiles(String path,String modPath,int scaleSize) throws IOException {
        ArrayList<String> files = new ArrayList<String>();
        File file = new File(path);
        File[] tempList = file.listFiles();
        //循环读取目录下图片
        for (int i = 0; i < tempList.length; i++) {
            if (tempList[i].isFile()) { 
                  System.out.println("文件：" + tempList[i].getName()+"-"+tempList[i].getAbsolutePath().replaceAll("\\\\","/"));
                  String[] imagePath=tempList[i].getAbsolutePath().replaceAll("\\\\","/").split("/");
                  String imageNumber=null;        
            ImageResizer.resizeImage(tempList[i].getAbsolutePath().replaceAll("\\\\","/"),"目标文件路径",scaleSize);  
                files.add(tempList[i].toString());
            }
            if (tempList[i].isDirectory()) {
//                  System.out.println("文件夹：" + tempList[i]);
            }
        }
        System.out.println(path+"下文件数量："+files.size());
    }
 
修改效果：
 
修改前： 
  
 修改后：