标签：决定 需要 -- 角度 素数 介绍 bsp 算法 显卡
什么是图像？英语中有两个单词来形容图像，一个是picture，一个是image。这两者虽然是形容同一个东西，但却又有着区别。picture代表实而有物的真实图像；而image代表着计算机中存储的图像，也代表想象中的图像。
而我们更多研究的便是image，计算机图像从广义地可分为矢量图和像素图（位图）。矢量图，是由一系列计算机指令描述和记录的一幅图，一幅图可以解为一系列由点、线、面等组成的子图。像素图，则是由很多个点组成的，每个点都是由二进制数据来描述和存储其颜色和亮度等信息。
矢量图，只能表示有规律的线条组成的图形，本身绘制的图像不很真实；但文件存储量很小，可任意缩放。
像素图，各个组成的点都是离散的，绘制的图像可以很复杂且真实；但文件存储量大，放大后会看到明显的锯齿。
在计算机图像中，我们使用opencv去处理和分析的Image中，更多的是像素图。接下来，我将详细地介绍我理解的像素图，根据其存储和显示的方式可以分为多种类型的像素图。
图像的清晰度由图像的两个基本属性，分辨率与像素深度（也叫位分辨率）。而我们经常遇到的分辨率有两种，即显示器分辨率与图像分辨率。
通常我们所看到的一张图像，决定它的分辨率的分别是它的图像分辨率和显示器分辨率。
图像的分辨率代表着图像在计算机中存储的量的大小，分辨率越大，所在的内存容量越大。例如，1920x1080则是由200多万个像素单元组成。但是，图像的清晰度还由ccd靶面大小决定，靶面越大，进光量越大，图像效果越好。
显示器的分辨率代表着屏幕对图像像素的解析能力，分辨率越大，解析能力越强，图像越清晰。但是显示器的屏幕越大时，相对解析能力越弱，图像越不清晰。此时，需要显卡GPU进行插值算法优化，提升显示的清晰度。
此处，我还将介绍一下3个地方的分辨率，加深对像素及分辨率的理解。分别是手机的像素、电脑显示屏的分辨率以及电影院的分辨率。
手机的屏幕很小，而通常像素可以达到500万到几千万不等，但拍摄图像的效果还不如一般的数码摄像机的几十万像素。这其中一个十分重要的原因便在于手机在接收像素之后，便会利用算法对像素进行疯狂插值，而后对外公布的像素参数有自然含有大量水分。
电脑显示屏，一般19寸的显示屏最大分辨率为1440*900，大致解析129万像素最为合适，因此用这种显示屏播放1080p的视频时，除非播放器有插值算法优化处理，否则并不能看到1080P视频的效果。
电影的分辨率，在现在数字化时代可以达到2K甚至4K分辨率，当然在国内目前多为2K。4k分辨率一部电影所占内存可达到200-500G，但是电影院播放的银屏十分大，因此4K的数字放映机必须对视频进行插值算法优化，从而投放在银屏上的像素可能达到上亿，才能保证高画质和清晰度，目前这种技术以及片源都难以达到。
像素深度是指在计算机内存单元中每个像素所用的位数。在计算机图像中，根据像素深度的不同，大致可分为4类，二值化图像，灰度图像，单通道彩色图像以及三通道彩色图像（即24位真彩图）。当然还有其他多通道的彩色图像，这里暂不讨论。
一幅图像在计算机中，被保存为一个头加上一个包含像素数据的内存区。头，即是定义或申明一个结构体或者类；像素数据内存区，即存储每个像素点的地方。
在opencv中，描述一幅图像常用到两个概念，一个是通道，一个是像素深度。但其实质两者是统一的。每一个颜色通道占8位（1个字节），像素深度即通道的数量。一个像素点，通道数越多，那么能描述这一个像素点的方式就越多，这个像素点表现得就越精准，同时，这个像素的深度越大，所占的内存空间也就越大了。
一幅图像，在opencv中可以保存在一个Iplimage、cvmat结构体以及cv::mat类中，其像素在结构体及类中均以行与列的形式存在；在内存区均以二维数组的形式存储。
标签：决定 需要 -- 角度 素数 介绍 bsp 算法 显卡
原文地址：http://www.cnblogs.com/dzw2017/p/6652562.html
