分辨率 | 易学教程

前端适配之细说rem（网易的移动端页面布局做法）

阅读更多关于前端适配之细说rem（网易的移动端页面布局做法）

　　rem指的是根元素的字体大小，多数根元素大小为16px,但设备的dpi会影响根元素的大小，因此并不是固定的。　　所谓rem布局就是指为文档的根节点<html>元素设置一个基准字体大小，然后所有的元素尺寸都以rem为单位来写。　　使用rem布局结合在html 上根据不同分辨率设置不同font-size有很多不好解决的麻烦,那应该如何解决呢？我们可以通过JS来计算不同分辨率下，font-size的大小，这是在我研究了网易的移动端布局之后得出的结论。　　下图是网易在分辨率为320*680，375*680，414*680，500*680时，html的font-size尺寸　　　　　　它是根据什么计算的，这就跟设计稿有关了，拿网易来说，它的设计稿应该是基于iphone4或者iphone5来的，所以它的设计稿竖直放时的横向分辨率为640px，为了计算方便，取一个100px的font-size为参照，那么body元素的宽度就可以设置为width: 6.4rem，于是html的font-size=deviceWidth / 6.4。这个deviceWidth就是viewport设置中的那个deviceWidth。根据这个计算规则，可得出本部分开始的四张截图中html的font-size大小如下： deviceWidth = 320，font-size = 320 / 6.4 =

前端常识：常见显示器屏幕分辨率

阅读更多关于前端常识：常见显示器屏幕分辨率

概括屏幕比例4:3 屏幕比例16:10 屏幕比例16:9 屏幕比例5:4 VGA(640x480) WVGA(800x480) qHD(960 x 540) SXGA (1280x1024) SVGA(800x600) WSVGA(1024x600) 720p(1280x720) XGA(1024x768) WXGA(1280x800) WXGA(1366x768) SXGA+(1400x1050) WXGA+(1440x900) 1080p(1920x1080) UXGA(1600x1200) WSXGA+(1680x1050) QHD(2560 x 1440) QXGA(2048x1536) WUXGA(1920x1200) WQXGA(2560x1600) #屏幕比例4:3 4:3 是最常见屏幕比例，从电视时代流传下来的古老标准。在近代宽屏幕兴起前，绝大部分的屏幕分辨率都是照着这个比例的。 VGA(640x480) - 「VGA」其实本来不是个分辨率的规格，而是 IBM 计算机的一种显示标准。在规范里有 320x200 / 256 色、320x200 / 16 色、640x350 / 16 色、640x480 / 16 色等多种模式，甚至还有 80x25 和 40x25 等文字模式。只是最后因为官方支持的最高分辨率是 640x480，所以 VGA 就成为了 640x480

超分辨的论文集合

阅读更多关于超分辨的论文集合

从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程深度学习端到端超分辨率方法发展历程（二）超分辨率（Super-Resolution）论文整理【超分辨率】—图像超分辨率(Super-Resolution)技术研究本文由博客一文多发平台 OpenWrite 发布！来源： CSDN 作者： K.osth 链接： https://blog.csdn.net/qq_39061629/article/details/104124544

遥感数据源

阅读更多关于遥感数据源

这一章主要讲述遥感数据的四个分辨率、遥感观测对象的时间与空间、光谱特征 (1)遥感数据的特征空间分辨率：空间分辨率是指遥感图像上能识别的最小地物的尺寸或者大小，或者区分两个地物目标的最小角度或者线性距离的测量。 IFOV：瞬时视场，指遥感器单个探测单元的受光角度或观测视野，单位为毫弧度。IFOV越小，最小可分辨单元越小，空间分辨率越高。IFOV取决于遥感器光学系统和探测器的大小。一个瞬时视场内的信息，表示一个像元。实际地物的可高分辨程度不仅取决于空间分辨率的具体数值，还取决于目标的形状、大小，以及它与周围物体的亮度、结构的相对差异有关。真正的识别效果，需要考虑环境背景复杂性等因素的影响。光谱分辨率：是指遥感器所选用的波段数量的多少、各波段的波长位置以及波段间隔的大小，即选择的通道数、每个通道的中心波长(遥感器最大光谱响应所对应的波长)、带宽(用最大光谱响应的半宽度表示)，这三个因素共同决定光谱分辨率。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。但是综合解译较为困难，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。时间分辨率：时间分辨率是关于遥感影像时间间隔的一项性能指标。遥感探测器按照一定的时间周期重复采集数据，这种重复周期又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏移系数等参数决定的

ios上传图片和视频预览的坑

阅读更多关于 ios上传图片和视频预览的坑

在ios 上传图片截图和视频预览的时候一直说是尺寸错误，但是都是用手机截的图，懵逼… 只能让ui去改图片尺寸 App 预览规范 (iOS、tvOS) 您可以提供 tH.264 和 ProRes 422（仅限 HQ）格式的 App 预览，并且需要具有如下规格：视频规格表头 H.264 格式 ProRes 422（仅限 HQ）格式目标比特率 10-12 Mbps VBR ~220 Mbps 视频特性逐行输出，高达 High Profile Level 4.0 逐行输出，无外部引用最大帧速率 30 帧／秒 30 帧／秒音频立体声编解码：256kbps AAC 采样速率：44.1kHz 或 48kHz 应启用所有音轨立体声配置：单音轨双声道立体声（第一个是左声道，第二个是右声道）双音轨单声道立体声（第一个是左音轨，第二个是右音轨）立体声编解码：PCM 或 256kbps AAC 位深度（适用于 PCM）：16、24 或 32 位采样速率：44.1kHz 或 48kHz 应启用所有音轨立体声配置：单音轨双声道立体声（第一个是左声道，第二个是右声道）双音轨单声道立体声（第一个是左音轨，第二个是右音轨）支持的扩展名 .mov、.m4v、.mp4 .mov App 预览分辨率您可以交付具有以下分辨率的 App 预览。设备或场景原始分辨率接受的分辨率

监控摄像机的区别和分类

阅读更多关于监控摄像机的区别和分类

　视频会议、网络直播、远程教学、视频监控等都需要使用摄像机，而目前摄像机种类规格是非常多的，如模拟摄像机、数字摄像机、网络摄像机等其应用方式和功能是不一样的，并且其相配套的视频采集卡、视频软件等也需要对应。　　高清网络摄像机(IP Camera)是在模拟摄像机(Camera)的基础上集成了视频压缩和网络传输处理模块(DVS)，兼具模拟摄像机和视频服务器的技术特点。网络摄像机只要安置在任何一个具备IP网络接口的地点即可独立运行。网络摄像机除了具备一般传统摄像机所有的图像捕捉功能外，机内还内置了数字化压缩控制器和基于WEB的操作系统(包括Web服务器、FTP服务器等)，使得视频数据经压缩加密后，通过网络(局域网、Internet或无线网络)送至终端用户，而远端用户可在自己的PC上使用标准的网络浏览器或客户端软件对网络摄像机进行访问，实时监控目标现场的情况，并可对图像资料实时存储，另外还可以通过网络来控制摄像机的云台和镜头，进行全方位地监控。有些网络摄像机还具备其他功能，如语音对讲、报警输入、继电器输出、移动侦测、模拟视频输出和SD卡本地存储录像资料等功能。用公式形象表示如下：IP Camera=单路DVS+Camera。　　模拟摄像机(Camera)是获取监视现场图像的前端设备，它以CCD图像传感器为核心部件，外加同步信号产生电路、视频信号处理电路及电源等。近年来

Android APPUI设计师必知：pt sp dp之间的关系

阅读更多关于 Android APPUI设计师必知：pt sp dp之间的关系

（转载）我们都知道APP UI设计师常用的工具是Ps或者Ai，但是里面都没有sp的单位的。我们先来普及下一些关于Android尺寸单位或者是分辨率一些知识点： px: pixels(像素). 不同设备显示效果相同，一般我们HVGA代表320×480像素，这个用的比较多。 pt: point ，是一个标准的长度单位，1pt＝1/72英寸，用于印刷业，非常简单易用； sp: scaled pixels(放大像素). 主要用于字体显示best for textsize。由此，根据 google 的建议，TextView 的字号最好使用 sp 做单位，而且查看TextView的源码可知 Android 默认使用 sp 作为字号单位。 sp和dp一样，是android开发里特有的单位，设计师在做UI设计的时候通常最初是建立320*480这个尺寸的画布开始的，这个尺寸的画布在android分辨率的分类中称为mdpi，在这个尺寸下，ps里的1px就等于android中的1dp，同样，这个时候1点的字就等于android中1sp，举个栗子：你建立画布的尺寸是320-480，里面的文字是30点，那么它就是30sp。下面我们来详细讲解下pt 、sp、dp之间的换算关系 Android支持下列所有单位： px（像素）：屏幕上的点。 in（英寸）：长度单位。 mm（毫米）：长度单位。 pt（磅）：1

第01课黑白图像的表示

阅读更多关于第01课黑白图像的表示

****学科：人工智能年级：七年级课题：第01课黑白、灰度图像的表示教学目标： 1.认识图像处理技术的应用。 2.了解小孔成像、凸透镜成像及照相机原理，知道什么是数码相机，什么是数字图像（以下简称图像）。 3.知道计算机对图像的认识和处理是通过对数据的处理来实现的。 4.理解什么是像素，什么是像素密度。 5.知道什么是二维数组，学会用数组来表示黑白、灰度图像。 6.理解分辨率大小与图像清晰度之间的关系。教学重点：理解什么是像素，什么是分辨率。教学难点：学会用数组来表示黑白、灰度图像。教学准备：小孔成像演示PPT，凸透镜成像swf，照相机原理mp4, 复旦大学人脸识别迎新mp4。教学设计：一、开放导入 1.手机自拍原图与美颜的对比。 2.播放视频：复旦大学人脸识别迎新mp4 3.你还知道实际生活中哪些地方利用到了图像处理技术？（车牌识别、自动驾驶等）这些技术的实现，都离不开计算机对图像的认识与处理，让我们从最基本的开始学习。二、核心过程推进一、计算机如何“看”世界—由光学影像到数字影像 1.小孔成像。小孔成像演示PPT 2.照相机原理。凸透镜成像swf，照相机原理mp4。 3.数码相机。利用感光元件和电子传感器将光学影像转换成数字数据。 4.计算机通过对数据的分析和处理来识别和处理图像。二、计算机如何表示图像—像素与二维数组 1.像素

目标检测论文核心思想，18-19-20年论文梗概

阅读更多关于目标检测论文核心思想，18-19-20年论文梗概

论文太多来不及看，有些论文用了很大篇幅印证了某种模块有用或者没用，对于不研究这部分的人来说了解一下结论，这个模块有什么优缺点就够了。因而记录一下2018-2019-2020这几年泛读的论文梗概：文章目录 DetNet: A Backbone network for Object Detection SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks DetNet: A Backbone network for Object Detection 论文： DetNet: A Backbone network for Object Detection ，2018年清华，Face++旷世合作论文，孙剑大神参与某人的实现代码点这目标分类训练的网络作为目标检测backbone是否合适？任务不同肯定有不同，本文就是研究任务切换时backbone直接用的优劣分析。 ImageNet分类模型直接做backbone不够好，检测分类两个任务有差异。（i）诸如FPN和RetinaNet之类的最新物体检测器通常涉及额外的stage，以完成图像分类任务

关于Unity中的屏幕适配

阅读更多关于关于Unity中的屏幕适配

一、Game视图的屏幕分辨率可以先自定义添加，供以后选择，以下是手游经常用到的分辨率： 1.1136X640，iPhone5 2.1920X1080，横屏，主流游戏都是这个分辨率 3.1080X1920，竖屏 4.960X640，横屏iPhone4 5.640X960，竖屏iPhone 6.768X1024，ipad 7.800X480 8.480X800 Screen Space(Overlay)模式下的Canvas节点的Rect Transform组件的Width和Height是随着Game视图的分辨率的选择而改变的，是不能手写修改的，但是其子节点的Rect Transform组件是可以改变的。二、Image节点的Rect Transform组件是可以修改的，其中： 1.PosX，PosY，PosZ(0)表示Image节点在父节点下的相对坐标，以父节点的菊花为参照原点(0,0)，可以修改菊花的位置，这时候PosX，PosY也就自动改变了。 2.ScaleX，ScaleY，ScaleZ表示Image节点的缩放，可以让节点随着自己设置的值拉伸收缩 3.Pivot：中心点，支点。定义图片的中心点在哪里，就是相当于Cocos2d里面的精灵的锚点，这个点是受PosX，Pos影响的，也就是说，这个点到父节点原点的距离就是PosX，PosY。Pivot(0,0)在左下角，Pivot(1,1

订阅分辨率