在课程#01中我们知道了显示器上的图像是由许多点构成的,这些点称为像素,意思就是“构成图像的元素”。但是要明白一点:像素作为图像的一种尺寸,只存在于电脑中,如同RGB色彩模式一样只存在于电脑中。像素是一种虚拟的单位,现实生活中是没有像素这个单位的。在现实中我们看到一个人,你能说他有多少像素高吗?不能,通常我们会说他有1.82米高,或者182厘米等。所用的都是传统长度单位。所谓传统长度单位就是指毫米、厘米、分米、米、公里、光年这样的单位。

这时就有一个问题出现,比如那个1.82米高度的人,在电脑中是多少像素呢? 这个问题先放下,我们针对这个问题来一个逆向思维,即电脑中的图像,那些多少多少像素的图像,用打印机打印出来是多大呢?如下左图。
这幅图片的尺寸是500×300像素,它在打印出来以后,在打印纸上的大小是多少厘米?或者是毫米或者是分米,总之那“传统长度”是多少呢? 使用菜单【图像 图像大小】,可看到如下图的信息。

位于上面的像素大小我们都已经熟悉了,指的就是图像在电脑中的大小。其下的文档大小,实际上就是打印大小,指的就是这幅图像打印出来的尺寸。 可以看到打印大小为17.64×10.58厘米。它可以被打印在一张A4(有关A4的解释在后面)大小的纸上。

那是否就是说500像素等同于17.64厘米呢?那么1000像素打印大小是否就是17.64×2=35.28厘米呢? 这种观点是错误的,电脑中的像素和传统长度不能直接换算,因为一个是虚拟的一个是现实的,他们需要一个桥梁才能够互相转换,这个桥梁就是位于文档大小宽度和高度下方的分辨率。注意这里的分辨率是打印分辨率,和我们在课程#01里面所讲的“显示器分辨率”是不同的。

我们来举一个例子:有一段200米长的街道,现在要在上面等距离地种树,如果每隔40米种一棵,总共可以种6棵,如下左图。如果每隔50米种一棵,那么总共只能够种5棵了,如下 下图。

从上面的例子可以看出,同样长度的街道,由于树木间距的不同,导致了树木总数的不同。从上面的例子可以看出,同样长度的街道,由于树木间距的不同,导致了树木总数的不同。 如果树木总数就相当于像素总量,街道长度就相当于打印尺寸。那么树木间距就相当于打印分辨率了。
现在看它的取值为72,后面的单位是像素/英寸,表示“像素每英寸”。英寸是传统长度,那么这个“像素每英寸”换句话就是“每英寸多少像素”。指在1英寸的长度中打印多少个像素。现在取值是72,那么在纸张上1英寸的距离就分布72个像素,2英寸就是144像素,由此类推。

为什么不是“像素每厘米”呢?这主要是英制单位使用范围较为广泛,我们平时所说的电视机或者显示器的寸数也就是英寸。在出版印刷行业也是如此,所以为了方便计算和转换,通常使用“像素每英寸”作为打印分辨率的标准。简称为dpi,Dot(点)Per(每)Inch(英寸)。

在Photoshop中,也可以把分辨率单位换成符合我们习惯的“像素每厘米”,如下左图。想一想,如果我们把打印大小和打印分辨率调整为下右图所示那样,像素大小是多少?

首先看分辨率:每厘米80像素。再看宽度是10厘米,所以宽度的像素就是80×10=800像素。那么高度就是480像素。

可以参考前面所举的种树的例子。这时相当于树木总数变少了。那么在种植间距不变的情况下,可种植的街道长度也就缩短了。 800 ÷ 400=2,意味着宽度减少了一半。在分辨率不变的情况下。打印尺寸也相应缩短一半。那么打印尺寸应为5×3厘米。

可以想象,我们也能够在树木总量不变的前提下,通过改变种植间距来缩短或延长种植的长度。 因此在像素总量不变的前提下,降低打印分辨率将会扩大图像的打印面积。提高打印分辨率则会缩小图像的打印面积。
以上的换算过程中我们都使用了厘米和“像素/厘米”,是因为这个单位与我们平时的习惯比较接近。但是要记住在国际标准中,打印分辨率的单位是“像素/英寸”。

般对于打印分辨率,印刷行业有一个标准:300dpi。就是指用来印刷的图像分辨率,至少要为300dpi 才可以,低于这个数值印刷出来的图像不够清晰。
如果打印或者喷绘,只需要72dpi 就可以了。注意这里说的是打印不是印刷。打印是指用普通的家用或办公喷墨打印机。喷绘就是街头的大幅面广告,因为需求数量少一般不作印刷。因为印刷有一个起步成本,数量越多单价就越便宜。比如印1000份需要500元,而印3000份可能总共也只需要1000元就可以了。所以一般的街头广告(比如公车站的灯箱广告)都是使用大幅面喷绘机制作的。喷绘机的工作原理和喷墨打印机类似,只是体积大上许多,价格也较为昂贵。
打印分辨率和打印尺寸,顾名思义就是在在那些需要打印或印刷的用途上才起作用。比如海报设计,报纸广告等。
而对于网页设计等主要在屏幕上显示的用途来说,则不必去理会打印分辨率和打印尺寸。只需要按照像素去定义图像大小就可以了。

现在再来看一下我们前面的问题:比如那个1.82米高度的人,在电脑中是多少像素呢?
其实这个问题是不确切的,因为他的答案可以有无数个。既然我们可以把图片任意放大缩小,那么一个人的高度的像素值又怎么会有一个定量呢? 大家要明白,数码相机和扫描仪这两个主要的图像输入设备,产生的图像都是以像素作为单位的。因此如果一定要说在不缩放图像的情况下,一个人有多少像素高。那也只能看数码相机或者扫描仪输入到电脑的图像尺寸是多少了。如果你用800万像素的相机拍摄,肯定要比200万像素拍摄的图像来的大。

现在我们来明确了一下图像的两种尺寸和换算关系:

  1. 一种是像素尺寸,也称显示大小或显示尺寸。等同于图像的像素值。
  2. 一种是打印尺寸,也称打印大小。需要同时参考像素尺寸和打印分辨率才能确定。
  3. 在分辨率和打印尺寸的长度单位一致的前提下(如像素/英寸和英寸),像素尺寸÷分辨率=打印尺寸。

在后面的课程中,我们提到图像尺寸的时候一般单位是指像素。如果是厘米或其他单位,会特别说明。

ps:图像尺寸的更多相关文章

  1. IOS7官方推荐图标和图像尺寸

    图标和图像大小 每一个应用程序需要一个应用程序图标和启动图像.此外,一些应用程序需要自定义的图标来表示特定于应用程序的内容,功能,或在导航栏,工具栏和标签栏模式. 不像其他的定制艺术品在您的应用程序的 ...

  2. Opencv-Python:图像尺寸、图像的读取、显示、保存与复制

    Opencv-Python:图像尺寸.图像的读取.显示.保存与复制 原创 2017年11月23日 21:30:49 4440 在使用opencv的方法时,首先必须导入opencv包.新的opencv导 ...

  3. Python: PS 图像调整--明度调整

    本文用 Python 实现 PS 图像调整中的明度调整: 我们知道,一般的非线性RGB亮度调整只是在原有R.G.B值基础上增加和减少一定量来实现的,而PS的明度调整原理还得从前面那个公式上去找.我们将 ...

  4. PS图像菜单下计算命令

    PS图像菜单下计算命令通过通道的混合模式得到的选区非常精细,从而调色的时候过度非常好.功能十分强大.   下面用计算命令中的"相加"和"减去"模式做实例解析,这 ...

  5. TensorFlow 图像预处理(一) 图像编解码,图像尺寸调整

    from: https://blog.csdn.net/chaipp0607/article/details/73029923 TensorFlow提供了几类图像处理函数,下面介绍图像的编码与解码,图 ...

  6. Python: PS 图像调整--饱和度调整

    本文用 Python 实现 PS 图像调整中的饱和度调整算法,具体的算法原理和效果可以参考之前的博客: http://blog.csdn.net/matrix_space/article/detail ...

  7. Python: PS 图像调整--亮度调整

    本文用 Python 实现 PS 图像调整中的亮度调整,具体的算法原理和效果可以参考之前的博客: http://blog.csdn.net/matrix_space/article/details/2 ...

  8. 图像滤镜艺术---PS图像转手绘特效实现方案

    原文:图像滤镜艺术---PS图像转手绘特效实现方案 手绘效果实现方案 本文介绍一种PS手绘效果的实现方案,PS步骤来自网络,本文介绍代码实现过程. 整体看来,虽然效果还是有很大差异,但是已经有了这种特 ...

  9. opencv6.2-imgproc图像处理模块之图像尺寸上的操作及阈值

    接opencv6.1-imgproc图像处理模块之平滑和形态学操作,顺带说一句在opencv中的in-place操作就是比如函数的输入图像和输出图像两个指针是相同的,那么就是in-place操作了.比 ...

随机推荐

  1. [CSP-S模拟测试]:毛一琛(meet in the middle)

    题目描述 历史学考后,$MYC$和$ztr$对答案,发现选择题他们没有一道选的是一样的.最后他们都考了个$C$.现在问题来了,假设他们五五开,分数恰好一样(问答题分数也恰好一样,只考虑选择题).已知考 ...

  2. leetcode-mid-array-31 three sum-NO

    my code:    time limited def threeSum(nums): """ :type nums: List[int] :rtype: List[L ...

  3. 【转】最全的 pip 使用指南,50% 你可能没用过

    [转]最全的 pip 使用指南,50% 你可能没用过 所有的 Python 开发者都清楚,Python 之所以如此受欢迎,能够在众多高级语言中,脱颖而出,除了语法简单,上手容易之外,更多还要归功于 P ...

  4. 树的基本概念以及java实现二叉树

    树具有的特点有: (1)每个结点有零个或多个子结点 (2)没有父节点的结点称为根节点 (3)每一个非根结点有且只有一个父节点 (4)除了根结点外,每个子结点可以分为多个不相交的子树.   树的基本术语 ...

  5. set_index()与reset_index()函数

    一 set_index()函数 1 主要是理解drop和append参数,注意与reset_index()参数的不同. import pandas as pd df = pd.DataFrame({' ...

  6. robot framework :List Variables-List变量及其用法

    [转自:https://blog.csdn.net/yezibang/article/details/52692342] 这一讲我们重点来介绍List Variables-List变量及其用法. 一. ...

  7. dockerFile 配置puppeteer

    ## install npm && puppeteer## 必要依赖 libXScrnSaver RUN yum -y install libXScrnSaver ## install ...

  8. C++[Tarjan求点双连通分量,割点][HNOI2012]矿场搭建

    最近在学图论相关的内容,阅读这篇博客的前提是你已经基本了解了Tarjan求点双. 由割点的定义(删去这个点就可使这个图不连通)我们可以知道,坍塌的挖煤点只有在割点上才会使这个图不连通,而除了割点的其他 ...

  9. 内网渗透 - 提权 - Windows

    MS提权 MS16- MS16- 提权框架 Sherlock 信息收集 ifconfig -a cat /etc/hosts arp -a route -n cat /proc/net/* ping扫 ...

  10. pandas 入门(2)

    from pandas import Series, DataFrame, Index import numpy as np from numpy import nan as NA obj = Ser ...