圖像清晰度演算法

Ⅰ 什麼決定照片的清晰度 像素嗎像素越高，照片越清晰

解析度和像素決定照片的清晰度，像素越大，解析度越高，照片越清晰，可輸出照片尺寸也可以越大。

在大部分數碼相機內，可以選擇不同的解析度拍攝圖片。一台數碼相機的像素越高，其圖片的解析度越大。解析度和圖象的像素有直接的關系。

一張解析度為640 x 480的圖片，那它的像素就達到了307200，也就是我們常說的30萬像素，而一張解析度為1600 x 1200的圖片，它的像素就是200萬。這樣，我們就知道，解析度表示的是圖片在長和寬上占的點數的單位。

一台數碼相機的最高解析度就是其能夠拍攝最大圖片的面積。在技術上說，數碼相機能產生在每寸圖像內，點數最多的圖片，通常以dpi為單位，英文為Dot per inch。解析度越大，圖片的面積越大。

(1)圖像清晰度演算法擴展閱讀

解析度：

解析度決定了點陣圖圖像細節的精細程度。

通常情況下，圖像的解析度越高，所包含的像素就越多，圖像就越清晰，印刷的質量也就越好。同時，它也會增加文件佔用的存儲空間。

解析度和圖像的像素有直接關系。我們來算一算，一張解析度為640 x 480的圖片，那它的解析度就達到了307200像素，也就是我們常說的30萬像素，而一張解析度為1600 x 1200的圖片，它的像素就是200萬。

這樣，我們就知道，解析度的兩個數字表示的是圖片在長和寬上占的點數的單位。一張數碼圖片的長寬比通常是4：3。LCD液晶顯示器和傳統的CRT顯示器，解析度都是重要的參數之一。

傳統CRT顯示器所支持的解析度較有彈性，而LCD的像素間距已經固定，所以支持的顯示模式不像CRT那麼多。LCD的最佳解析度，也叫最大解析度，在該解析度下，液晶顯示器才能顯現最佳影像。

像素：

像素是衡量數碼相機的最重要指標。像素指的是數碼相機的解析度。

它是由相機里的光電感測器上的光敏元件數目所決定的，一個光敏元件就對應一個像素。因此像素越大，意味著光敏元件越多，相應的成本就越大。 數碼相機的圖像質量部分是由像素決定的，大過一定尺寸再單純拿像素來比較就沒有意義了。

主流單反數碼相機像素在1000萬左右,但是普通攝影及家用500萬像素已足夠用，因為我們使用的顯示器的解析度有限，一般為1024×768至1920×1200，這樣的解析度如果顯示像素過高的圖片時，圖片會被壓縮至當前屏幕的大小，此時有的圖片就會出現銳利度過高的情況而失真。

成像質量主要取決於相機的鏡頭，感光元件大小及質量。像素越大，照片的解析度也越大，可列印尺寸也更大。但是，早期的數碼相機都是低於100萬像素的。從1999年下半年開始，200萬像素的產品漸漸成為市場的主流。(手機普遍都是200萬像素，普通數碼相機一般都在300萬像素以上。)

Ⅱ 圖片解析度怎麼算

就是每英寸圖像內有多少個像素點。

圖像解析度的表達方式也為「水平像素數×垂直像素數」，也可以用規格代號來表示。

圖像解析度原理

數碼圖像有兩大類，一類是矢量圖，也叫向量圖；另一類是點陣圖，也叫點陣圖。矢量圖比較簡單，它是由大量數學方程式創建的，其圖形是由線條和填充顏色的塊面構成的，而不是由像素組成的，對這種圖形進行放大和縮小，不會引起圖形失真。

點陣圖很復雜，是通過攝像機、數碼相機和掃描儀等設備，利用掃描的方法獲得，由像素組成的，是以每英寸的像素數（PPI）來衡量。點陣圖具有精細的圖像結構、豐富的灰度層次和廣闊的顏色階調。當然，矢量圖經過圖像軟體的處理，也可以轉換成點陣圖。

家庭影院所使用的圖像，動畫片的原圖屬於矢量圖一類，但經過製作中的轉化，已經和其他電影片一樣，也屬於點陣圖一類了。

(2)圖像清晰度演算法擴展閱讀

像素的演算法

當圖片尺寸以像素為單位時，需要指定其固定的解析度，才能將圖片尺寸與現實中的實際尺寸相互轉換。

例如大多數網頁製作常用圖片解析度為72，即每英寸像素為72，1英寸等於2.54厘米，那麼通過換算可以得出每厘米等於28像素；又如15x15厘米長度的圖片，等於420*420像素的長度。

一幅可見的圖像中的像素（如列印出來的一頁）或者用電子信號表示的像素，或者用數碼表示的像素，或者顯示器上的像素，或者數碼相機（感光元素）中的像素。

這個列表還可以添加很多其它的例子，根據上下文會有一些更為精確的同義詞，例如畫素，采樣點，位元組，比特，點，斑，超集，三合點，條紋集，窗口等。

是使用像素作為解析度（也稱解析度，下同）衡量時，例如2400像素每英寸或者640像素每線。一幅圖像中的像素個數有時被稱為圖像解析度，雖然解析度有一個更為特定的定義。用來表示一幅圖像的像素越多，結果就越接近原始圖像。

Ⅲ 圖像清晰度計算方法

是啊,是用點陣來計算的,點越多越清晰.
橫的點*豎的點

Ⅳ 如何根據圖像的解析度和幀率算出圖像的需要的存儲空間有沒有什麼公式

像素的存儲空間取決於像素的深度。例如：一個像素佔用多少空間取決於什麼模式。例如，在灰度模式下，一個像素相當於一個位元組，在RGB模式下，一個像素相當於三個位元組，在CMYK模式下，一個像素相當於四個位元組。

像素深度是指用於存儲每個像素的比特數，也用於測量圖像的解析度。像素深度決定了彩色圖像中每個像素可能的顏色數量，或者決定了灰度圖像中每個像素可能的灰度級別。

例如，彩色圖像的每個像素是由三個組件：R，G，b．如果每個組件都是由八個比特，一個像素由24位，表示像素的深度是24，和每個像素可以是16，777、216（2＾24）的顏色。

在這個意義上，像素深度通常被稱為圖像的深度。一個像素的位越多，它所能代表的顏色就越多，也就越深。

(4)圖像清晰度演算法擴展閱讀：

注意事項：

單位

當圖像大小以像素為單位時，應指定固定解析度將圖像大小轉換為實際大小。

例如：在大多數網頁中常用的圖像解析度是72，即每英寸72像素，1英寸等於2．54厘米，因此可以得出每厘米通過轉換等於28像素。一個15x15cm的圖像是420＊420像素長。

Ⅳ photoshop基本問題，圖像清晰度

圖像的清晰度由解析度決定，解析度的演算法是「像素/每英寸」，其中每張圖的像素是固定的。PS是差值運算軟體，根據周圍的像素來增加或減少像素點，因為這是計算機自動計算得到的，不能可能會非常完美，所以PS在放大縮小圖片時還會自動的進行優化，類似平滑的模糊。所以你把圖片拉大或者縮小圖片的清晰度都會有變化。
目前網上的一些所謂放大圖像還能保持清晰的軟體，其實就是在計算方式上有所改變，其實效果都不怎麼好，不知道有沒有像電影里那樣的計算軟體。
所以作圖要找解析度相近的素材，想靠縮放時有限度的，圖片質量一定會受影響。
你調大了解析度所增加出的像素都是PS自動根據周圍的像素猜出來的

Ⅵ 目前有實用價值的圖像超解析度演算法都是基於什麼的

圖像超解析度（Super Resolution, SR）就是將低解析度（Low Resolution, LR）的圖像通過一定的演算法轉提升到高解析度(High Resolution, HR)。高解析度圖像具有更高的像素密度，更多的細節信息，更細膩的畫質。要獲得高解析度圖像，最直接的辦法是採用高解析度的相機，然而，在實際應用過程中，由於製作工藝和工程成本的考慮，很多場合都不會採用高解析度、超解析度的相機來進行圖像信號的採集。因此，通過超解析度技術來獲取HR具有一定的應用需求。剛才提到，HR是利用LR通過一定的演算法來得到。按照可以使用的LR的數量，可以將超解析度技術分為兩類：基於單幅圖像的超解析度重建：主要利用某種先驗模型或者匹配機制，從給定的外部資源中尋求待處理圖像匹配的細節內容，並將其增加到原圖當中，實現解析度的提升。基於圖像序列的超解析度重建：利用多幅低解析度圖像之間相互的交疊信息，經過彼此補充，估計出圖像的細節內容。如果按照超解析度重建的技術手段來劃分，則可以分為以下三類：首先估計各幀圖像之間的相對運動信息，獲得HR圖像在非均勻間距采樣點上的象素值，接著通過非均勻插值得到HR柵格上的象素值，最後採用圖像恢復技術來去除模糊和降低雜訊。典型代表，Rajan和Chaudhuri通過分解、差值、融合3個步驟實現的通用插值方法。陶洪久等提出的小波域的雙線性插值。Lertrattanapanich和Bose提出的基於光滑性約束的Delaunay三角化插值演算法。這類方法的優點是演算法快速易行，適合並行計算，基本可以滿足實時要求；但因為不能引入額外有用的高頻信息，因而很難在SR圖像中得到銳化的效果。同事，也沒有考慮到LR圖像的像素值並不是HR圖像的理想采樣值，而是對HR圖像像素值的空間平均和卷積效應這一事實。基於重建的方法也稱之為基於模型的方法。它通過研究圖像的高解析度細節在低解析度下的表現形式，建立兩者之間的對應關系，並利用某種模型來刻畫這種映射關系。一般而言，這種方法所有的可用信息都從輸入數據中得到，沒有任何附加的背景知識，整個解決過程相當於一個信息提取和信息融合的問題，最典型的方法是凸集投影法和最大後驗概率估計法由於圖像含義未知，因此所有信息只能全部從輸入的圖像序列中獲得。隨著解析度放大系數的增加，需要提供的輸入圖像樣本數量急劇增加，直到達到放大系數的上限後，無論增加多少輸入圖像樣本，都無法再改善重建效果。

Ⅶ 求解析度計算方法

明確回答：解析度計算方法：

拓展資料：

通常情況下，圖像的解析度越高，所包含的像素就越多，圖像就越清晰，印刷的質量也就越好。同時，它也會增加文件佔用的存儲空間。描述解析度的單位有：（dpi點每英寸）、lpi（線每英寸）和ppi（像素每英寸）。但只有lpi是描述光學解析度的尺度的。雖然dpi和ppi也屬於解析度范疇內的單位，但是他們的含義與lpi不同。而且lpi與dpi無法換算，只能憑經驗估算。

Ⅷ 相片解析度和像素的計算方法

你提的問題是有些不明確。我舉例子說說。
假如在電腦中存儲的相片（或者說圖片），它已經有了一定的像素數量，詳細地說，就是橫向有若干像素點（設有X個），綜向有若干像素點（設為Y），那麼整個圖片有多少像素（設為Z）呢？就是
Z=X*Y
相片的清晰度與圖片的總像素數直接有關，所以解析度，就可以直接用像素數表示。那麼上邊的公式就是你所說的解析度和像素的關系，即他們的計算方法。
具體說，相片橫向有4000像素（可以說一行有4000點），縱向有3000像素（也可以說有3000行）。那麼總像素數為4000*3000=12000000個，這是1200萬像素，就可以說這個相片的解析度是1200萬的。

另外呢，在需要列印的時候，解析度應該用單位長度（橫向或縱向，一般兩個方式是一樣的）內由多少像素點組成來表示，長度常用英寸（英文單位為inch），像素點單位用px，解析度就是XX像素每英寸，每的英文為per，解析度單位常寫成ppi 。每英寸如果有300像素點，那麼就是300ppi，有的時候就稱為300線。
在這時，就有了這么個關系，
某一方向上的總長度 × 解析度 = 該方向上的像素數
另一方向上的總長度 × 解析度 = 另一方向上的像素數
以上兩個方向（橫向和縱向）上的像素數相乘，就是總像素數，最上邊我寫的式子就是這個意思。
得注意，電腦中存儲的相片究竟是多長，或者多高，是沒有太大意義的，你可以在電腦圖像處理的軟體中任意設，具體說，在PhotoShop這個軟體中，你可以將相片設成多少多少厘米或英寸，以及多大多大的解析度（如300像素每英寸）。你設置了這些後，PhotoShop這個軟體就會給重新計算出這個圖片的橫向和縱向的像素數（當然，如果超過來原始橫向和縱向的像素數，圖片存儲容量就會變大，可以雖然像素多了，但是也不會變得更清楚，這只是軟體通過插值演算法增加了像素）。拋開列印相關方面，電腦中存儲相片，僅用像素數來表示即可。
希望對你有幫助。

Ⅸ 一般圖像的清晰度用什麼演算法來檢測

有多種評價函數，需要根據圖像來合理選取一種評價函數；
如果 樓主 是用matlab模擬來做的話，比較簡單。
常用的有 sobel robert LoG 等等
還用用灰度方差函數的，熵函數的 還有用頻率域的。總之 不下十種吧。
還可以自己設計一種運算元，只要能實現功能就好~！

Ⅹ 自動對焦實驗，需要一個程序（自動對焦圖像清晰度演算法）:在Matlab中將20張圖挑出最清晰的一張

（來源網路）
常用的清晰度評價演算法有： 頻域函數  :對焦越好、高頻部分越多，細節越多，圖像越清晰。 灰度函數  :對焦越好，和周圍相鄰灰度點差值越大，邊緣越清晰，圖像越清晰。 信息熵函數:對焦越好，圖像包含的信息熵越大，包含信息量更大，圖像越清晰。 統計學函數:對焦越好，直方圖多樣性越好，圖像越清晰。 常用的搜索演算法有： 1、函數逼近法 2、Fibbonacci搜索法 3、爬山搜索演算法