图像分辨率

视频格式可以分为适合本地播放的本地影像视频和适合在网络中播放的网络流媒体影像视频两大类。尽管后者 在播放的稳定性和播放画面质量上可能没有前者优秀，但网络流媒体影像视频的广泛传播性使之正被广泛应用于视 频点播、网络演示、远程教育、网络视频广告等等互联网信息服务领域。 注：原始的视频数据可以理解为通过摄像头等驱动获取的没有经过编码的数据，市面上 usb 摄像头输出格式常见的 有：RGB24、YUV2、YV2（这些都是没有编码的原始数据），MJPEG（经过编码的数据）。摄像头捕捉的数据也是 可以设置的，比如 windows 下用 cap 来设置。 MPEG/MPG/DAT MPEG（运动图像专家组）是 Motion Picture Experts Group 的缩写。这类格式包括了 MPEG-1,MPEG-2 和 MPEG-4 在内的多种视频格式。MPEG-1 相信是大家接触得最多的了，因为其正在被广泛地应用在 VCD 的制作和一些视频 片段下载的网络应用上面，大部分的 VCD 都是用 MPEG1 格式压缩的( 刻录软件自动将 MPEG1 转换为 DAT 格 式 ) ，使用 MPEG-1 的压缩算法，可以把一部 120 分钟长的电影压缩到 1.2 GB 左右大小。MPEG-2 则是应用在 DVD 的制作，同时在一些 HDTV（高清晰电视广播）和一些高要求视频编辑、处理上面也有相当多的应用

线阵相机 　　主要应用于工业、医疗、科研与安全领域的图象处理。 在机器视觉领域中，线阵相机是一类特殊的视觉机器。与面阵相机相比，它的传感器只有一行感光元素，因此使高扫描频率和高分辨率成为可能。线阵相机的典型应用领域是检测连续的材料，例如金属、塑料、纸和纤维等。被检测的物体通常匀速运动 , 利用一台或多台相机对其逐行连续扫描 , 以达到对其整个表面均匀检测。可以对其图象一行一行进行处理 , 或者对由多行组成的面阵图象进行处理。另外线阵相机非常适合测量场合，这要归功于传感器的高分辨率 , 它可以准确测量到微米。 　　1，线阵相机，机顾名思义是呈“线”状的。虽然也是二维图象，但极长，几K的长度，而宽度却只有几个象素的而已。一般上只在两种情况下使用这种相机：一、被测视野为细长的带状，多用于滚筒上检测的问题。二、需要极大的视野或极高的精度。 　　2，在第二种情况下（需要极大的视野或极高的精度），就需要用激发装置多次激发相机，进行多次拍照，再将所拍下的多幅“条”形图象，合并成一张巨大的图。因此，用线阵型相机，必须用可以支持线阵型相机的采集卡。 线阵型相机价格贵，而且在大的视野或高的精度检测情况下，其检测速度也慢－－一般相机的图象是 400K～1M，而合并后的图象有几个M这么大，速度自然就慢了。慢功出细活嘛。由于以上这两个原因，线阵相机只用在极特殊的情况下。 　　面阵相机 　

由于项目需要真实的卫星图像作为地图，因而搞了搞利用水经微注这款软件下载超高分辨率大图，讲道理可以下载任意大小的超高分辨率大图。博主下载过27000*19320像素大小的图，大小约为500MB。 1.Prerequisite win10+ 水经微注 + Matlab 2019b 2.生成下载任务文本 选取一个矩形区域，读取最大经纬度坐标。 以下matlab脚本将经纬度区域划分为N*N网格区域，输出每一个网格区域的经纬度坐标文本。案例将生成36个网格区域的经纬度范围，写入任务文本。 lon_min=116.32663250; lon_max=116.36375427; lat_min=39.96705622; lat_max=39.99296935; vect_lon=linspace(lon_min,lon_max,7) vect_lat=linspace(lat_min,lat_max,7) pose_mat=zeros(36,4,"double"); % 输出任务文本 fid=fopen("newbuilding_task36.txt","w+"); % 给定正方形坐标；生成4*4等分方形坐标 for i=1:6 for j=1:6 pose_mat((i-1)*6+j,:)=[vect_lon(1,i) vect_lat(1,j) vect_lon(1,i+1) vect

在直播搭建过程中，经常会忽略一些问题的存在，直播间画质的保障是需要码率、帧率、分辨率三者达到平衡才行，拓幻科技具体分析如下： 1.帧率 直播过程中，帧率容易影响画面的流畅度，帧率是指1秒钟内传输图片的帧数，也可以理解为图形处理器每秒刷新的次数。帧率越大，直播画面越流畅；帧率越小，画面抖动越厉害。其中，帧率会直接影响到视频的体积，每秒种经过的画面越多，需要的码率就越高，视频的体积也会越大。 2.分辨率 直接影响直播图像的大小，分辨率越高图像越大，分辨率越低，图像越小。 3.清晰度 直播过程中，如果，码率是固定的，那么分辨率会与清晰度成反比，也就是说，在相同码率情况下，分辨率越高，图像越不清晰，分辨率越低，图像清晰度越高。分辨率固定，码率越高，图像越清晰，分辨率越低，图像越不清晰。 如果不将码率的大小进行限制，那么分辨率越高，直播中的画质会越高，帧率越高视频就会越流畅，相应的码率也会很大。因为每秒钟需要用更多的数据去承载更高的清晰度和流畅度，在保证清晰度和流畅度的情况下，流量的消耗也会相应增加，造成的费用开支也会随之变的更多。 在开发直播APP软件的过程中，如果给码率一个固定的值，那么帧率越高编码器就越要加大对单帧画面的压缩比，也就是通过降低画质来承载足够多的的帧数，假如是使用摄像头获取视频内容，人眼的极限帧数是24FPS，再过于清晰的画面就可能会造成不适，观看直播

Image Super-Resolution Using Deep Convolutional Networks 论文总结 提示： 文中【】中的内容表示我没读懂的内容或不知道怎么翻译的内容 若文中有错误或知道【】中内容的正确含义，希望能在评论区中指出 Abstract 摘要讲了讲论文写了些啥： 作者提出了一种针对单图像超分辨的深度学习方法，即SRCNN。该方法直接学习低/高分辨率图像之间的端到端映射。映射是用一个低分辨率图像为输入，高分辨率图像为输出的深度卷积神经网络来表示的。 证明了传统基于稀疏编码的SR方法也可以看作是一个深度卷积网络。 传统方法是分别处理每个组件，而SRCNN联合优化所有层。 SRCNN具有轻量级的结构，同时有最先进的恢复质量，并且实现了快速的实际在线使用。 作者探索了不同的网络结构和参数设置，以实现性能和速度之间的权衡。 SRCNN可以同时处理三个颜色通道，表现出更好的整体重建质量。 Introduction 超分辨率问题本质是不适定的（ inherently ill-posed）或者说超分辨率是个欠定逆问题（ underdetermined inverse problem）。意思就是超分辨率是个解不是唯一的问题，因为对于任何给定的低分辨率像素都存在多重解。对于这个问题通常用强先验信息约束解空间来缓解，为了学习强先验信息，现在最先进的方法大多基于例子的策略

NVIDIA 实验室在 styleGAN1 之后所做了改进，论文标题： Analyzing and Improving the Image Quality of StyleGAN （分析和改善StyleGAN的图像质量），本文是论文的翻译，因为作者本人水平有限，部分地方翻译可能有不妥当之处，还请读者不吝赐教，相互交流，一起进步。 摘要 基于样式的GAN架构（StyleGAN）在数据驱动的无条件生成图像建模中产生了最新的结果。我们将揭露和分析其一些特征工件，并提出模型架构和训练方法方面的更改以解决这些问题。特别是，我们重新设计了生成器归一化，重新审视了渐进式增长，并对生成器进行了正则化，以鼓励从潜矢量到图像的映射中的良好条件。除了改善图像质量，该路径长度调节器还带来了额外的好处，即发生器变得非常易于反转。这使得可以可靠地检测图像是否由特定网络生成。我们进一步可视化了发生器如何充分利用其输出分辨率，并确定了容量问题，从而激励我们训练更大的模型以进一步提高质量。总体而言，我们改进的模型在现有的分发质量指标和感知的图像质量方面都重新定义了无条件图像建模的最新技术水平。 1.介绍 通过生成方法，尤其是生成对抗网络（GAN）[15]生成的图像的分辨率和质量正在迅速提高[23，31，5]。目前，用于高分辨率图像合成的最新方法是StyleGAN [24]，它已被证明可以在各种数据集上可靠地工作

1. 名词理解 屏幕尺寸(screen size) 　　 屏幕尺寸(screen size) ，是屏幕的对角线长度，一般讲的大小单位都是英寸。 DPI (dots per inch) 　　dpi 是（英文Dots Per Inch）（每英寸所打印的点数）的缩写，是打印机、鼠标等设备分辨率的单位。国际上都是计算 一平方英寸面积内像素的多少 。这是衡量 打印机打印精度 的主要参数之一，一般来说， 该值越大，表明打印机的打印精度越高 。如果对于扫描设备，dpi越大，则采样点越高，扫描的图片越清晰。 　　可以理解为 像素的密度 ，即单位面长度上的所打印点的数量。 PPI (pixels per inch) 　　PPI (pixels per inch)（每英寸的像素数量）的缩写 像素(Pixel) （1）对于数字图像来说　 　　简单的说，我们通常所说的像素，就是CCD/CMOS上光电感应元件的数量，一个感光元件经过感光，光电信号转换，A/D转换等步骤以后，在输出的照片上就形成一个点，我们如果把影像放大数倍，会发现这些连续色调其实是由许多色彩相近的小方点所组成，这些小方点就是构成影像的最小单位 “像素”（Pixel） 。如果这些感光点的是彩色像素点，把一个数字图像方法到一定程度，可以看到一个个像素点，如下图所示： 　　 （2）对于硬件显示设备来说 　　对于计算机的屏幕设备而言，像素

如何降低直播App的发热？ 个人觉得有如下几点可以参考：1. 尽可能用 硬编 2. 适当降低帧率 3. 采用合适的分辨率，尽量减少 Scale 和 剪裁 4. 其实网络不稳定也会加大发热 5. 优化代码，尽量减少不必要的 CPU 消耗。 由于前后摄像头支持的分辨率不完全一样，因此直播过程中切换摄像头，可能导致 图像尺寸变化 ，一种处理方法是重置编码器，输入新的数据源尺寸，还有一种 更好的做法 ，就是无论摄像头是什么分辨率，采集到的数据都先经过一个剪裁模块（可以用 libyuv 来实现），剪裁出一个固定的分辨率，再传入编码器。 来源： https://www.cnblogs.com/elesos/p/5924684.html

像素+分辨率+帧缓冲器[对话框篇] 一、像素点 定义： 像素点是指图形显示在屏幕上时候，按当前的图形显示分辨率所能提供的最小元素点 举例： 如下图所示，截取一张电脑屏幕图片 如下图所示，放大后可以看见图片是由小的四方形组成，每一个四方形就是一个像素点 二、分辨率 屏幕分辨率就是屏幕上能显示的像素个数. 例如上面截取的电脑屏幕图片是大小是1920*1080（因为是截取整个电脑屏幕，因此也是屏幕分辨率的大小）， 指的是每一行有1920个像素组成，每一列由1080个像素组成. 三、帧缓冲器 定义： 它是屏幕所显示画面的一个直接映象，又称为位映射图(Bit Map)或光栅。帧缓存的每一存储单元对应屏幕上的一个像素，整个帧缓存对应一帧图像。 存储单元 帧缓冲器的存储单元个数至少与显示器能显示的像素总数相同，且存储单元一一对应于可寻址的屏幕像素位置； 例如屏幕像素个数1920 1080，则对应显存的1920 1080个存储单位； 帧缓冲器每一个存储单元的位长决定了一幅画面上能同时显示的不同灰度的数目或颜色的种类 1）如果存储单元位长是1bit，则表示2种颜色的黑白图，显示效果如下 2）如果存储单元位长是4Bit，则是16种颜色（2的4次方）灰度图，显示效果如下 3）我们常用存储单元位长是是24bit，也就是RGB每一个用一个字节表示，显示效果如下 来源： CSDN 作者： 热带宇林1 链接：

一、带宽的两种概念 　　如果从电子电路角度出发，带宽（Bandwidth）本意指的是电子电路中存在一个固有通频带，这个概念或许比较抽象，我们有必要作进一步解释。大家都知道，各类复杂的电子电路无一例外都存在电感、电容或相当功能的储能元件，即使没有采用现成的电感线圈或电容，导线自身就是一个电感，而导线与导线之间、导线与地之间便可以组成电容——这就是通常所说的杂散电容或分布电容；不管是哪种类型的电容、电感，都会对信号起着阻滞作用从而消耗信号能量，严重的话会影响信号品质。这种效应与交流电信号的频率成正比关系，当频率高到一定程度、令信号难以保持稳定时，整个电子电路自然就无法正常工作。为此，电子学上就提出了“带宽”的概念，它指的是电路可以保持稳定工作的频率范围。而属于该体系的有显示器带宽、通讯/网络中的带宽等等。 　　而第二种带宽的概念大家也许会更熟悉，它所指的其实是数据传输率，譬如内存带宽、总线带宽、网络带宽等等，都是以“字节/秒”为单位。我们不清楚从什么时候起这些数据传输率的概念被称为“带宽”，但因业界与公众都接受了这种说法，代表数据传输率的带宽概念非常流行，尽管它与电子电路中“带宽”的本意相差很远。 　　对于电子电路中的带宽，决定因素在于电路设计。它主要是由高频放大部分元件的特性决定，而高频电路的设计是比较困难的部分，成本也比普通电路要高很多。这部分内容涉及到电路设计的知识