图像清晰度算法

Ⅰ 什么决定照片的清晰度 像素吗像素越高，照片越清晰

分辨率和像素决定照片的清晰度，像素越大，分辨率越高，照片越清晰，可输出照片尺寸也可以越大。

在大部分数码相机内，可以选择不同的分辨率拍摄图片。一台数码相机的像素越高，其图片的分辨率越大。分辨率和图象的像素有直接的关系。

一张分辨率为640 x 480的图片，那它的像素就达到了307200，也就是我们常说的30万像素，而一张分辨率为1600 x 1200的图片，它的像素就是200万。这样，我们就知道，分辨率表示的是图片在长和宽上占的点数的单位。

一台数码相机的最高分辨率就是其能够拍摄最大图片的面积。在技术上说，数码相机能产生在每寸图像内，点数最多的图片，通常以dpi为单位，英文为Dot per inch。分辨率越大，图片的面积越大。

(1)图像清晰度算法扩展阅读

分辨率：

分辨率决定了位图图像细节的精细程度。

通常情况下，图像的分辨率越高，所包含的像素就越多，图像就越清晰，印刷的质量也就越好。同时，它也会增加文件占用的存储空间。

分辨率和图像的像素有直接关系。我们来算一算，一张分辨率为640 x 480的图片，那它的分辨率就达到了307200像素，也就是我们常说的30万像素，而一张分辨率为1600 x 1200的图片，它的像素就是200万。

这样，我们就知道，分辨率的两个数字表示的是图片在长和宽上占的点数的单位。一张数码图片的长宽比通常是4：3。LCD液晶显示器和传统的CRT显示器，分辨率都是重要的参数之一。

传统CRT显示器所支持的分辨率较有弹性，而LCD的像素间距已经固定，所以支持的显示模式不像CRT那么多。LCD的最佳分辨率，也叫最大分辨率，在该分辨率下，液晶显示器才能显现最佳影像。

像素：

像素是衡量数码相机的最重要指标。像素指的是数码相机的分辨率。

它是由相机里的光电传感器上的光敏元件数目所决定的，一个光敏元件就对应一个像素。因此像素越大，意味着光敏元件越多，相应的成本就越大。 数码相机的图像质量部分是由像素决定的，大过一定尺寸再单纯拿像素来比较就没有意义了。

主流单反数码相机像素在1000万左右,但是普通摄影及家用500万像素已足够用，因为我们使用的显示器的分辨率有限，一般为1024×768至1920×1200，这样的分辨率如果显示像素过高的图片时，图片会被压缩至当前屏幕的大小，此时有的图片就会出现锐利度过高的情况而失真。

成像质量主要取决于相机的镜头，感光元件大小及质量。像素越大，照片的分辨率也越大，可打印尺寸也更大。但是，早期的数码相机都是低于100万像素的。从1999年下半年开始，200万像素的产品渐渐成为市场的主流。(手机普遍都是200万像素，普通数码相机一般都在300万像素以上。)

Ⅱ 图片分辨率怎么算

就是每英寸图像内有多少个像素点。

图像分辨率的表达方式也为“水平像素数×垂直像素数”，也可以用规格代号来表示。

图像分辨率原理

数码图像有两大类，一类是矢量图，也叫向量图；另一类是点阵图，也叫位图。矢量图比较简单，它是由大量数学方程式创建的，其图形是由线条和填充颜色的块面构成的，而不是由像素组成的，对这种图形进行放大和缩小，不会引起图形失真。

点阵图很复杂，是通过摄像机、数码相机和扫描仪等设备，利用扫描的方法获得，由像素组成的，是以每英寸的像素数（PPI）来衡量。点阵图具有精细的图像结构、丰富的灰度层次和广阔的颜色阶调。当然，矢量图经过图像软件的处理，也可以转换成点阵图。

家庭影院所使用的图像，动画片的原图属于矢量图一类，但经过制作中的转化，已经和其他电影片一样，也属于点阵图一类了。

(2)图像清晰度算法扩展阅读

像素的算法

当图片尺寸以像素为单位时，需要指定其固定的分辨率，才能将图片尺寸与现实中的实际尺寸相互转换。

例如大多数网页制作常用图片分辨率为72，即每英寸像素为72，1英寸等于2.54厘米，那么通过换算可以得出每厘米等于28像素；又如15x15厘米长度的图片，等于420*420像素的长度。

一幅可见的图像中的像素（如打印出来的一页）或者用电子信号表示的像素，或者用数码表示的像素，或者显示器上的像素，或者数码相机（感光元素）中的像素。

这个列表还可以添加很多其它的例子，根据上下文会有一些更为精确的同义词，例如画素，采样点，字节，比特，点，斑，超集，三合点，条纹集，窗口等。

是使用像素作为分辨率（也称分辨率，下同）衡量时，例如2400像素每英寸或者640像素每线。一幅图像中的像素个数有时被称为图像分辨率，虽然分辨率有一个更为特定的定义。用来表示一幅图像的像素越多，结果就越接近原始图像。

Ⅲ 图像清晰度计算方法

是啊,是用点阵来计算的,点越多越清晰.
横的点*竖的点

Ⅳ 如何根据图像的分辨率和帧率算出图像的需要的存储空间有没有什么公式

像素的存储空间取决于像素的深度。例如：一个像素占用多少空间取决于什么模式。例如，在灰度模式下，一个像素相当于一个字节，在RGB模式下，一个像素相当于三个字节，在CMYK模式下，一个像素相当于四个字节。

像素深度是指用于存储每个像素的比特数，也用于测量图像的分辨率。像素深度决定了彩色图像中每个像素可能的颜色数量，或者决定了灰度图像中每个像素可能的灰度级别。

例如，彩色图像的每个像素是由三个组件：R，G，b．如果每个组件都是由八个比特，一个像素由24位，表示像素的深度是24，和每个像素可以是16，777、216（2＾24）的颜色。

在这个意义上，像素深度通常被称为图像的深度。一个像素的位越多，它所能代表的颜色就越多，也就越深。

(4)图像清晰度算法扩展阅读：

注意事项：

单位

当图像大小以像素为单位时，应指定固定分辨率将图像大小转换为实际大小。

例如：在大多数网页中常用的图像分辨率是72，即每英寸72像素，1英寸等于2．54厘米，因此可以得出每厘米通过转换等于28像素。一个15x15cm的图像是420＊420像素长。

Ⅳ photoshop基本问题，图像清晰度

图像的清晰度由分辨率决定，分辨率的算法是“像素/每英寸”，其中每张图的像素是固定的。PS是差值运算软件，根据周围的像素来增加或减少像素点，因为这是计算机自动计算得到的，不能可能会非常完美，所以PS在放大缩小图片时还会自动的进行优化，类似平滑的模糊。所以你把图片拉大或者缩小图片的清晰度都会有变化。
目前网上的一些所谓放大图像还能保持清晰的软件，其实就是在计算方式上有所改变，其实效果都不怎么好，不知道有没有像电影里那样的计算软件。
所以作图要找分辨率相近的素材，想靠缩放时有限度的，图片质量一定会受影响。
你调大了分辨率所增加出的像素都是PS自动根据周围的像素猜出来的

Ⅵ 目前有实用价值的图像超分辨率算法都是基于什么的

图像超分辨率（Super Resolution, SR）就是将低分辨率（Low Resolution, LR）的图像通过一定的算法转提升到高分辨率(High Resolution, HR)。高分辨率图像具有更高的像素密度，更多的细节信息，更细腻的画质。要获得高分辨率图像，最直接的办法是采用高分辨率的相机，然而，在实际应用过程中，由于制作工艺和工程成本的考虑，很多场合都不会采用高分辨率、超分辨率的相机来进行图像信号的采集。因此，通过超分辨率技术来获取HR具有一定的应用需求。刚才提到，HR是利用LR通过一定的算法来得到。按照可以使用的LR的数量，可以将超分辨率技术分为两类：基于单幅图像的超分辨率重建：主要利用某种先验模型或者匹配机制，从给定的外部资源中寻求待处理图像匹配的细节内容，并将其增加到原图当中，实现分辨率的提升。基于图像序列的超分辨率重建：利用多幅低分辨率图像之间相互的交叠信息，经过彼此补充，估计出图像的细节内容。如果按照超分辨率重建的技术手段来划分，则可以分为以下三类：首先估计各帧图像之间的相对运动信息，获得HR图像在非均匀间距采样点上的象素值，接着通过非均匀插值得到HR栅格上的象素值，最后采用图像恢复技术来去除模糊和降低噪声。典型代表，Rajan和Chaudhuri通过分解、差值、融合3个步骤实现的通用插值方法。陶洪久等提出的小波域的双线性插值。Lertrattanapanich和Bose提出的基于光滑性约束的Delaunay三角化插值算法。这类方法的优点是算法快速易行，适合并行计算，基本可以满足实时要求；但因为不能引入额外有用的高频信息，因而很难在SR图像中得到锐化的效果。同事，也没有考虑到LR图像的像素值并不是HR图像的理想采样值，而是对HR图像像素值的空间平均和卷积效应这一事实。基于重建的方法也称之为基于模型的方法。它通过研究图像的高分辨率细节在低分辨率下的表现形式，建立两者之间的对应关系，并利用某种模型来刻画这种映射关系。一般而言，这种方法所有的可用信息都从输入数据中得到，没有任何附加的背景知识，整个解决过程相当于一个信息提取和信息融合的问题，最典型的方法是凸集投影法和最大后验概率估计法由于图像含义未知，因此所有信息只能全部从输入的图像序列中获得。随着分辨率放大系数的增加，需要提供的输入图像样本数量急剧增加，直到达到放大系数的上限后，无论增加多少输入图像样本，都无法再改善重建效果。

Ⅶ 求分辨率计算方法

明确回答：分辨率计算方法：

拓展资料：

通常情况下，图像的分辨率越高，所包含的像素就越多，图像就越清晰，印刷的质量也就越好。同时，它也会增加文件占用的存储空间。描述分辨率的单位有：（dpi点每英寸）、lpi（线每英寸）和ppi（像素每英寸）。但只有lpi是描述光学分辨率的尺度的。虽然dpi和ppi也属于分辨率范畴内的单位，但是他们的含义与lpi不同。而且lpi与dpi无法换算，只能凭经验估算。

Ⅷ 相片分辨率和像素的计算方法

你提的问题是有些不明确。我举例子说说。
假如在电脑中存储的相片（或者说图片），它已经有了一定的像素数量，详细地说，就是横向有若干像素点（设有X个），综向有若干像素点（设为Y），那么整个图片有多少像素（设为Z）呢？就是
Z=X*Y
相片的清晰度与图片的总像素数直接有关，所以分辨率，就可以直接用像素数表示。那么上边的公式就是你所说的分辨率和像素的关系，即他们的计算方法。
具体说，相片横向有4000像素（可以说一行有4000点），纵向有3000像素（也可以说有3000行）。那么总像素数为4000*3000=12000000个，这是1200万像素，就可以说这个相片的分辨率是1200万的。

另外呢，在需要打印的时候，分辨率应该用单位长度（横向或纵向，一般两个方式是一样的）内由多少像素点组成来表示，长度常用英寸（英文单位为inch），像素点单位用px，分辨率就是XX像素每英寸，每的英文为per，分辨率单位常写成ppi 。每英寸如果有300像素点，那么就是300ppi，有的时候就称为300线。
在这时，就有了这么个关系，
某一方向上的总长度 × 分辨率 = 该方向上的像素数
另一方向上的总长度 × 分辨率 = 另一方向上的像素数
以上两个方向（横向和纵向）上的像素数相乘，就是总像素数，最上边我写的式子就是这个意思。
得注意，电脑中存储的相片究竟是多长，或者多高，是没有太大意义的，你可以在电脑图像处理的软件中任意设，具体说，在PhotoShop这个软件中，你可以将相片设成多少多少厘米或英寸，以及多大多大的分辨率（如300像素每英寸）。你设置了这些后，PhotoShop这个软件就会给重新计算出这个图片的横向和纵向的像素数（当然，如果超过来原始横向和纵向的像素数，图片存储容量就会变大，可以虽然像素多了，但是也不会变得更清楚，这只是软件通过插值算法增加了像素）。抛开打印相关方面，电脑中存储相片，仅用像素数来表示即可。
希望对你有帮助。

Ⅸ 一般图像的清晰度用什么算法来检测

有多种评价函数，需要根据图像来合理选取一种评价函数；
如果 楼主 是用matlab仿真来做的话，比较简单。
常用的有 sobel robert LoG 等等
还用用灰度方差函数的，熵函数的 还有用频率域的。总之 不下十种吧。
还可以自己设计一种算子，只要能实现功能就好~！

Ⅹ 自动对焦实验，需要一个程序（自动对焦图像清晰度算法）:在Matlab中将20张图挑出最清晰的一张

（来源网络）
常用的清晰度评价算法有： 频域函数  :对焦越好、高频部分越多，细节越多，图像越清晰。 灰度函数  :对焦越好，和周围相邻灰度点差值越大，边缘越清晰，图像越清晰。 信息熵函数:对焦越好，图像包含的信息熵越大，包含信息量更大，图像越清晰。 统计学函数:对焦越好，直方图多样性越好，图像越清晰。 常用的搜索算法有： 1、函数逼近法 2、Fibbonacci搜索法 3、爬山搜索算法