精华内容
下载资源
问答
  • iOS像素对齐概念解析

    2021-01-05 04:19:11
    在iOS中,有一个概念叫做像素对齐,如果像素不对齐,那么在GPU渲染时,需要进行插值计算,这个插值计算的过程会有性能损耗。  在模拟器上,有一个选项可以把像素不对齐的部分显示出来。 逻辑像素与物理像素 在iOS...
  • 像素基本概念

    2020-10-10 18:24:12
    像素密度(ppi/dpi):水平像素^2+竖直像素^2的和开方/手机尺寸 ppi>320即可为高清屏 设备独立像素(保证图像在不同设备上占比相同) ios:pt android:dp 独立像素像素关系: window.devicePixelRatio 获取...
    手机(屏幕)尺寸:指对角线的长度,用英寸表示
    
    css像素:逻辑像素,也就是我们写代码时候的px,注意缩放会改变css像素大小
    
    设备像素pt:又叫物理像素,不同的设备的物理像素大小也是不同的。
    	pt:指的是72分之一英寸。
    	
    ppi:像素密度,即每英寸(in)像素个数,常用于ui设计
    	ppi=屏幕分辨率的各方向的平方的和/屏幕尺寸。
    		以iphone6为例子,屏幕是1334*750,326ppi,屏幕4.7英寸
    		Math.sqrt(Math.pow(1334,2)+Math.pow(750,2)) / 4.7 ≈ 325
    
    dpi:每英寸(in)像素点数,常用于平面印刷
    
    dpr像素比:
    	像素比=物理像素/css像素
    	通过:var dpr=window.devicePixelRatio获取
    	
    	在pc端:
    		dpr通常为1,即只需指定css为1,物理像素就为1px,因为屏幕足够大,一个css像素用一个物理像素来显示,完全可以
    		
    	在移动端:
    		若dpr=2,意味着需要用2个物理像素填充一个css像素(面积上需要4个),因此一个css像素=dpr个物理像素。
    		
    		移动设备大小是有限的,而且分辨率不低,甚至比pc端更高,也就是可以显示的物理像素更多,如果和pc端一样,一个css的px和物理像素一一对应,可以想象,显示的内容有多小
    	
    	在高清屏中:
    		屏幕拥有的物理像素点数比非高清屏多4倍甚至更多,如果继续按照dpr=1,那么同一张图片在高清屏上面显示的区域面积会是非高清屏的1/4
    		故推出dpr=4等等,使用4个乃至更多物理像素来渲染1个逻辑像素,这样一来,,同样的CSS代码设置的尺寸相同
    	
    	1px边框问题:
    		故在之上的条件下,1px可能屏幕硬是塞给你一条宽度为2—3个物理像素的线
    		
    单位
    	em:一个字符长度
    	in:英尺
    	
    分辨率:狭义的理解为屏幕的像素,例如1200*780,可以理解为水平方向有1200的像素点,垂直方向有780个像素点。分辨率高的显示屏可以显示更多细节,反之则粗糙。
    
    	
    设备独立像素(保证图像在不同设备上占比相同)
    	ios:pt
    	android:dp
    	独立像素和像素关系:
    		window.devicePixelRatio
    
    获取物理设备的逻辑像素css
    	window.screen.width;  只可读取,不可改变
    	
    视口(viewport)
    	pc端:视口大小就是整个浏览器大小(包括浏览器的上栏目等)
    		document.doucumentElement.clientHeight
    
    展开全文
  • 像素相关概念总结

    2018-01-18 07:48:38
    一、设备像素:是组成图像的基本元素,是点的概念。 二、分辨率:横向设备像素*纵向设备像素。 console.log(window.screen.width * window.devicePixelRatio); console.log(window.screen.height * window.device...

    一、设备像素:是组成图像的基本元素,是点的概念。

    二、分辨率:横向设备像素*纵向设备像素。

    console.log(window.screen.width * window.devicePixelRatio);
    console.log(window.screen.height * window.devicePixelRatio);
    复制代码

    三、设备独立像素(CSS像素):由程序控制,并可以转化为设备物理像素的虚拟像素。

    console.log(window.screen.height);
    复制代码

    四、设备像素比:设备像素/设备独立像素(某一方向上)

    console.log(window.devicePixelRatio);
    复制代码

    五、每英寸像素数(PPI):像素密度,即每英寸内设备像素数目。

    转载于:https://juejin.im/post/5a60438b6fb9a01cb1392f97

    展开全文
  • 像素塔 基于像素概念游戏。
  • 像素相关概念

    千次阅读 2015-05-02 15:44:00
     本文转自:... 亚像素 转自:http://blog.csdn.net/tingthing2008/article/details/6501849  英文名:Sub Pixel  定义:  面阵摄像机的成像面以像素为最小单位。例如某
    

    本文转自:http://blog.csdn.net/jtli_embeddedcv/article/details/10088759

    亚像素

    转自:http://blog.csdn.net/tingthing2008/article/details/6501849

       英文名:Sub Pixel
      定义:
      面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片,其像素间距为5.2微米。摄像机拍摄时,将物理世界中连续的图像进行了离散化处理。到成像面上每一个像素点只代表其附近的颜色。至于“附近”到什么程度?就很困难解释。两个像素之间有5.2微米的距离,在宏观上可以看作是连在一起的。但是在微观上,它们之间还有无限的更小的东西存在。这个更小的东西我们称它为“亚像素”。实际上“亚像素”应该是存在的,只是硬件上没有个细微的传感器把它检测出来。于是软件上把它近似地计算出来。
      计算:
      数码摄像机的成像面的分辨率以像素数量来衡量。隔行TV的分辨率是576x768个像素。 像素中心之间的距离有几个至十几个微米不等。为了最大限度利用图像信息来提高分辨率,有人提出了Sub-Pixel概念。意思是说,在两个物理像素之间还有像素,称之为Sub-Pixel,它完全是通过计算方法的出来的。这里提出计算方法。
      如果原始图像是n行m列的,希望做k细分的Sub-Pixel,这样就有新的行N和列M,有
      N = k*n
      M = k*m
      原来相邻4个像素包含的区域现在变成了(k+1)*(k+1)的区域了;要填满这个(k+1)*(k+1)的区域,实际上就是从一个小正方形映照到一个大正方形的过程。在数学上用双线性插值得算法可以轻松搞定。(二次或者三次样条曲线)。下面是算法的代码:
      XYPNT qdot(
      XYPNT d[4], //d[4] 顺时针排列
      XYPNT a //含有要插入的点的位置
      ){
      XYPNT r; //工作单元
      int i;
      float x0,y0,x1,y1; //
      PNT z[4];
      float ap,bt,ax,ay;
      x0=d[0].q.x;y0=d[0].q.y;
      x1=d[2].q.x;y1=d[2].q.y;
      r=a;
      ax=a.q.x;ay=a.q.y;
      for(i=0;i<4;i++)z[i]=d[i].pnt;
      ap=(ax-x0)/(x1-x0);bt=(ay-y0)/(y1-y0);
      r.pnt.r=(1.-ap)*(1.-bt)*z[0].r+bt*(1.-ap)*z[3].r+ap*(1.-bt)*z[1].r+ap*bt*z[2].r;
      r.pnt.g=(1.-ap)*(1.-bt)*z[0].g+bt*(1.-ap)*z[3].g+ap*(1.-bt)*z[1].g+ap*bt*z[2].g;
      r.pnt.b=(1.-ap)*(1.-bt)*z[0].b+bt*(1.-ap)*z[3].b+ap*(1.-bt)*z[1].b+ap*bt*z[2].b;
      return r;
      }
      其中数据结构:
      struct PNT{BYTE b,g,r;}; //像素的颜色
      struct DXY{short x,y;}; //像素的坐标
      struct XYPNT{ //像素的全信息
      DXY q;
      PNT pnt;};
      调用示例:
      for(i=0;i<HEight;i++)for(j=0;j<WIdth;j++){
      d[0].q.x=j*xf ; d[0].q.y=i*xf; d[0].pnt=*(buf+i*WIdth+j);
      d[1].q.x=(j+1)*xf; d[1].q.y=i*xf; d[1].pnt=*(buf+i*WIdth+j+1);
      d[2].q.x=(j+1)*xf; d[2].q.y=(i+1)*xf; d[2].pnt=*(buf+(i+1)*WIdth+j+1);
      d[3].q.x=j*xf ; d[3].q.y=(i+1)*xf; d[3].pnt=*(buf+(i+1)*WIdth+j);
      for(i0=0;i0<xf;i0++)for(j0=0;j0<xf;j0++){
      aa.q.x=j*xf+j0;aa.q.y=i*xf+i0;
      rr=qdot(d,aa);
      *(Buf+aa.q.y*WIDTH+aa.q.x)=rr.pnt;
      }
      }
      其中xf是插入亚像素的个数,也即放大倍数;Height和Width是原始图像的尺寸;HEIGHT和WIDTH是方大xf倍的尺寸;原始图片存放在buf中,目标图片存放在Buf中。
      亚像素的精度:
      亚像素精度是指相邻两像素之间细分情况。输入值通常为二分之一,三分之一或四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如,如果选择四分之一,就相当于每个像素在横向和纵向上都被当作四个像素来计算。因此,如果一张5x5像素的图像选择了四分之一的亚像素精度之后,就等于创建了一张16x16的离散点阵,进而对该点阵进行插值。请参考下图,红色的点代表本来的像素点,黑色点代表新产生的亚像素点。

    亚像素算法亚像素算法的基本思路就是将一个像素再分为更小的单位。

    也就是说1个像素的灰度值分为256级。所以,以这类系统为例,进行亚像素计算就要把像素分为255个小单位。 或许,可以这样来理解“亚像素算法”。一个像素的灰度值从0到255,0是纯黑,255是纯白。不妨把像素想像成是一个由255个小像素所组成的集合。而每个小像素都是一个独立的小镜子,那就是说一个像素里面有255个小镜子。

    灰度值则可以看作反光的小镜子数量:0表示255个小镜子全都没有反光;255表示255个镜子一起反光。上面讲到的所设定的临界灰度值100,则可表示255个镜子中有100个在反光,另外155个镜子没有反光。 现在,回到上面的测量例子中来。

    如何算亚像素值呢?非常简单,亚像素值(白色部分)=该像素灰度值/256;亚像素值(黑色部分)=1-亚像素值(白色部分)。

    另外,除了这种计算方法,还有其他几种计算亚像素值的方法:

    (1)亚像素值(白色部分)=(该像素灰度值×(临界灰度值/256))/256 亚像素值(黑色部分)=1-亚像素值(白色部分)

    (2)亚像素值(白色部分)=后像素值/ (前像素值 +后像素值)亚像素值(黑色部分)=1-亚像素值(白色部分)

    (3)亚像素值(白色部分)=(像素值-前像素值)/ (后像素值-前像素值) 亚像素值(黑色部分)=1-亚像素值(白色部分)

    以上就是亚像素算法的基本原理。

    在结束这个算法讨论之前,有两点必须注意:一是在实际情况下,大家不可能看到像素的一半是黑色另一半是白色,这只是为了方便大家理解所画出来的,而真实的情况是一个像素就只是一小块灰色,没有明暗的分别。明暗的区别只能在像素与像素间显现出来;二是在描述亚像素的基本算法时,所说“小镜子”的概念完全是为了方便大家理解,比纯数学语言表达更为易懂。

     

    NI-Vision的亚像素精度(Subpixel Accuracy) 主要软件: Vision Development Module 主要软件版本: 1.0 主要软件修正版本:  
    次要软件: N/A 
     
    问题: Vision Development Module中的许多处理VI的输出都具有亚像素精度,这是什么意思呢?  
    解答: 许多图像处理VI都用到了边沿检测(Edge Detection)作为复杂计算的基础,因此这篇文档将主要针对边沿检测来解释亚像素精度。几乎所有的图像处理算法都是对图像(可以认为是一个大的数值矩阵)采用某种数值算法,通常这种数值计算的结果都不是整数。这是最简单的理解亚像素精度的方式。然后有些VI具有输入端,可以允许用户指定亚像素精度(Subpixel Accuracy)。 

     
    以IMAQ Edge Tool VI为例,有个输入参数是Subpixel Information,这是一个包含Interpolation Type(插值类型)和Subpixel Accuracy(亚像素精度)等输入的簇。NI Vision使用插值的方法来定位一个边界。Interpolation Type参数有两种选择,Quadratic(二次的)和Cubic Spline(三次样条)。寻找边界的第一件事是获得边沿强度分布(edge strength profile),本质上来说就是像素值相对其位置的函数。二次插值通过三个相邻的边沿强度值找到其拟合抛物线,该曲线的极大值点或极小值点就代表了边沿插值点的位置和强度值,该点的位置通常不是整数。三次样条插值也是类似的原理,只不过插值过程是基于相邻的四个像素。  
    Subpixel Information簇中的另一个输入是Subpixel Accuracy。输入值通常为二分之一,三分之一或四分


    之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如,如果选择四分之一,就相当于每个像素在横向和纵向上都被当作四个像素来计算。因此,如果一张5x5像素的图像选择了四分之一的亚像素精度之后,就等于创建了一张16x16的离散点阵,进而对该点阵进行插值。请参考下图,红色的点代表本来的像素点,黑色点代表新产生的亚像素点。 
      
    如果subpixel accuracy参数选择为None,就表示只利用原来的像素点构成点阵。尽管如此,结果仍然很可能不是整数,因为尽管没有产生更大的点阵,但插值算法仍然是二次的或三次样条算法,只不过算法执行的对象是小一些的矩阵而已。 

     
    NI-Vision提供的亚像素精度是很有用的,计算的数值将比整数值更为精确。如果需要边沿监测的结果为整数值,可以把返回的小数值近似为最接近的整数。如果需要了解更多信息,请参考NI Vision Concepts Manual.

    展开全文
  • [概念]像素,分辨率

    千次阅读 2016-06-12 01:46:16
    像素 像素(pixel):中文全称为图像元素。是由 Picture(图像) 和 Element(元素)这两个单词的字母所组成的。像素仅仅只是分辨率的尺寸单位,而不是画质。 像素是组成图像的最基本单元。它是一块正方形,带有颜色、明...

    像素

    像素(pixel):中文全称为图像元素。是由 Picture(图像) 和 Element(元素)这两个单词的字母所组成的。像素仅仅只是分辨率的尺寸单位,而不是画质。

    像素是组成图像的最基本单元。它是一块正方形,带有颜色、明暗、相对于整个图像的坐标等信息,一定数量的颜色有别的正方形小块排列组合,用以表示一幅点阵图像,也就是位图图像。
    一个图像通常由许多像素组成,这些像素被排成横行或纵列,每个像素都是方形的。当你用缩放工具将图像放到足够大时,就可以看到类似马赛克的效果,每个小方块就是一个像素。每个像素都有不同的颜色值。单位面积内的像素越多,分辨率(dpi)越高,图像的效果就越好。
    显示器上正常显示的图像,当放大到一定比例后,就会看到类似马赛克的效果。每个小方块为一个像素,也可称为栅格。像素图的质量是由分辨率决定的,单位面积内的像素越多,分辨率越高,图像的效果就越好。

    屏幕尺寸

    屏幕尺寸是以屏幕对角线的长度来计量,计量单位为英寸。

    以5英寸屏幕为例,5英寸的屏幕就是对角线为5英寸的屏幕。1英寸=2.54厘米(cm),5英寸=12.7cm所以对角线为12.7cm。即所有对角线为12.7cm的屏幕,均为5英寸屏幕。

    因为屏幕比例不是固定的,常见比例是4:3、16:9,所以长和宽的尺寸是不固定的。

    分辨率

    单位面积内容纳的正方形小块(像素)的数目,就是一幅图像的分辨率。单位面积内,容纳的像素越多,单个像素也越小,图像质量越高;反之,单位面积内容纳的像素越少,单个像素越大,图像质量越低。为表示方便,图像分辨不用面积来表示,而是用矩形的一边上的单位长度内所容纳的像素数来表示,长度单位一般是英寸,我们常说的印刷图像的分辨率是300,即表示这幅图像一英寸长度(合2.54厘米)内含有300个像素,一平方英寸内则有9万像素。分辨率决定了位图图像细节的精细程度
    通常情况下,图像的分辨率越高,所包含的像素就越多,图像就越清晰,印刷的质量也就越好。同时,它也会增加文件占用的存储空间。
    描述分辨率的单位有:(dpi点每英寸(dots pre inch))、lpi(线每英寸)和ppi(像素每英寸)。但只有lpi是描述光学分辨率的尺度的。虽然dpi和ppi也属于分辨率范畴内的单位,但是他们的含义与lpi不同。而且lpi与dpi无法换算,只能凭经验估算。
    另外,ppi和dpi经常都会出现混用现象。但是他们所用的领域也存在区别。从技术角度说,“像素”只存在于电脑显示领域,而“点”只出现于打印或印刷领域。

    • dpi:它是描述在水平的和垂直的方向上,每英寸距离的图像包含多少个打印点。打印设备也许要求多个打印点去产生一个像素。
    • ppi:它是描述在水平的和垂直的方向上,每英寸距离的图像包含的像素(pixel)数目。

    屏幕像素密度,分辨率,屏幕尺寸的关系是什么?

    手机分辨率

    非全面屏分辨率比例一般是:

    • 16:9;1280*720,1920*1080;iPhone5(1136*640)
    • 16:10;iPhone6(1334*750)

    全面屏分辨率比例一般是

    • 18.5:9;三星S8(2960*1440)
    • 19.5:9;vivo-X27(2340*1080)
    • 20.5:9;vivo-X27Pro(2460*1080)

    可以这样认为,高宽比>(16:9=1.78)的手机是全面屏手机

    iPhone屏幕尺寸


    iPad屏幕尺寸

    主流旗舰全面屏手机屏占比

    图像占用空间的大小计算

    大小=分辨率*位深/8
    分辨率=宽*高(如:1024*768,640*480)
    位深:如24位,16位,8位
    /8计算的是字节数,1字节(Byte)= 8位(bit)。
    例如:
    1.一幅图像分辨率:1024*768,24位,则其大小计算如下:
    大小=1024*768824/8=2359296byte=2304KB
    2.一幅1024x768的256色图像大小是多少? 
    答:1024x768*8bit=6291456bit/8/1024/1024=0.75M,因为256色图像是8位的。
    怎么计算图片大小?
    图片的颜色位数
    单色的图象一位用来存储颜色信息,1位=1/8字节,

    • 4位(2^4=16)占半字节,16色,所以,算体积时用一半就可以;
    • 8位应该是2的8次方,就是256种颜色,256色要占用8位(2^8=256)也就是一字节;
    • 16位是65536种颜色;
    • 32位就是4294967269种颜色(42.9亿种颜色,真的有32bit的颜色吗?);

    所以,图形体积=分辨率*占用位数(即常说的16/32位色)/8 或=分辨率*颜色信息占用的字节数 

     

    纹理像素格式
     

    展开全文
  • 理解设备像素比等相关概念

    千次阅读 2018-07-30 11:39:41
    这就需要理解一下几个概念: 设备像素 设备像素又称物理像素(physical pixel),设备能控制显示的最小单位,我们可以把这些像素看作成显示器上一个个的点。 设备独立像素 (也叫密度无关像素),可以认为是计算机...
  • 像素、分辨率、图片大小概念

    万次阅读 2014-11-25 16:18:39
    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...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”),
  • matlab 超像素分割代码

    2017-09-24 21:20:18
    像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术,是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量...
  • 图像像素中通道概念解析

    千次阅读 2016-06-30 16:29:31
     既然每个通道的单一像素需要 8个二进制位的存储空间,那么在三色通道中,每一个像素都由三个单色像素混合而成,也就需要 8 × 3=24个二进制位来进行存储。这样,在数据量变为原来的三倍时,可以表达的色彩数目就...
  • Xcode5中AppIcon中pt与像素概念

    千次阅读 2014-09-03 12:20:58
    29pt = 58*58像素 40pt = 80*80像素 60pt = 120*120像素
  • LED显示屏像素:是LED显示屏的最小成像单元。本文以图文并茂的形式,全面解析LED显示屏中的像素概念,提高LED显示屏的认识。
  • 本文介绍了图像深度、像素深度、位深的概念,图像深度是指表示图像的像素中有多少位用于表示颜色,像素深度是指图像中一个像素占用的位数,位深是指像素的通道占用的位数。像素深度大于等于图像深度,等于所有通道位...
  • 原理超像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术,是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替...
  • SLIC超像素分割算法

    万次阅读 多人点赞 2017-09-22 18:17:13
    像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术,是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量...
  • 灰度、灰度级、分辨率、像素值; 2017年09月18日 20:01:04以梦为马_不负韶华阅读数:14346 版权声明:版权声明:本文为博主原创文章,未经博主允许不得转载。 ...
  • 这都是些很基础的概念,但越是基础就越去忽略了,平常工作中也不会常用到这样的概念,但有时想起来或别人问的时候又会一时说不清楚。网上搜了一下资料,似乎说得比较详细一点,恶补一下。 1.什么是像素?简单的说,...
  • 像素均值: 就是把所有通道(R、G、B)的像素求了均值。 去均值的作用: 把图片上每个位置的值减去均值,可以一定程度上移除它们共同的部分,凸显个性的部分,更有利于图片的处理。下图可以很明显看出去均值后的变化...
  • 前言做移动端h5开发很久了,从开始入行到现在。很多知识和工具都是在用前辈留下的遗产,都没有深入的研究过原因,了解为什么要这么去做。终于在国庆节有一个大块的时间,把最近看到的东西总结...高清屏相关概念解析与和
  • 当我们说到 像素、分辨率、DPI、PPI等专业术语的时候,一般会涉及到图像、屏幕、打印机等等。 像素(Pixel)为图像显示的基本单位,是用来计算数码影像的一种单位。Pix是picture的简写,加上“元素”...
  • 之前做网站一直都用px(像素)这个单位,到了安卓里了出现了dip。dip跟px有什么区别呢? 原来是因为android设备的屏幕样式非常多,320x480,480x800,各种都有,所以google搞了个dip的单位,如果还是用px,那么能遇见...
  • Mean-shift超像素分割

    千次阅读 2017-08-16 21:17:43
    像素概念:超像素是指具有相似纹理、颜色、亮度等特征的相邻像素构成的图像块。是通过图像分割获取的小区域,但是超像素中往往存在过分割。 现有的超像素分割方法: l 基于图论的超像素分割方法: 1. Normalized...
  • 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。...
  • Python实现超像素分割

    千次阅读 2019-12-07 10:44:49
    目录 一、什么是超像素? 二、超像素具有哪些特点? 三、Simple Linear Iterative Clustering (SLIC)算法实现步骤 四、SLIC算法代码实现 五、效果展示和分析 ...  超像素概念是2003...
  • 机器视觉中的像素、分辨率、灰度值等概念

    千次阅读 多人点赞 2019-01-10 21:39:51
    Sensor的感光原理是通过一个一个的感光点对光进行采样和量化,但在Sensor中,每一个感光点只能感光RGB三基色中的一种颜色(这个颜色可以理解为像素的一个颜色分量,并不是最终的图像显示的颜色,最终图像显示的颜色...
  • 图像表示的相关概念:图像深度、像素深度、位深的区别和关系.pdf
  • 本文涉及到 px、sp、dp(dip)、分辨率和dpi(像素密度)的概念,以及像素密度的计算 和 px 转换 dp 的计算公式、px、sp、dp互转的java工具类封装。 分辨率:指手机屏幕像素个数,如 720 * 1280 指屏幕宽有720个像素...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 103,370
精华内容 41,348
关键字:

像素的概念