【音视频原理】图像相关概念 ① ( 像素 | 分辨率 | 位深 )

文章目录

  • 一、图像相关概念
    • 1、像素
    • 2、分辨率
    • 3、位深






一、图像相关概念



图像相关概念 :

  • 像素 : 图片基本单位 ;
  • 分辨率 : 图像的像素尺寸 ;
  • 位深 : 记录每个像素点颜色时使用的位数 ;
  • 帧率 : 一秒钟传输图片的帧数 , 单位 fps , Frame Per Second ;
  • 码率 : 单位时间内视频的数据流量 , 如 1Mbps ;
  • Stride : 内存中每行像素占用的空间 , 不一定是图像的宽度 ;

1、像素


" 像素 " 的英文全称是 " Picture Element " , 又称为 " Pixel " , 是 计算机图形学 中的一个基本概念 , 是图像的最小单位 ;

像素 是 图片 的基本单位 , 是图片中不可分割的最小元素 , 一个像素只有一个单一的颜色值 ;


100 × 100 100 \times 100 100×100 像素的照片 , 指的是 水平方向 上有 100 100 100 个像素点 , 垂直方向 上有 100 100 100 个像素点 ,

该图片的 总像素点 个数是 100 × 100 = 10000 100 \times 100 = 10000 100×100=10000 个像素点 ,

该图片又称为 " 一万像素图片 " , 如果摄像头能拍摄出 一万像素的图片 , 那么该摄像头又称为 一万像素的摄像头 ;


原图为 :
在这里插入图片描述

将一张图片放大后 , 就可以看到该图片的像素 :

在这里插入图片描述


2、分辨率


" 分辨率 " 指的是 图片的 尺寸 , 一般使用 像素 表示 ;

分辨率为 100 × 100 100 \times 100 100×100 的图片 , 指的是 水平方向 上有 100 100 100 个像素点 , 垂直方向 上有 100 100 100 个像素点 ;


常见的视频分辨率 :

  • 360P : 640 × 320 640 \times 320 640×320
  • 480P : 640 × 480 640 \times 480 640×480
  • 720P : 1280 × 720 1280 \times 720 1280×720
  • 1080P : 1920 × 1080 1920 \times 1080 1920×1080
  • 2K : 2560 × 1440 2560 \times 1440 2560×1440
  • 4K : 3840 × 2160 3840 \times 2160 3840×2160
  • 8K : 7680 × 4320 7680 \times 4320 7680×4320

上述 视频分辨率 分别代表了视频的 横向像素数量 和 纵向像素数量 ,

视频像素值表示 : 横向像素数量 × 纵向像素数量 横向像素数量 \times 纵向像素数量 横向像素数量×纵向像素数量 ;

同一部视频 , 视频分辨率越高 , 视频图片的像素点个数越多 , 视频图像越清晰 , 但是视频文件所占用的空间也越大 ;


3、位深


彩色图片 , 每个像素都有 3 3 3 个通道 , 分别是

  • 红色通道 , Red , 简写 R
  • 绿色通道 , Green , 简写 G
  • 蓝色通道 , Blue , 简写 B

就是 RGB 三原色 , 如果需要透明背景 , 再加上 透明通道 , Alpha , 简称 A , 透明度分量 ;


如果 每个像素 的 每个通道 都使用 8 bit 表示 , 8 bit 的取值范围是 0 0 0 ~ 255 255 255 , 也就是有 256 种取值 , 表示一个颜色 由浅到深 的 256 个级别的变化;

3 3 3 个通道 , 每个通道有 256 256 256 种颜色值 , 那么一个像素值有 25 6 3 = 16777216 256^3 = 16777216 2563=16777216 种颜色值 , 约为 1677 万 ;

上述 8 bit 就是位深 ;


图像的 " 位深 " 指的是 每个像素 的 每个通道 所使用的位数 ;

" 位深 " 决定了 图像中 颜色的数量 和 灰度等级 ;

常见的 " 位深 " 如下 :

  • 1 bit : 黑白图像
  • 8 bit : 灰度图像
  • 24 bit : 彩色图像
  • 32 bit : 透明通道彩色图像

位深 越高 , 图像的颜色和灰度等级就越丰富 , 同时文件大小也会相应增加 ;

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/45007.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

什么文件传输协议才能保障跨国文件传输安全又稳定

在当今的全球化时代,跨国文件传输是一种常见而又重要的需求,无论是个人还是企业,都需要通过网络来分享和交换各种类型和大小的文件。但是,跨国文件传输也面临着许多挑战和风险,如何选择一个合适的文件传输协议&#xf…

机器学习与模式识别3(线性回归与逻辑回归)

一、线性回归与逻辑回归简介 线性回归主要功能是拟合数据,常用平方误差函数。 逻辑回归主要功能是区分数据,找到决策边界,常用交叉熵。 二、线性回归与逻辑回归的实现 1.线性回归 利用回归方程对一个或多个特征值和目标值之间的关系进行建模…

(排序) 剑指 Offer 21. 调整数组顺序使奇数位于偶数前面 ——【Leetcode每日一题】

❓剑指 Offer 21. 调整数组顺序使奇数位于偶数前面 难度:简单 输入一个整数数组,实现一个函数来调整该数组中数字的顺序,使得所有奇数在数组的前半部分,所有偶数在数组的后半部分。 示例: 输入:nums [1…

02.案列项目Demo

1.创建项目 1. 创建项目 用pycharm 选择对应的编译器,输入对应的文件名,点击创建项目。删除默认外层生成的template和DIRS 配置项: 2. 创建App 创建appo1的命令: python manage.py startapp app01 如果使用pycharm>tool>…

mongodb.使用自带命令工具导出导入数据

在一次数据更新中,同事把老数据进行了清空操作,但是新的逻辑数据由于某种原因(好像是她的电脑中病毒了),一直无法正常连接数据库进行数据插入,然后下午2点左右要给甲方演示,所以要紧急恢复本地的…

深入理解SSO原理,项目实践使用一个优秀开源单点登录项目(附源码)

深入理解SSO原理,项目实践使用一个优秀开源单点登录项目(附源码)。 一、简介 单点登录(Single Sign On),简称为 SSO。 它的解释是在多个应用系统中,用户只需要登录一次就可以访问所有相互信任的应用系统。 ❝ 所谓一次登录,处处登录。同样一处退出,处处退出。 ❞ 二…

【Android Studio】 win11 安装配置 jdk17 超详细

概述 一个好的安装教程能够帮助开发者完成更便捷、更快速的开发。书山有路勤为径,学海无涯苦作舟。我是秋知叶i、期望每一个阅读了我的文章的开发者都能够有所成长。 一、下载JDK JDK官网 这里下载 JDK17 windows x64 installer 二、安装JDK 双击打开下载的 j…

17-工程化开发 脚手架 Vue CLI

开发Vue的两种方式: 1.核心包传统开发模式: 基于 html/css /js 文件,直接引入核心包,开发 Vue。 2.工程化开发模式: 基于构建工具 (例如: webpack)的环境中开发 Vue。 问题: 1. webpack 配置不简单 2. 雷同的基础配置 3. 缺乏统…

Redis——set类型详解

概要 Set(集合),将一些有关联的数据放到一起,集合中的元素是无序的,并且集合中的元素是不能重复的 之前介绍的list就是有序的,对于列表来说[1, 2, 3] 和 [2, 1, 3]是两个不同的列表,而对于集合…

ansible(2)-- ansible常用模块

部署ansible:ansible(1)-- 部署ansible连接被控端_luo_guibin的博客-CSDN博客 目录 一、ansible常用模块 1.1 ping 1.2 command 1.3 raw 1.4 shell 1.5 script 1.6 copy 1.7 template 1.8 yum 11.0.1.13 主控端(ansible)11.0.1.12 被控端(k8s…

如何在 3Ds Max 中准确地将参考图像调整为正确的尺寸?

您是否想知道如何在 3Ds Max 中轻松直观地调整参考图像的大小,而无需借助第三方解决方案、插件或脚本? 我问自己这个问题,并高兴地发现了FFD Box 2x2x2,我无法停止钦佩这个修改器的多功能性。 在本文中,我想与您分享一…

第一百三十三天学习记录:数据结构与算法基础:串、数组和广义表(串Ⅱ)(王卓教学视频)

注:在之前学习C语言的时候,了解过这一块。其中对KMP算法进行了自学,前面的学习记录也有提到过。这一次根据视频教学再系统性的学习学习一次。 串的模式匹配算法 KMP算法

百日筑基篇——Linux中文本工具应用(Linux入门六)

百日筑基篇——Linux中文本工具应用(Linux入门六) 文章目录 前言一、文本搜索工具 **grep**二、流式文本处理工具 **sed**三、文本处理工具 **awk**总结 前言 在Linux中,通常会使用一些工具来处理文本以获得所需的内容。而Linux中的文本处理…

回归预测 | MATLAB实现IPSO-SVM改进粒子群优化算法优化支持向量机多输入单输出回归预测(多指标,多图)

回归预测 | MATLAB实现IPSO-SVM改进粒子群优化算法优化支持向量机多输入单输出回归预测(多指标,多图) 目录 回归预测 | MATLAB实现IPSO-SVM改进粒子群优化算法优化支持向量机多输入单输出回归预测(多指标,多图&#xf…

步步向前,曙光已现:百度的大模型之路

大模型,是今年全球科技界最火热,最耀眼的关键词。在几个月的狂飙突进中,全球主要科技公司纷纷加入了大模型领域。中国AI产业更是开启了被戏称为“百模大战”的盛况。 但喧嚣与热闹之后,新的问题也随之而来:大模型的力量…

谈谈召回率(R值),准确率(P值)及F值

通俗解释机器学习中的召回率、精确率、准确率,一文让你一辈子忘不掉这两个词 赶时间的同学们看这里:提升精确率是为了不错报、提升召回率是为了不漏报 先说个题外话,暴击一下乱写博客的人,网络上很多地方分不清准确率和精确率&am…

TIA博途_通过EXCEL快速给PLC程序段添加注释信息的方法示例

通过EXCEL快速给PLC程序段添加注释信息的方法示例 如下图所示,以OB1为例,正常情况下,我们可以在博途中直接输入各个程序段的注释信息, 但是如果程序段较多的话,逐个输入的话效率不高,此时可以参考下面这种通过EXCEL进行快速添加的方法。 如下图所示,选中某个OB或FC、FB块…

c语言实现MD5算法

MD5加密 文章目录 MD5加密MD5介绍应用场景代码分析 (基于qt5.14.2)测试记录 MD5介绍 1。 一种单向加密算法,即对明文加密,而不能通过密文得到明文。对原数据的任何改动,哪怕是1字节,得到的MD5值都有很大的区…

算法:滑动窗口解决连续区间子数组问题

文章目录 实现原理实现思路典型例题长度最小的子数组无重复字符的最小字串最大连续1的个数III将x减到0的最小操作水果成篮找到字符串中所有字母异位词(哈希表比较优化)对哈希表内元素比较的优化 总结 本篇积累的是滑动窗口的问题,滑动窗口在算法实现中有重要作用&am…

自动驾驶仿真:基于Carsim开发的加速度请求模型

文章目录 前言一、加速度输出变量问题澄清二、配置Carsim动力学模型三、配置Carsim驾驶员模型四、添加VS Command代码五、Run Control联合仿真六、加速度模型效果验证 前言 1、自动驾驶行业中,算法端对于纵向控制的功能预留接口基本都是加速度,我们需要…