各种图像输入输出分辨率介绍

分辨率是和图像相关的一个重要概念，它是衡量图像细节表现力的技术参数。但分辨率的种类有很多，其含义也各不相同。正确理解分辨率在各种情况下的具体含义，弄清不同表示方法之间的相互关系，是至关重要的一步。下面对几种常见的图像输入/输出分辨率及不同图像输入/输出设备分辨率作个介绍。

一、图象分辨率

图象分辨率（Image Resolution）:指图象中存储的信息量。这种分辨率有多种衡量方法，典型的是以每英寸的像素数（PPI）来衡量。图象分辨率和图象尺寸的值一起决定文件的大小及输出质量，该值越大图形文件所占用的磁盘空间也就越多。图象分辨率以比例关系影响着文件的大小，即文件大小与其图象分辨率的平方成正比。如果保持图象尺寸不变，将图象分辨率提高一倍，则其文件大小增大为原来的四倍。

二、扫描分辨率

扫描分辨率:指在扫描一幅图象之前所设定的分辨率，它将影响所生成的图象文件的质量和使用性能，它决定图象将以何种方式显示或打印。如果扫描图象用于640×480像素的屏幕显示，则扫描分辨率不必大于一般显示器屏幕的设备分辨率，即一般不超过120DPI。但大多数情况下，扫描图象是为了在高分辨率的设备中输出。如果图象扫描分辨率过低，会导致输出的效果非常粗糙。反之，如果扫描分辨率过高，则数字图象中会产生超过打印所需要的信息，不但减慢打印速度，而且在打印输出时会使图象色调的细微过渡丢失。一般情况下，图象分辨率应该是网幕频率的2倍。扫描分辨率以ppi为单位。

三、网屏分辨率

网屏分辨率（Screen Resolution）:又称网幕频率，指的是打印灰度级图象或分色图象所用的网屏上每英寸的点数。这种分辨率通过每英寸的行数（LPI）来表示。印刷机分辨率以lpi为单位。

四、图象的位分辨率

图象的位分辨率（Bit Resolution）:又称位深，是用来衡量每个像素储存信息的位数。这种分辨率决定可以标记为多少种色彩等级的可能性。一般常见的有8位、16位、24位或32位色彩。有时我们也将位分辨率称为颜色深度。所谓“位”，实际上是指“2”的平方次数，8位即是2的八次方，也就是8个2相乘，等于256。所以，一副8位色彩深度的图象，所能表现的色彩等级是256级。

五、设备分辨率

设备分辨率（Device Resolution）：又称输出分辨率，指的是各类输出设备每英寸上可产生的点数，如显示器、喷墨打印机、激光打印机、绘图仪的分辨率。这种分辨率通过DPI来衡量，目前，PC显示器的设备分辨率在60至120DPI之间。而打印设备的分辨率则在360至1440DPI之间。

5.1 扫描仪、打印机、显示器的分辨率

对扫描仪、打印机及显示器等硬件设备来说，其分辨率用每英寸上可产生的

点数即DPI（Dots Per Inch）来度量。

5.1.1扫描仪的分辨率要从三个方面来确定：光学部分、硬件部分和软件部分。

光学分辨率是扫描仪的光学部件在每平方英寸面积内所能捕捉到的实际的光点数, 是指扫描仪CCD的物理分辨率，也是扫描仪的真实分辨率，它的数值是由CCD的像素点除以扫描仪水平最大可扫尺寸得到的数值。

扩充部分的分辨率（由硬件和软件所生成的）是通过计算机对图像进行分析，对空白部分进行科学填充所产生的（这一过程也叫插值处理）。

有的扫描仪写9600×9600DPI，这只是通过软件插值得到的最大分辨率，并不是扫描仪真正光学分辨率。所以对扫描仪来讲，其分辨率有光学分辨率（或称光学解析度）和最大分辨率之说。

5.1.2 我们说某台打印机的分辨率为360DPI，是指在用该打印机输出图像时，在

每英寸打印纸上可以打印出360个表征图像输出效果的色点。表示打印机分辨率的这个数越大，表明图像输出的色点就越小，输出的图像效果就越精细。

打印机色点的大小只同打印机的硬件工艺有关，而与要输出图像的分辨率无关。

5.1.3我们说某个品牌的显示器的分辨率为80DPI，是指在显示器的有效显示范

围内，显示器的显像设备可以在每英寸荧光屏上产生80个光点。举个例子来说，一台14英寸的显示器（荧光屏对角线长度为14英寸），其点距为

0.28mm，那么：显示器分辨率=25.3995mm/inch÷0.28mm/Dot≈90DPI（1

inch=25.3995mm）。显示器出厂时一般并不标出表征显示器分辨率的DPI值，只给出点距，我们根据上述公式即可算出显示器的分辨率。根据我们算出的DPI值，我们进而可以推算出显示器可支持的最高显示模式。假设该14英寸显示器荧光屏有效显示范围的对角线长度为11.5英寸，因显示器的水平方向和垂直方向的显示比例为4：3，故可设有效显示范围水平宽度为4X英寸，垂直高度为3X英寸，根据数学上的勾股定理，可得X=11.5÷5=2.3英寸。所以有效显示范围宽度为2.3×4=9.2英寸，垂直高度为2.3×3=6.8英寸。最高显示模式约为：800（9.2×90）×600（6.8×90），这时是用一个点（Dot）表示一个像素（pixel）。

设备分辨率与用该设备处理的图像的分辨率是两个既有联系又有区别的概念。设备分辨率是由硬件设备的生产工艺决定的，尽管可以通过软件的方法调整有些设备的分辨率，但它们都有一个局限的最高分辨率，用户不能对它有任何突破。图像的分辨率是描述图像本身精细程度的一个量度。对于扫描仪、打印机处理的图像，其分辨率以每英寸上的像素数即PPI（Pixels Per Inch）来衡量。用于计算机视频处理的图像，以水平和垂直方向上所能显示的像素数来表示分辨率，比如800×600、640×480等等。图像本身是否精细只与图像自身的分辨率有关，而与处理它的硬件设备的分辨率无关，但图像的处理结果是否精细却与处理它的设备的分辨率直接相关。举例来说，一幅90PPI的图像是比较精细的了，如果将它放在分辨率为40DPI的打印机上打印，打印效果也是相当糟糕的。对扫描仪来讲，其分辨率的高低与生成图像的精细程度成正比，但其分辨率只能为图像分

辨率给出一个初始值（这个PPI值与扫描仪的分辨率的DPI的设定值是相等的），并不对图像的分辨率产生限制，我们可以用软件任意调整扫描生成的图像的分辨率。另外，需要注意的是，我们通常说一幅640×480的图像，说的是图像的大小，其中并不包括图像分辨率的含义。

5.2 数码相机的分辨率

数码相机分辨率的高低决定了所拍摄影像最终所能打印出画面的大小，或在计算机显示器上所能显示画面的大小。数码相机分辨率的高低，取决于相机中CCD（Charge Coupled Device:电荷耦合器件）芯片上像素的多少，像素越多，分辨率越高。数码相机的分辨也是由其生产工艺决定的，在出厂时就固定了的，用户只能选择不同分辨率的数码相机，却不能调整一台数码相机的分辨率。就同类数码相机而言，分辨率越高，相机档次越高，但高分辨率的相机生成的数据文件很大，对加工、处理的计算机的速度、内存和硬盘的容量以及相应软件都有较高的要求。

签署：制版厂电分课

日期：2002年1月11日

图像大小和分辨率

图像大小和分辨率 与数码照片有关的工作中一个比较复杂的话题，就是对图像大小与分辨率之间的关系的理解。作为照片处理者，你随时都会遇见ppi值（每英寸像素的数量）、像素大小以及输出大小。要想获得精确的图像效果，尤其是打印后的图像效果，把这两个概念整理清楚是非常必要的。 图像大小 图像文件的两个重要特征是它的图像大小（不要与图像文件的大小混淆了）以及它的分辨率。图像大小涉及的是图像中点的数量。以像素乘以像素来说明，第二个像素值指的是垂直向的像素数量。例如一个图像的大小可以是4368×2912像素，也就是共有12719616或者取整为1200万个图像点，也就是1200万像素。图像文件大小则与它所需的存储空间有关，以字节为单位。 一个图像的像素越大，所含的图像信息就越多，被清楚还原的尺寸也就越大。在输出大小相同的情况下，像素越大，单个细节就显示得越清楚，就越会形成清晰的视觉效果。但这里的视觉图像大小只是一个非实体的、虚拟的值，单独这个值既不能以厘米计算纸上的图片大小，也不能说明显示器上的图像大小。为了对图像上的大小进行确切的描述，还需要另外一个值，那就是分辨率，因为只有通过介质的显示，数字的像素信息才能有一个实际的载体。 分辨率 分辨率是用来表示一定长度的线段上的图像点数量的参数，用每英寸像素（ppi）来表示。它描述的是一个特定的输出介质在一个区域所能显示的像素数量，同时

也表明了在这个介质上正确展示一照片的最低要求。每个输出介质的分辨率都是不同的。 你可以把一个图像想象成一个大的马赛克，每个像素中都含有关于各个马赛克“小子儿”所应有的色彩信息。输出介质决定着单颗小子儿的大小——显示器上的单颗小子儿较大，而打印照片时相纸上的单颗小子儿较小。因此在平铺面积相同的情况下，相纸所能容纳的小子儿要比显示器容纳的多。也可以说，显示器在相同面积中所需要的小子儿较少。相应的，在小子儿数量相同的情况下，在显示器上所铺出来的面积就更大。但是在这两种显示介质前，在与这两个马赛克保持相应距离时，你会看到同样的图像。 此外，比较难以理解的是，分辨率这个概念也被应用于其他与摄影相关的情况，但是不同情况下的所指少有不同。 ——镜头分辨率描述的是这个镜头将黑白相间的细线条分辨开来成像的能力，即解像能力 ——相机的感光元件用分辨率来描述垂直向和水平向上的测量像素的数量，也就是可以成像的测量像素的总量（通常用“百万像素”表示） ——与相机的感光元件非常相似的是，显示器把垂直向和水平向上所可能显示的像素的总量也口语化地叫做分辨率，虽然这更多地是在描述显示器的大小（在这个意义上，更接近“图像大小”的概念） 但是一照片的分辨率并没有说出这个图像文件中真正的像素数量。在一个特定的输出介质上，一大图和一小图的显示分辨率是完全相同的，但是大图要比小图显得大得多。为了理解这其中的关联，请你在后面的叙述中想象一下两个不同的图

容量及图片像素换算

K是千 M是兆 G是吉咖 T是太拉 8bit(位)=1Byte(字节) 1024Byte(字节)=1KB 1024KB=1MB 1024MB=1GB 1024GB=1TB 数位组：一个在信息技术和数码技术领域中，用于表示信息的数量的单位。 一个数位组是数个二进位的组合。早期的不同计算机系统中使用的数位组含有的二进位数目不尽相同。但目前数位组在应用上已经统一，即，一个数位组通常由8个二进位组成。16个二进位合成一个字（word）. 32个二进位构成一个复字（double words)。 每个二进位，可用来代表两种状态之一，如电路的开/断等）组成，因此可以代表28 = 256个不同的状态。 4个二进位的组合称为四位组(Nibble)。 8个二进位的组合则为一个八位组(Octet)。所以一个数位组通常是一个八位组。 数位组是一个承载信息的基本单元。一个数位组表明的信息由所用的编码方式决定。不同的编码方式有可能用一个或多个数位组来表示一个数字，一个符号，或者一幅图像中的一个色点。常用的编码方式如用来表示字符集的ASCII编码或者ISO/IEC 8859标准的编码。 字节又被译为“字节”，即是在电脑内一个英文字所占的最基本单元。而一个中文字是占两个字节的。

由数位组引申出的计量单位 1 kilobyte kB = 1000 (103) byte 1 megabyte MB = 1 000 000 (106) byte 1 gigabyte GB = 1 000 000 000 (109) byte 1 terabyte TB = 1 000 000 000 000 (1012) byte 1 petabyte PB = 1 000 000 000 000 000 (1015) byte 1 exabyte EB = 1 000 000 000 000 000 000 (1018) byte 1 zettabyte ZB = 1 000 000 000 000 000 000 000 (1021) byte 1 yottabyte YB = 1 000 000 000 000 000 000 000 000 (1024) byte 1 nonabyte NB = 1 000 000 000 000 000 000 000 000 000 (1027) byte 1 doggabyte DB = 1 000 000 000 000 000 000 000 000 000 000 (1030) b yte 注意上面Kibi这一系列的定义。Kibi来自英语kilo-binary(二进制的千), 1998年10月在IEC60027-2中订位标准。但到目前在各种应用中还没有完全占优势。 在信息行业中常用用于内存容量的MB, GB，几乎都是指220，230，…数位组。KB也经常表示210数位组，以区别于kB。当然你也会经常看到kB被混用来表示210数位组。这些表示法都并没有被标准化。至于硬盘容量，一般的制造商总是用十进制的计数。一般计算机的操作系统都是使用2进制的计数，所用你经常会发现在计算机看到的硬盘容量比硬盘上声称的要小，比如20GB的硬盘只显示有18.6GB。特别误导人是软盘的情况。720KB的软盘是720×10241个数位组的

国产高分辨率卫星影像自动化高精度处理

国产高分辨率卫星影像自动化高精度处理----------卫星影像基于已有DOM/DEM自动化处理测试报告1、测试情况 1.1.数据情况 影像类型景数单景全色大小单景多光谱大小 高分一号31624Ｍ156Ｍ 天绘一号15976Ｍ137Ｍ资源1号02Ｃ7300Ｍ*2103Ｍ资源三号6 1.12Ｇ606Ｍ 1.2参考数据 参考DOM：影像分辨率为2米； 参考DEM：1：1万分幅DEM，格网间距为5米。 1.3机器性能 电脑工作站一台，其主要性能配置如下： CPU：Intel Xeon E5-269016核 RAM：128G 磁盘驱动器：Samsung SSD850

2 、作业流程 3、效率统计 3.1预处理 已有DEM和DOM预处理可在任务开展前，电脑全自动化进行预 处理，本次任务预处理1：10000分幅参考DEM2871，参考DOM40.5G，利用晚上时间（18小时）完成。 3.2自动定向纠正与融合处理 备注：以下时间全为计算机自动计算的时间，不需额外人工处理 影像类型全色影像自动定向与纠正全色与多光谱影像配准纠正与融合 高分一号4.5分钟/景（总共20景，7核 并行，90分钟完成） 1.2分钟/景（总共31景，12核并行， 37分钟完成） 天绘一号9分钟/景（总共9景，5核并 行，85分钟完成） 6分钟/景（总共15景，15核并行， 106分钟完成） 资源三号25分钟/景（总共5景，单核 处理，128分钟完成） 45分钟/景（总共5景，单核处理， 220分钟完成）

4、成果展示 4.1控制点分布情况 备注：因计算机保密要求，以下所有图片均为彩色打印再扫描得到的，色彩有些偏色。 图1高分一号全色影像基于底图匹配控制点分布情况 图2天绘全色影像基于底图匹配控制点分布情况

高分辨率遥感图像融合方法的比较正式

包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月

摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；

图像大小的计算

图像大小的计算 一直为图片大小计算所吸引，近日搜索资料得知，与大家分享。 数码照片文件大小和拍摄时设置的分辨率和品质有关，还和被拍摄景物的色彩，纹理复杂程度有关，同样的相机设置拍白墙和风景文件大小是不一样的。找个编辑图片的软件，如Photoshop就可以只改变图片占用空间的大小，不会改变长和高，但要牺牲质量。用ACDsee也可另存为，然后可改变质量，降低文件就变小，大小不变。 文件大小是指一个文件占用电脑的磁盘空间的大小。不光是图片文件，其它任何类型的文件都要占用空间，而图片文件的大小与文件格式（JPG、BMP、PSD、GIF、TIFF、PNG、CDA等等）、文件的实际像素、实际尺寸都有直接的关系，但就算两张图片的以上几点都完全一样，文件的大小还可能是不相等的，因为每一张图片所包含的色彩信息量是不同的，一面白墙的相片跟一个MM的照片，文件大小铁定是不同的。 首先，图片大小的存储基本单位是字节（byte），每个字节是由8个比特（bit）组成。 1、位（bit） 来自英文bit，音译为“比特”，表示二进制位。位是计算机内部数据储存的最小单位，是一个8位二进制数。一个二进制位只可以表示0和1两种状态（21）；两个二进制位可以表示00、01、10、11四种（22）状态；三位二进制数可表示八种状态（23）…… 2、字节（byte） 字节来自英文Byte，音译为“拜特”，习惯上用大写的“B”表示。字节是计算机中数据处理的基本单位。计算机中以字节为单位存储和解释信息，规定一个字节由八个二进制位构成，即1个字节等于8个比特（1Byte=8bit）。八位二进制数最小为00000000，最大为；通常1个字节可以存入一个ASCII码，2个字节可以存放一个汉字国标码。 位在计算机中极少单独出现。它们几乎总是绑定在一起成为8位集合，称为字节。为什么一个字节中有8位呢一个类似的问题是：为什么一打鸡蛋有12个呢8位字节是人们在过去50年中不断对试验及错误进行总结而确定下来的。 1字节（Byte）= 8位（bit）。所以，一个字节在十进制中的范围是[0~255],即256个数。 图片大小跟颜色模式有直接关系： 1.灰度模式：图片每一个像素是由1个字节数值表示，也就是说每一像素是由8为01代码构成。比如：240*320=76800px；76800*1（byte）/1024=75k； 模式：即red blue green三原色简写。图片每一个像素是由3个字节数值表示，也就是说每一像素是由24为01代码构成。比如：240*320=76800px；76800*3（byte）/1024=225k； 模式：即青色（c）洋红（m）黄色（y）黑色（k）构成。图片每一个像素是由4个字节数值表示，也就是说每一像素是由8为01代码构成。.比如： 240*320=76800px；76800*4（byte）/1024=300k； 4. dpi是指单位面积内像素的多少，也就是扫描精度，目前国际上都是计算一平方英寸面积内像素的多少。dpi越小，扫描的清晰度越低，由于受网络传输速度

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

1寸2寸及各种证件照片标准尺寸像素

整理如下： 1寸2寸电子版照片标准尺寸 1寸打印尺寸25×35(mm)像素295×413(px) 2寸打印尺寸35×49(mm)像素413×626(px) 一英寸=72pt(点)=96px(像素) 身份证（驾照）照片：22*32 mm (小1寸) 小1寸: 27*38 mm 1寸：25*38 mm 普通护照照片：33*48mm（大1寸） 大1寸:40*55mm 600×800 = 48万像素=3寸照片 700×1000=约80万像素=5寸照片（3.5×5英寸，毫米规格89×127）；800×1200=约100万像素=6寸照片（4×6英寸，毫米规格102×152）；1000×1400=约150万像素=7寸照片（5×7英寸，毫米规格，127×178）；1200×1600=约200万像素=8寸照片（6×8英寸，毫米规格152×203）；1600×2000=约310万像素=10寸照片（8×10英寸，毫米规格203×258）；1600×2400=约400万像素=标准照片（8×12英寸，毫米规格203×304）；1600×2800=约400万像素=宽幅照片（8×14英寸，毫米规格203×356）。 照片规格(英寸)（厘米）(像素)数码相机类型 2.5* 3.5cm413*295 身份证大头照3.3*2.2390*260 2寸3.5*5.3cm626*413 小2寸（护照）4.8*3.3cm567*390

5寸5×3.512.7*8.91200×840以上100万像素6寸6×415.2*10.21440×960以上130万像素7寸7×517.8*12.71680×1200以上200万像素8寸 8×620.3*15.21920×1440以上300万像素10寸10×825.4*20.32400×1920以上400万像素12寸12×1030.5*20.32500×2000以上500万像素15寸 15×1038.1*25.43000×2000600万像素冲洗照片尺寸对照表： 规格（英寸）分辩率PX(文件的长、宽)/像素厘米 3.5*5（3R/4寸）1050*1500/300dpi8.89*12.74*6（4R/6寸） 1800*1200/300dpi10.16*15.245*7（5R/7寸）1500*2100/300dpi12.7*17.786*8（6R/8寸）1800*2400/300dpi15.24*20.328*10（8R/10寸） 2400*3000/300dpi20.32*25.410*12（12寸）3000*3600/350dpi25.4*30.4812*16（16寸）3600*4800/350dpi30.48*40.645英寸：3*5 6英寸：4*6 7英寸：5*7 8英寸：6*8 12英寸：10*12 18英寸：12*18 护照照片要求细则 护照照片必须满足以下要求： －照片包括被照者的全部头部和全部肩膀的正面照，且面部都在照片的正中心； －照片的底色必须是纯白色； －所有照片必须是未经任何修正的同一底片冲洗出来的或通过一次曝光呈现多 个影像或多个镜头的相机拍摄的完全一样的照片（黑白照或彩照）；－照片必须使用绒面纸。

8.1.2图像的分辨率,图像的颜色深度

池河中学2017-2018学年度第一学期教学设计 年级8年级 科 目信息 技术 任课教师李瑞峰授课时间 1 课题图像的分辨率，图像的颜色深度授课类型新授 课标依据学习应用技能 ,提高信息素养,培养创新能力 《图像的分辨率，图像的颜色深度》属于初中信息技术课程第1章图形图像初步知识中的重要内容，本节课选用的教材是人民教育出版社出版的：《信息技术》八年级上册中的二节。主要是帮助学生掌握一些基本的概念，教会学生理解图像参数的方法。 教学目标知识与 技能 理解和掌握图像的分辨率，图像的颜色深度概念，并能理解二者对图像的影响。 过程与 方法 通过自学和讲解二个参数的特点，理解它们之间的联系与区别。 情感态 度与价 值观 激发并保持利用信息技术不断学习和探索的热情，形成积极主动地学习和使用信息技术、参与信息技术的 活动。 教学重点难点教学 重点 全面掌握图像的分辨率，图像的颜色深度概念。 编号：8.1.2

教学 难点 掌握图像的颜色深度。 教学过程设计 师生活动设计意图回想上节课的内容，我们学习了位图和矢量图， 在学习过程中我们也提到了像素，分辨率等概念， 今天我们要加深这几个概念的了解。 在照像机的参数中。像素是描述的数码相机的 主要参数，引出分辨率的概念。 任务一，阅读自学课本第二课，初步了解像素 和深度概念。 布置探究任务二，按课本要求查看图像素材文 件像素、存储容量、颜色位数。查看过程中理解分 辨率和文件大小及像素等概念。 发放相关知识材料教师对照讲解让学生理解分 辨率和像素的关系。 阶段性小结。图像分辨率则是单位英寸中所包 含的像素点数，辨率是图片清晰程度的标志。 显示分辨率与图像分辨率两个方向来分类 利用电脑的显示属性设置来自主探究“位深度” 的概念。 任务三，动手调整计算机的显示参数 教师提示：右键，分辨率，高级设置 阶段性小结 复习巩固旧 知识，引出 新知识。 以任务为驱 动开展教学 激发学生兴 趣；引导学 生发现问 题，并学会 分析问题。 学生动手进行 操作，在操作 中体会理解概 念

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

各个尺寸照片对应大小及尺寸

各个尺寸照片对应大小及尺寸 1英寸25mm×35mm 2英寸35mm×49mm 3英寸35mm×52mm 港澳通行证33mm×48mm 赴美签证50mm×50mm 日本签证45mm×45mm 大二寸35mm×45mm 护照33mm×48mm 毕业生照33mm×48mm 身份证22mm×32mm 驾照21mm×26mm 车照60mm×91mm 数码相机和可冲印照片最大尺寸对照表 500万像素有效4915200，像素2560X1920。可冲洗照片尺寸17X13，对角线21英寸 400万像素有效3871488，像素2272X1704。可冲洗照片尺寸15X11，对角线19英寸 300万像素有效3145728，像素2048X1536。可冲洗照片尺寸14X10，对角线17英寸 200万像素有效1920000，像素1600X1200。可冲洗照片尺寸11X8，对角线13英寸

130万像素有效1228800，像素1280X960。可冲洗照片尺寸9X6，对角线11英寸 080万像素有效786432，像素1024X768。可冲洗照片尺寸7X5，对角线9英寸 050万像素有效480000，像素800X600。可冲洗照片尺寸5X4，对角线7英寸 030万像素有效307200，像素640X480。可冲洗照片尺寸4X3，对角线5英寸 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 按照目前的通行标准，照片尺寸大小是有较严格规定的 1英寸证明照的尺寸应为3．6厘米×2．7厘米； 2英寸证明照的尺寸应是3．5厘米×5．3厘米； 5英寸（最常见的照片大小）照片的尺寸应为12．7厘米×8．9厘米；6英寸（国际上比较通用的照片大小）照片的尺寸是15．2厘米×10．2厘米； 7英寸（放大）照片的尺寸是17．8厘米×12．7厘米； 12英寸照片的尺寸是30．5厘米×25．4厘米。 正常的误差应该在1～2毫米左右，如果“差距”过大，那就说明洗印店有问题了。

像素与照片尺寸、分辨率之间的关系

像素与照片尺寸、分辨率之间的关系 对于业余摄影爱好者很少去研究与深入了解数码照相机的像素与拍出来的照片的分辨率(清晰度)以及照片尺寸大小之间的关系是什么。实际上作为摄影爱好者非常有必要对此有所了解，否则我们都是处在盲目的拍摄状态，我碰到过不少的业余摄影爱好者，他们从买了数码照相机以来，从没有对次进行过调整(即设置)，所以让自己的傻瓜照相机一直保持在出厂时的原生态“傻瓜”状态。 作为任何一名摄影爱好者应从拥有数码照相机的第一天开始，就应该认真地去学习和掌握这方面的相关知识，对今后的拍摄是大有益处的。 为了深入理解像素与照片尺寸、分辨率之间的关系，我们不妨进行一番细说。 一、像素与照片尺寸、分辨率之间的基本关系 “像素”是数码相机感光器件(CCD或COMS片)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，它是记录在数码相机的“胶片”（感光器件）上感光点——即像素。 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。那么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？这首先要搞清一个概念，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”（照片的分辨率），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，照片照样也不细腻。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——像素越高，照片的尺寸必然越大。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“高像素”的相机；若只是家庭使用，不准备放很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以大家在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。 二、像素与照片尺寸、分辨率之间的计算实例 一般的数码相机都会提供几种不同像素单位的模式，比如640×480、1024×768、1600 ×1200、2048×1536……，其每一组数字中，前一个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。比如1600×1200＝1920000≈2000000，就是200万（像

关于数码相机的像素、分辨率和图片大小的概念

关于数码相机的像素、分辨率和图片大小的概念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：640X 480, 1024 X 768, 1600 X ,22048 X 153,6 ?…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1600X1200= 19200?2000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

图像尺寸与像素的关系

图像尺寸与像素的关系 大概有很多初学者都知道，拍来的片片如果像素太高，会占内存，输出会很慢.但如果像素低，片片又会不清晰，大家也应该很清楚要视情况与用途而在电脑里设定片片的像素，但应该如何去设呢？ 显示器上的图像是由许多点构成的，这些点就称为像素，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。 眼眸作者：孤小默 这里小编使用Photoshop来说明，打开图片然后点击菜单栏的（图像—图像大小），可看到如下右图的信息。图像 尺寸/像素的讲解与设定 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“显示器分辨率”是不同的。 图像尺寸/像素的讲解与设定 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。 在像素总量不变的前提下，降低打印分辨率将会扩大图像

面向对象的高分辨率遥感影像分类

二○一一届毕业设计 面向对象的高分辨率遥感影像分类Object-oriented Classification of high Resolution Remote Sensing images 学院：地质工程与测绘学院 专业：遥感科学与技术 姓名： 学号： 指导教师： 完成时间：2011年6月17日 二〇一一年七月

摘要 高空间分辨率遥感影像使得在较小的空间尺度上观察地表细节变化，进行大比例尺遥感制图，以及监测人为活动对环境的影响成为可能。随着高分辨率影像的应用越来越普及，迫切要求人们对高分辨率遥感信息提取进行研究，以满足高分辨率影像信息不断增长的应用和研究需要 高分辨率遥感影像光谱信息有限，空间信息丰富，地物的尺寸、形状及相邻地物间的关系都得到很好的反映。面向对象的分类方法与传统的基于像素的分类相比，不仅仅是依靠光谱信息，而且还充分利用影像的空间信息，分类时也克服了基于像元的逐点分类无法对相同语义特征的像素集合进行识别的缺点，是一种目前最适合于高分辨率遥感影像的分类方法。 本文采用面向对象的分类方法对高分辨率影像进行分类，该方法首先对影像进行多尺度分割获得同质区域对象，在此基础上利用模糊分类思想对分割后的对象进行分类。该方法不仅充分利用了高分辨率影像的空间信息，还将基于像素的分类提升到了基于对象的分类。 多尺度分割采用的是区域生长合并算法，通过对尺度阈值、光谱因子及形状因子等参数的控制，可以获得不同尺度下有意义的对象。分割后的对象不仅包含了原始的光谱信息，还可以提供大量辅助特征，如纹理、形状、拓扑等特征。综合利用这些特征以及模糊分类的思想，使得高分辨率影像分类在减少分类不确定性的同时，还提高了分类的精度。 最后将面向对象分类结果与传统的基于像素分类结果进行对比分析，发现其分类精度要明显高于传统法，且具有较强的抗噪声的功能，分类所得的地物结果相对较为完整，具有更丰富的语义信息，更加符合客观现实情形。 关键词：高分辨率遥感影像，面向对象的分类，影像分割，多尺度，最近邻分类

彩色分辨率检测图(介绍)

彩色分辨率检测图 1.创作目的： 当今时代，平板电视机得到普及，这种电视机的屏幕足夠大(40吋以上)，分辨率足夠高(4K分辨率3840×2160)，有着和电脑显示器同样的接口(USB、HDMI接口)，价格也降到足夠的低，能否用这种电视机代替电脑行业中所需要的高分辨率大屏幕显示器呢?容我细细说来：伩息系统最要紧的是保真！对于电脑显示器而言，其屏幕的输出应该精准地显示其输入的伩息，按照像素的坐标位置显示输入的RGB色度值。通常，电脑的显示器可以做到这点，其实也必须做到这一点。 对于电视机而言，理应也是如此，然而，受制于诸多因素，电视机的显示器往往做不到这一点。从标清电视开始，为了和黑白电视兼容和压缩传输的伩息，与电脑显示器不同，彩色电视不是按照RGB三基色方式传输伩息，而是按照YUV亮度和色差分量方式传输伩息，而亮度伩息佔据传输频道的大部分带宽（对于PAL制电视约为6M带宽），色差伩息被压缩到很小的带宽（约为1.3M带宽）；以后发展到数字电视，仍然是亮度伩息优先于色差伩息，亮度伩息的採样频率往往要高于色差伩息的採样频率；这样就造成了电视机的亮度伩息比较精准，色度伩息有所失真。 由于“人眼对黑白图像的细节有较高的分辨力，对彩色图像的细节分辦力较低”，因此图像大面积用彩色伩息来渲染塗布，而轮廓细节由亮度伩息来勾勒描绘。基于这种解释，对于无时不在跃动变化的视频伩息，人们不会也不可能紧盯每秒几十帧图像中的每一帧图像的每一瞬间的任何位置的微小像素的RGB色彩失真，从而可以宽容接受这些失真；然而对于电脑显示器而言，长久静止不动显示文字图表等几何式样的规整伩息，某个位置微小的颜色失真，便是与众不同，能清楚地被感知。 通常电视机的检验规范规定检验电视机的清晰度，其方法是输入黑白楔形线束的检测图，人眼观察屏幕上线束可分辨处的清晰度数值。这种检测方法的检测对象是亮度伩息，也可以说，能夠检测亮度伩息的精准显示，但和色度伩息不搭界，无絲毫关系，不能检测屏幕上某个像素点显示的RGB色度值是否和输入的伩息精准一致。 本人不反对把已经通过清晰度检验规范的电视机，做为合格的电视机产品，在市场上销售。我们无须苛求电视机必须达到精准显示输入的RGB色度伩息，这是对电脑显示器的要求；但是如果把不能精准显示输入的RGB色度伩息的电视机拿来就当作电脑显示器用，则不是无知就是自欺欺人了。 当今已有某些品牌型号的电视机能夠精准显示输入的RGB色度信息，可以作为电脑显示器用；估计这将成为一个趋势，在不远的将来，会有更多的电视机的显示器能够达到电脑显示器的要求。 基于这些情况，我们需要有一种检测方法，在给定的分辨率下，用于检测显示器某个像素点的输出显示，是否和输入伩息的RGB原始伩息精准一致，从而可以做电脑显示器用。为此目的，本人设计制作了“彩色分辨率检测图”。

像素,分辨率与相片大小

对于业余摄影爱好者很少去研究与深入了解数码照相机的像素与拍出来的照片的分辨率(清晰度)以及照片尺寸大小之间的关系是什么。实际上作为摄影爱好者非常有必要对此有所了解，否则我们都是处在盲目的拍摄状态，我碰到过不少的业余摄影爱好者，他们从买了数码照相机以来，从没有对次进行过调整(即设置)，所以让自己的傻瓜照相机一直保持在出厂时的原生态“傻瓜”状态。 作为任何一名摄影爱好者应从拥有数码照相机的第一天开始，就应该认真地去学习和掌握这方面的相关知识，对今后的拍摄是大有益处的。 为了深入理解像素与照片尺寸、分辨率之间的关系，我们不妨进行一番细说。 一、像素与照片尺寸、分辨率之间的基本关系 “像素”是数码相机感光器件(CCD或COMS片)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，它是记录在数码相机的“胶片”（感光器件）上感光点——即像素。 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。那么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？这首先要搞清一个概念，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”如1080P），“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”（照片的分辨率），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，照片照样也不细腻。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——像素越高，照片的尺寸必然越大。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“高像素”的相机；若只是家庭使用，不准备放很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以大家在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。 二、像素与照片尺寸、分辨率之间的计算实例 一般的数码相机都会提供几种不同像素单位的模式，比如640×480、1024×768、1600 ×1200、2048×1536……，其每一组数字中，前一个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。比如1600×1200＝1920000≈2000000，就是200万（像素）。关于比较专业的表述我在以前的文章中已经有过比较详细的介绍，在此文中就不再熬述了。这是一个像素的概念。

基于低分辨率彩色指导图像的深度图像超分辨率重建

2018年4月图 学 学 报 April2018第39卷第2期JOURNAL OF GRAPHICS V ol.39No.2 基于低分辨率彩色指导图像的深度图像 超分辨率重建 武玉龙，赵洋，曹明伟，刘晓平 (合肥工业大学计算机与信息学院，安徽合肥 230009) 摘要：传统的以彩色图像为指导的深度图像超分辨率(SR)重建方法，参考图像必须为高分 辨率彩色图像，彩色图像的分辨率决定了深度图像的放大上限。同时，实际应用中可能只存在低 分辨率彩色图像，此时上述方法也不再适用。为此，探讨使用任意分辨率彩色图像为指导的深度 图像SR重建方法。首先，使用大量不同类别的图像SR算法对输入彩色图像进行上采样，得到 高分辨率彩色图像并以此作为指导图像，然后采用基于二阶总广义变分方法，将由低分辨率彩色 图像重建得到的图像作为正则约束项，添加图像边缘信息，构建目标函数，将深度图像SR重建 问题转化为最优化问题，再通过原-对偶方法求解，最终得到高分辨率深度图像。探讨了之前被 相关方法所忽略的情形，该方法可以适用于任意分辨率的彩色指导图像。并且通过相关实验发现 了令人惊异的现象，即通过使用低分辨率彩色图像放大后作为指导，可以得到与使用高分辨率彩 色指导图像相近甚至更好的结果，对相关问题的研究和应用具有一定参考意义。 关键词：超分辨率重建；深度图像；二阶总广义变分；ToF相机 中图分类号：TP 751 DOI：10.11996/JG.j.2095-302X.2018020235 文献标识码：A 文章编号：2095-302X(2018)02-0235-09 Low-Resolution RGB Image Guided Depth Image Super-Resolution WU Yulong, ZHAO Yang, CAO Mingwei, LIU Xiaoping (School of Computer and Information, Hefei University of Technology, Hefei Anhui 230009, China) Abstract: In traditional methods of RGB image guided depth image super-resolution, the reference images are required to be high-resolution intensity images and its resolution determines the upper limit of the depth image upsampling. Moreover, in some situations only low-resolution RGB images are available, thus the traditional methods are unpractical. In this paper an arbitrary resolution RGB image guided depth image super-resolution is proposed. First, we use different image super-resolution algorithm for the input RGB image upsampling, so that a high-resolution reference RGB image can be obtained. Then we increase the resolution of the input depth image by using the second-order total generalized variation based method and adding edge cues from the reference image obtained in above step. Then the final energy objective function is defined and depth image super-resolution can be transformed into optimization problem, which can be solved by primal-dual energy minimization scheme. Finally the high-resolution depth image is generated. This paper explores the cases previously ignored by the relevant method and the proposed method can be applied to arbitrary resolution RGB 基金项目：国家自然科学基金面上项目(61370167)；国家自然科学基金青年科学基金项目(61602146)；安徽省自然科学基金项目(JZ2015AKZR0664) 第一作者：武玉龙(1991-)，男，山东东营人，硕士研究生。主要研究方向为三维重建。E-mail：1317255537@https://www.wendangku.net/doc/8318684471.html, 通信作者：刘晓平(1964-)，男，山东济南人，博士，教授，博士生导师。主要研究方向为计算机辅助设计、计算机图形学。E-mail：liu@https://www.wendangku.net/doc/8318684471.html, 万方数据