首頁 > 產(chǎn)品 > 問答 > 亞像素，什么是亞像素精度

亞像素，什么是亞像素精度

來源：整理時(shí)間：2023-08-24 06:14:24 編輯：智能門戶手機(jī)版

本文目錄一覽

1，什么是亞像素精度
2，亞像素的介紹
3，圖像處理中子像素與亞像素是一回事嗎
4，圖像亞像素級(jí)具體到多少值
5，什么是防鋸齒技術(shù)什么是亞像素
6，亞像素的英文名Sub Pixel

1，什么是亞像素精度

亞像素精度是指相鄰兩像素之間細(xì)分情況。輸入值通常為二分之一，三分之一或四分之一。這意味著每個(gè)像素將被分為更小的單元從而對(duì)這些更小的單元實(shí)施插值算法。例如，如果選擇四分之一，就相當(dāng)于每個(gè)像素在橫向和縱向上都被當(dāng)作四個(gè)像素來計(jì)算。因此，如果一張5x5像素的圖像選擇了四分之一的亞像素精度之后，就等于創(chuàng)建了一張16x16的離散點(diǎn)陣，進(jìn)而對(duì)該點(diǎn)陣進(jìn)行插值。請(qǐng)參考下圖，紅色的點(diǎn)代表本來的像素點(diǎn)，黑色點(diǎn)代表新產(chǎn)生的亞像素點(diǎn)。ps：來自百度文庫(kù)

什么是亞像素精度

2，亞像素的介紹

面陣攝像機(jī)的成像面以像素為最小單位。例如某CMOS攝像芯片，其像素間距為5.2微米。攝像機(jī)拍攝時(shí)，將物理世界中連續(xù)的圖像進(jìn)行了離散化處理。到成像面上每一個(gè)像素點(diǎn)只代表其附近的顏色。至于“附近”到什么程度？就很困難解釋。兩個(gè)像素之間有5.2微米的距離，在宏觀上可以看作是連在一起的。但是在微觀上，它們之間還有無限的更小的東西存在。這個(gè)更小的東西我們稱它為“亞像素”。實(shí)際上“亞像素”應(yīng)該是存在的，只是硬件上沒有個(gè)細(xì)微的傳感器把它檢測(cè)出來。于是軟件上把它近似地計(jì)算出來。

亞像素的介紹

3，圖像處理中子像素與亞像素是一回事嗎

估計(jì)這種高手他媽還沒有生出來！不過有一個(gè)方法是可以的，但是哥哥不想教你，想學(xué)，給錢！嘿嘿

不是一回事。一般的液晶面板上每個(gè)像素由紅藍(lán)綠（RGB）三原色組成，每個(gè)像素上的每種顏色叫一個(gè)“子像素”。而亞像素不是一種“顏色”。數(shù)碼攝像機(jī)的成像面的分辨率以像素?cái)?shù)量來衡量。隔行TV的分辨率是576x768個(gè)像素。像素中心之間的距離有幾個(gè)至十幾個(gè)微米不等。為了最大限度利用圖像信息來提高分辨率，有人提出了Sub-Pixel概念。意思是說，在兩個(gè)物理像素之間還有像素，稱之為Sub-Pixel，它完全是通過計(jì)算方法得出來的。

圖像處理中子像素與亞像素是一回事嗎

4，圖像亞像素級(jí)具體到多少值

這個(gè)是根據(jù)你屏幕的色素決定的，一般來講，一塊屏幕的像素其實(shí)就是有多少個(gè)色素點(diǎn)組成一點(diǎn)像素的，如果色素?cái)?shù)量多那么圖像就越清晰。就好比1600萬色其實(shí)就是1600萬個(gè)色素點(diǎn)組成一個(gè)像素一樣的道理。

成員變量： bitmap m_bmp; cbitmap m_bitmap;讀取 1.bmp 到內(nèi)存：bool cyourclassname::read1bmp() hbitmap hbitmap = (hbitmap)::loadimage(null, _t("1.bmp"), image_bitmap, 0, 0, lr_loadfromfile); if (null == hbitmap || !m_bitmap.attach(hbitmap)) messagebox(_t("1.bmp 讀取失敗。")); return false; } if (!m_bitmap.getbitmap(&m_bmp) || 32 != m_bmp.bmbitspixel) messagebox(_t("轉(zhuǎn)成 32bit 的位圖。")); return false; } dword count = m_bmp.bmwidth * m_bmp.bmheight; m_bmp.bmbits = new dword [count]; if (null == m_bmp.bmbits) messagebox(_t("申請(qǐng)內(nèi)存失敗。")); oncancel(); } m_bitmap.getbitmapbits(count * sizeof(dword), m_bmp.bmbits);}這樣就都在 m_bmp.bmbits 里了。然后用這個(gè)函數(shù)讀：dword cyourclassname::getcolordword(const cpoint & point) dword index = point.x * m_bmp.bmbitspixel / 8 + point.y * m_bmp.bmwidthbytes; dword realcolor = *reinterpret_cast((byte*)m_bmp.bmbits + index); return realcolor; } 估計(jì)你不會(huì)的就這些了，剩下的自己弄吧。看著給分。

5，什么是防鋸齒技術(shù)什么是亞像素

在今年的 WWDC 主題演講上，喬布斯用圖示法解釋了為什么像素?cái)?shù)越多，顯示效果越好。與此相關(guān)的另一個(gè)問題，是所謂的「防鋸齒技術(shù)」（anti-aliasing）?；蛟S你在科技類博客上見過這個(gè)術(shù)語和「亞像素」（sub-pixel，一譯「次像素」）一類的詞匯共舞齊飛，但卻不明究竟。剛好前幾天 @metaphox 分享的這篇短文對(duì)防鋸齒技術(shù)和亞像素概念解釋得比較簡(jiǎn)明易懂，譯出與大家共享。—— 編者防鋸齒技術(shù)是一種很微觀的技術(shù)，但對(duì)圖像的整體形態(tài)會(huì)有很大影響。簡(jiǎn)單來說，防鋸齒技術(shù)是一種視覺上的小騙術(shù)，可以讓邊緣不平滑的東西顯得平滑。電腦屏幕上的一顆顆像素并不是一直在發(fā)光，而是根據(jù)屏幕上的內(nèi)容時(shí)亮?xí)r滅。由于方形的像素顆粒是以網(wǎng)格矩陣形式排列，故很難呈現(xiàn)圓角的圖像。為了欺騙人眼，讓我們以為那些字母和圖形是圓角的，防鋸齒技術(shù)把像素顆粒的邊緣涂成暗色。當(dāng)你從遠(yuǎn)處看時(shí)，筆直的線條就產(chǎn)生了模糊感，整個(gè)邊緣線條就顯得圓滑了。左為筆記本電腦的液晶屏幕上的亞像素，右為 iPhone 屏幕上的亞像素?？梢钥吹胶笳叩膩喯袼刂g的空隙要小很多。（圖像來自 noopia.com）亞像素防鋸齒則更進(jìn)一步，把圓角效果做得更加完善。每個(gè)像素顆粒都是由藍(lán)色、綠色和紅色的三個(gè)亞像素組成（見上圖左半），三個(gè)亞像素都可以分別點(diǎn)亮，這令我們能夠用不同的顏色來對(duì)防鋸齒技術(shù)進(jìn)行更精細(xì)的控制。目前市面上的大部分屏幕（包括筆記本屏幕）都用到了亞像素防鋸齒技術(shù)。iPhone 的情況則不太一樣（見上圖右半）。雖然它是近兩年的新設(shè)備，但卻沒有用到亞像素防鋸齒技術(shù)，僅僅是在整個(gè)像素的層面進(jìn)行了防鋸齒處理。這是怎么回事呢？如果仔細(xì)看上面的圖，你會(huì)發(fā)現(xiàn) iPhone 上各個(gè)亞像素之間的距離比普通屏幕小得多（所以像素之間的距離也小得多）。因此，iPhone 即便不用亞像素防鋸齒也能取得不錯(cuò)得效果。它的屏幕分辨率高，肉眼基本很難分辨全像素顯示和亞像素顯示的區(qū)別。由于防鋸齒技術(shù)涉及復(fù)雜的計(jì)算過程，用以計(jì)算相鄰的像素或亞像素的顏色與暗色層級(jí)，iPhone 省去了亞像素防鋸齒處理，也就節(jié)省了一些 CPU 資源。iPhone 的屏幕還有其他的特別之處：橫版和豎版之間的切換。這可能也是蘋果不使用亞像素防鋸齒的原因之一。如果用了，切換橫豎版時(shí)對(duì) CPU 的消耗可能會(huì)非常大。最后這點(diǎn)我并不確定。像素之間的距離小或許是采用全像素顯示的結(jié)果，而非原因。

一張jpeg的圖片，你把它放大，放到很大后你就會(huì)發(fā)現(xiàn)全是馬賽克（也就是正方形放開組成的），比如說圖片中有個(gè)人物，你放大后發(fā)現(xiàn)人物的邊緣全部是正方形方塊組成的鋸齒形狀，那就是像素鋸齒。像素越高，圖片就可以放到更大，圖片也就更大，越低，圖片的大小也就越?。?/section>

6，亞像素的英文名Sub Pixel

我是來看評(píng)論的

數(shù)碼攝像機(jī)的成像面的分辨率以像素?cái)?shù)量來衡量。隔行TV的分辨率是576x768個(gè)像素。像素中心之間的距離有幾個(gè)至十幾個(gè)微米不等。為了最大限度利用圖像信息來提高分辨率，有人提出了Sub-Pixel概念。意思是說，在兩個(gè)物理像素之間還有像素，稱之為Sub-Pixel，它完全是通過計(jì)算方法得出來的。這里提出計(jì)算方法。如果原始圖像是n行m列的，希望做k細(xì)分的Sub-Pixel，這樣就有新的行N和列M，有N = k*nM = k*m原來相鄰4個(gè)像素包含的區(qū)域現(xiàn)在變成了(k+1)*(k+1)的區(qū)域了；要填滿這個(gè)(k+1)*(k+1)的區(qū)域，實(shí)際上就是從一個(gè)小正方形映照到一個(gè)大正方形的過程。在數(shù)學(xué)上用雙線性插值得算法可以輕松搞定。(二次或者三次樣條曲線)。下面是算法的代碼：XYPNT qdot(XYPNT d[4], //d[4] 順時(shí)針排列XYPNT a //含有要插入的點(diǎn)的位置)XYPNT r; //工作單元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;} struct PNTstruct DXYstruct XYPNTDXY q;PNT pnt;}; for(i=0;id[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 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是插入亞像素的個(gè)數(shù)，也即放大倍數(shù)；Height和Width是原始圖像的尺寸；HEIGHT和WIDTH是方大xf倍的尺寸;原始圖片存放在buf中,目標(biāo)圖片存放在Buf中。