分辨率

官方地址：http://developer.android.com/guide/practices/screens_support.html 一、关于布局适配建议 1、不要使用绝对布局 2、尽量使用match_parent 而不是fill_parent 。 3、能够使用权重的地方尽量使用权重（android:layout_weight） 4、如果是纯色背景，尽量使用android的shape 自定义。 5、如果需要在特定分辨率下适配，可以在res目录上新建layout-HxW.xml的文件夹。比如要适配1080*1800的屏幕（魅族MX3采用此分辨率）则新建layout-1800x1080.xml的文件夹，然后在下面定义布局。Android系统会优先查找分辨率相同的布局，如果不存在则换使用默认的layout下的布局。 二、术语和概念 四种屏幕尺寸分类：: small, normal, large, and xlarge 四种密度分类: ldpi (low), mdpi (medium), hdpi (high), and xhdpi (extra high) 需要注意的是: xhdpi是从 Android 2.2 (API Level 8)才开始增加的分类. xlarge是从Android 2.3 (API Level 9)才开始增加的分类. DPI是“dot per inch

见解： ------> https://blog.csdn.net/zhaokaiqiang1992/article/details/45419023 ;这一篇网文内容详尽 对于鸿洋的百分比适配，由于目前无法覆盖所有分辨率，对于现在也没有全备的测试，问题可能会比较多，所以目前不采用。如果使用，需要进一步注意的是，对于有虚拟按键的手机，需要在该分辨率下，还需要创建一套除去NavigationBar高度后分辨率的适配方案。比如1920 x 1080 的手机，虚拟按键高度为170px。针对该款手机，既要创建values-1920x1080 ，还需要创建values-1750x1080。 针对目前的开发进行适配，做好网文中主要介绍的内容即可。以下内容方便查阅，直接粘贴出来： 屏幕尺寸 屏幕尺寸指屏幕的对角线的长度，单位是英寸，1英寸=2.54厘米 比如常见的屏幕尺寸有2.4、2.8、3.5、3.7、4.2、5.0、5.5、6.0等 屏幕分辨率 屏幕分辨率是指在横纵向上的像素点数，单位是px，1px=1个像素点。一般以纵向像素*横向像素，如1960*1080。 屏幕像素密度 屏幕像素密度是指每英寸上的像素点数，单位是dpi，即“dot per inch”的缩写。屏幕像素密度与屏幕尺寸和屏幕分辨率有关，在单一变化条件下，屏幕尺寸越小、分辨率越高，像素密度越大，反之越小。 dp、dip、dpi

这几天刚刚接触了新的项目，做一个android客户端。本周的工作是完成客户端的UI界面和功能实现，但是对于Android开发最头疼的部分，即是对于纷杂的屏幕做适配的工作现在来说是最棘手的！ 图像显示所需的概念: 像素: 一幅图片的显示就是由许多显示着不同颜色的小方格组成的,这样的小方格就被称为像素，是构成图片的最小单位.但是这个像素的具体大小是多少呢?这需要取决于显示这张图片的具体的物理设备显示一个图片像素点的荧光点的大小.图片文件只是记录着它自身有多少个像素点,每个像素点显示什么颜色,至于它自身物理尺寸有多大,它自身也无法得知,例如一张480*800像素的图片在电脑显示器上显示明显要比在手机屏幕上显示大很多,而这张图片本身并没有改变.只是手机的屏比电脑显示器的屏要精细许多,也就是每一个物理像素点要小许多,密度也就大许多. 分辨率: 分为“图像分辨率”与“物理显示分辨率”。它们都是水平像素点数与垂直像素点数的乘积,也就是像素总和数。图像分辨率是指图片文件记录着自身所有的像素数。物理显示分辨率是指物理显示屏水平与垂直能显示的像素数的乘积.有的人说分辨率越高,显示的图片就越清晰,这点是针对物理尺寸相同的情况而言,因为一样的分辨率有可能尺寸可能不一样大,这样光就分辨率来比较清晰度没有可比性. 密度: 就是物理设备上单位尺寸里的像素数,当然是密度越大图片显示就越清晰了.

移动端适配，是我们在开发中经常会遇到的，这里面可能会遇到非常多的问题： 1px问题 UI图完美适配方案 iPhoneX适配方案 横屏适配 高清屏图片模糊问题 ... 上面这些问题可能我们在开发中已经知道如何解决，但是问题产生的原理，以及解决方案的原理可能会模糊不清。在解决这些问题的过程中，我们往往会遇到非常多的概念：像素、分辨率、PPI、DPI、DP、DIP、DPR、视口等等。 本文将从移动端适配的基础概念出发，探究移动端适配各种问题的解决方案和实现原理。 一、英寸 一般用英寸描述屏幕的物理大小，如电脑显示器的17、22，手机显示器的4.8、5.7等使用的单位都是英寸。 英寸和厘米的换算：1英寸 = 2.54 厘米 二、物理像素 2.1 像素 像素即一个小方块，它具有特定的位置和颜色。 图片、电子屏幕（手机、电脑）就是由无数个具有特定颜色和特定位置的小方块拼接而成。 像素可以作为图片或电子屏幕的最小组成单位。 2.2 物理像素 到电商网站购买手机，都会看一看手机的参数，以apple的官网上对手机分辨率的描述为例： iPhone XS Max 和 iPhone SE的分辨率分别为2688 x 1242和1136 x 640。表示手机分别在垂直和水平上所具有的像素点数。 这里描述的就是屏幕实际的物理像素，即一个屏幕具体由多少个像素点组成。 屏幕从工厂出来那天起

在底层视觉算法领域，商汤科技提出的 面向生成更自然真实纹理图像的超分辨率算法 。本文为商汤科技CVPR 2018论文解读第3期。 论文：Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform 作者：Xintao Wang, Ke Yu, Chao Dong, Chen Change Loy 论文链接： https:// arxiv.org/abs/1804.0281 5 Project page: http:// mmlab.ie.cuhk.edu.hk/pr ojects/SFTGAN/ 简介 单帧图像超分辨率旨在基于单张低分辨率图像恢复对应的高分辨率图像。卷积神经网络近年在图像超分辨率任务中表现出了优异的重建效果，但是恢复出自然而真实的纹理依然是超分辨率任务中的一大挑战。 如何恢复出自然而真实的纹理呢？一个有效的方式是考虑语义类别先验，即使用图像中不同区域所属的语义类别作为图像超分辨率的先验条件，比如天空、草地、水、建筑、森林、山、植物等。不同类别下的纹理拥有各自独特的特性，换句话说，语义类别能够更好的约束超分辨中同一低分辨率图存在多个可能解的情况。如图1中展示的建筑和植物的例子，它们的低分辨率图像块非常类似。虽然结合生成对抗式网络（GAN）进行超分复原

论文全名：Image Super-Resolution via Deep Recursive Residual Network 下载地址：http://pan.baidu.com/s/1hsQk8j6 code：https://github.com/tyshiwo/DRRN_CVPR17 这是一篇CVPR2017的关于图像超分辨率的文章，相较于VDSR取得了更好的结果，从结构上看，还是之前的基调，更深的网络结构（52层），同时采取了递归操作，递归模块中存在权重共享，减少了模型的参数，取得了较好的成果 创新点： 1.更深的网络层次，其实最近的关于图像超分辨率的论文都是一个基调，越深越好，不过深度增加的网络对梯度传播带来困难，最近的论文如VDSR，DRCN，LapSRN都采取了相关的解决措施，当然，此篇论文采取的是VDSR的调整梯度裁剪 加 DRCN的递归学习 2.递归学习，其实这不算是一个创新点，无论是DRCN还是ResNet都有递归模块，不过此篇的递归模块更接近于DRCN，递归模块中权重共享减少了模型所需要的参数，从而保证不发生梯度爆炸或者梯度消失 3.残差学习，残差学习可以算是图像超清方面的一个很好的学习策略，由于低分辨率图片与高分辨率图片在图片信息上有很多地方是共享的，于是，可以只学习低分辨率与高分辨率之间的差别也就是残差，并将残差与低分辨率做element

机器视觉入门知识总结 一、机器视觉系统 工业相机类型： 按照输出信号类型的不同分为模拟相机和数字相机两种。而数字相机按照接口标准不同，可以分为1394相机、USB相机、CameraLink相机以及Gige相机四种。其中CameraLink接口相机能够解决大数据量传送问题；Gige接口相机能够解决长距离、快速传输问题；而1394相机和USB接口相机具有简单易用、性价比高等特点； 镜头接口类型： C接口、CS接口、U接口等； 光源类型： 环形光源、背光源、同轴光源、条形光源、点光源、球积分光源等； 二、如何选择相机？ 1 、根据应用的不同分别选用 CCD 或 CMOS 相机 CCD工业相机主要应用在运动物体的图像提取，当然随着CMOS技术的发展，很多贴片机也在选用CMOS工业相机。用在视觉自动检查的方案或行业中一般用CCD工业相机比较多。CMOS工业相机由成本低，功耗低也应用越来越广泛。 2 、分辨率的选择 　　根据系统需求来选择分辨率大小。首先考虑待观察或待测量物体的精度，根据精度选择分辨率。相机像素精度=单方向视野范围大小/相机单方向分辨率。则相机单方向分辨率=单方向视野范围大小/理论精度。若单视野为5mm长，理论精度为0.02mm，则单方向分辨率=5/0.02=250。然而为增加系统稳定性，不会只用一个像素单位对应一个测量/观察精度值，一般可以选择倍数4或更高

某天某小编利用上班时间在“吃鸡”（玩绝地逃生），用着最牛X的超级小钢炮游戏配置（i7-7700K+GTX 1080 Ti），按道理来说4K画质下起码流畅才是，可总觉得一卡一顿的，游戏体验十分糟糕，最后连“鸡”都吃不成。检查驱动、显卡设置都没有问题，某小编一时间犯了难，难道真的是技不如人？ 经过高人指点，终于发现了端倪，在游戏显示选项中，我们赫然发现4K分辨率下屏幕刷新了最高只有30帧，原来是我们用的视频输出接口线有问题！HDMI 1.4线材先天条件决定其最高仅支持3840 x 2160@30Hz或4096×2160@24Hz。换而言之，某小编用错线材了，要想体验完美的4K@60Hz还需DisplayPort 1.4/HDMI 2.0的线。那么HDMI、DVI、DisplayPort不同版本线材又一一对应什么样的分辨率和功能呢？我们将一一为你解答。 VGA的历史 VGA接口的历史可谓是悠久，诞生于1987年，发明者正正是蓝色巨人IBM，采用模拟信号的视频标准。VGA接口共有15针，分成3排，每排5个孔，用于传输红、绿、蓝三色模拟信号以及行场同步信号(水平和垂直信号)。 大部分都知道VGA分辨率指的就是640×480，但并不清楚其实VGA接口其实能支持输出1080P以上分辨率的图像，但是为什么它被淘汰了呢？ 原因很简单，因为VGA是模拟接口，传输的还是模拟信号，首先抗干扰能力差

分辨率 相机每次采集图像的像素点数，一般对应于光电传感器靶面排列的像元数，如1920*1080。 像素深度 每位像素数据的位数，常见的是8bit，10bit，12bit。分辨率和像素深度共同决定了图像的大小。例如对于像素深度为8bit的500万像素，则整张图片应该有500万*8/1024/1024=37M（1024bit=1KB，1024KB=1M）。增加像素深度可以增强测量的精度，但同时也降低了系统的速度，并且提高了系统集成的难度（线缆增加，尺寸变大等）。 最大帧率/行频 相机采集和传输图像的速度，对于面阵相机一般为每秒采集的帧数（Frames/Sec），对于线阵相机为每秒采集的行数（HZ）。 曝光的方式和快门速度 工业线阵相机都是逐行曝光的方式，可以选择固定行频和外触发同步的方式，曝光时间可以与行周期一致，也可以设定一个固定的时间；面阵相机有帧曝光、场曝光和滚动曝光几种常见方式，工业数字相机一般都提供外触发采图的功能，快门速度一般可到10ms，高速相机还会更快。 像元尺寸 像元大小和像元数（分辨率）共同决定了相机靶面的大小。目前工业数字相机像元尺寸一般位3μm~10μm，一般像元尺寸越小，制造难度越大，图像质量也越不容易提高。 光谱响应特性 是指该像元传感器对不同光波的敏感特性，一般响应范围为350nm~1000nm，一些相机在靶面前面加了一个滤镜，滤除红外线

分辨率 相机每次采集图像的像素点数，一般对应于光电传感器靶面排列的像元数，如1920*1080。 像素深度 每位像素数据的位数，常见的是8bit，10bit，12bit。分辨率和像素深度共同决定了图像的大小。例如对于像素深度为8bit的500万像素，则整张图片应该有500万*8/1024/1024=37M（1024bit=1KB，1024KB=1M）。增加像素深度可以增强测量的精度，但同时也降低了系统的速度，并且提高了系统集成的难度（线缆增加，尺寸变大等）。 最大帧率/行频 相机采集和传输图像的速度，对于面阵相机一般为每秒采集的帧数（Frames/Sec），对于线阵相机为每秒采集的行数（HZ）。 曝光的方式和快门速度 工业线阵相机都是逐行曝光的方式，可以选择固定行频和外触发同步的方式，曝光时间可以与行周期一致，也可以设定一个固定的时间；面阵相机有帧曝光、场曝光和滚动曝光几种常见方式，工业数字相机一般都提供外触发采图的功能，快门速度一般可到10ms，高速相机还会更快。 像元尺寸 像元大小和像元数（分辨率）共同决定了相机靶面的大小。目前工业数字相机像元尺寸一般位3μm~10μm，一般像元尺寸越小，制造难度越大，图像质量也越不容易提高。 光谱响应特性 是指该像元传感器对不同光波的敏感特性，一般响应范围为350nm~1000nm，一些相机在靶面前面加了一个滤镜，滤除红外线