像素

现象 像素密度 倍率与逻辑像素 单位 Web怎么办 实际应用 iPhone Android Web 总结 原文 http://www.shejidaren.com/mobile-ui-chi-cun.html 对于刚入行的UI设计师，往往会遇到一个基础问题，就是设计移动APP时，是用什么尺寸或者用哪种屏幕的尺寸是最适当的？有的同学花了很长时间也不知道怎么做，为了解决这个问题，今天设计师”十萬個為什麼”为大家从原理开始介绍一下移动端设计尺寸规范。 推荐配合这个阅读：《 最新Android & iOS设计尺寸规范 》 现象 首先说现象，大家都知道移动端设备屏幕尺寸非常多，碎片化严重。尤其是Android，你会听到很多种分辨率：480×800, 480×854, 540×960, 720×1280, 1080×1920，而且还有传说中的2K屏。近年来iPhone的碎片化也加剧了：640×960, 640×1136, 750×1334, 1242×2208。 不要被这些尺寸吓倒。实际上大部分的appUI设计和移动端网页，在各种尺寸的屏幕上都能正常显示。说明尺寸的问题一定有解决方法，而且有规律可循。 回到顶部 像素密度 要知道，屏幕是由很多像素点组成的。之前提到那么多种分辨率，都是手机屏幕的实际像素尺寸。比如480×800的屏幕，就是由800行、480列 的像素点组成的

原文链接： https://arxiv.org/abs/1811.11721 Github： https://github.com/speedinghzl/CCNet 本文也是Self-Attention机制的文章，该论文在捕获long-range上下文信息的同时提高了计算性能并减少了GPU内存，在Cityscapes、ADE20K和MSCOCO数据集上取得了先进性能。 文中1*1卷积的理解： https://blog.csdn.net/renhaofan/article/details/82721868 Abstract Long-range依赖能够捕获有用的上写完信息从而解决视觉理解问题。本文提出一种十字交叉的网络CCNet更有效地获得重要的信息。具体来说，CCNet能够通过一个新的交叉注意模块获取其周围像素在十字交叉路径上的上下文信息。通过这样反复的操作，每个像素最终能够从所有的像素中捕获long-range依赖。总体上CCNet有以下贡献：（1）节省GPU内存。与非局部模块non-local相比，循环十字交叉注意模块能够节省11倍的GPU内存占用；（2）更高的计算性能。循环交叉注意力模块在计算Long-range依赖时能够减少85% non-local FLOPs；（3）在语义分割数据集Cityscapes和ADE20K和实例分割数据集COCO上取得了先进性能。

图像过滤是把图像中不重要的像素都染成背景色，使得重要部分被凸显出来。现给定一幅黑白图像，要求你将灰度值位于某指定区间内的所有像素颜色都用一种指定的颜色替换。 输入格式： 输入在第一行给出一幅图像的分辨率，即两个正整数 M 和 N（0<M,N≤500），另外是待过滤的灰度值区间端点 A 和 B（0≤A<B≤255）、以及指定的替换灰度值。随后 M 行，每行给出 N 个像素点的灰度值，其间以空格分隔。所有灰度值都在 [0, 255] 区间内。 输出格式： 输出按要求过滤后的图像。即输出 M 行，每行 N 个像素灰度值，每个灰度值占 3 位（例如黑色要显示为 000 ），其间以一个空格分隔。行首尾不得有多余空格。 输入样例： 3 5 100 150 0 3 189 254 101 119 150 233 151 99 100 88 123 149 0 255 输出样例： 003 189 254 000 000 000 233 151 099 000 088 000 000 000 255 #include<stdio.h> int main() { int m = 0;//行 int n = 0;//个数 scanf("%d %d",&m,&n); int num[m][n]; int a = 0,b = 0,index = 0; scanf("%d %d %d",&a,&b,

unmix 该程序用来消除“像素混叠”。所谓像素混叠，是值在自然场景的图像中，边缘线成像到cmos的像素上时，某些像素会刚好跨在该边缘线上。 这样的像素特点就是，其R、G、B三色像素梯度值不一致。比如说cmos上，每个彩色像素有R、G、B三色传感器组成，其排列方式是依次从左向右排序。 那么，如果刚好有一条倾斜的边缘线该像素的G位置，且该边缘线上部为背景、下部为物体，那么其三色梯度值不同，且dR>dB，反之则dB>dR.。类似于这样 的像素，我们可以通过unmix的方法将其消除。方法很简单，就是将该像素邻域内梯度相同或相近的像素替换该像素。下面是程序代码： Mat unmix(const Mat&img,int neibourSize) { Mat imgCopy=img.clone(); int nr=neibourSize/2; int cols=img.cols,rows=img.rows; Mat kernel_x=(Mat_<int>(1,2)<<-1,1); Mat kernel_y=(Mat_<int>(2,1)<<-1,1); Mat img_dx,img_dy;//预声明X、Y方向的梯度矩阵 filter2D(img,img_dx,CV_32F,kernel_x); filter2D(img,img_dy,CV_32F,kernel_y); Mat Gradient

Android 可设置为随着窗口大小调整缩放比例，但即便如此，手机程序设计人员还是必须知道手机屏幕的边界，以避免缩放造成的布局变形问题。 手机的分辨率信息是手机的一项重要信息，很好的是， Android 已经提供 DisplayMetircs 类可以很方便的获取分辨率。下面简要介绍 DisplayMetics 类： Andorid.util 包下的 DisplayMetrics 类提供了一种关于显示的通用信息，如显示大小，分辨率和字体。 为了获取 DisplayMetrics 成员，首先初始化一个对象如下： DisplayMetrics metrics ＝ new DisplayMetrics(); getWindowManager().getDefaultDisplay().getMetrics; 注：构造函数 DisplayMetrics 不需要传递任何参数；调用 getWindowManager() 之后，会取得现有 Activity 的 Handle ，此时， getDefaultDisplay() 方法将取得的宽高维度存放于 DisplayMetrics 对象中，而取得的宽高维度是以像素为单位 (Pixel) ，“像素”所指的是“绝对像素”而非“相对像素”。 通过 DisplayMetrics的 toString()方法可以获取到 DisplayMetrics的大部分

外贸建站 中-webkit-min-device-pixel-ratio属性用法, 今天在优化 cnc foam cutting machine 网站过程中，采用了一个新的CSS 属性， -webkit-min-device-pixel-ratio， 关于-webkit-min-device-pixel-ratio的用法，网上还比较少，我也是在w3cshool网站CSS中看到这个代码，然后摸索测试了一下。 我们先想一下： 一般普通图在的1920*1080，是很正常的，但是如果放在的2k或者4K屏幕里面，背景图就是模糊掉，为什么呢？ 因为的正常的屏幕是的 1个像素，而高清屏幕是 4像素的点！ 解决方案： 把之前的原图放大 ” 2 ” 倍的； 用的css处理之前的图的： 代码如下的： @media only screen and (-webkit-min-device-pixel-ratio: 1.5) {} 这里： -webkit-min-device-pixel-ratio: 1.5 是指当时显示屏最小的色倍为1.5倍的 来科普一下device-pixel-ratio的知识点： 它是设备上物理像素和设备独立像素( device-independent pixels (dips) )的比例，即 devicePixelRatio = 屏幕物理像素/设备独立像素 例如iPhone4S

　　 //1像素线文件 @mixin border($color,$width) { & { position: relative; &:before { content: ""; position: absolute; top: 0; left: 0; border-style: solid; border-color: $color; border-width: $width; transform-origin: 0 0; // padding: 1px; box-sizing: border-box; pointer-events: none; } &:last-child:before { // border-top:none; } } @media (-webkit-min-device-pixel-ratio:1),(min-device-pixel-ratio:1) { &:before { width: 100%; height: 100%; transform: scale(1); } } @media (-webkit-min-device-pixel-ratio:2),(min-device-pixel-ratio:2) { &:before { width: 200%; height: 200%; transform: scale(0.5); } }

【题目链接】 点击打开链接 【思路要点】 考虑 K = 1 K=1 K = 1 的情况，我们需要判断是否存在相邻的黑色像素。 如果我们知道两个黑色像素的相对方向，则可以采取如下策略： 不妨令两个黑色像素在同一列，计算每一行的 o r or o r ，并计算得到的数组的前缀 o r or o r 与后缀 o r or o r ，记为 p r e i , s u f i pre_i,suf_i p r e i ​ , s u f i ​ 。若存在一个 i i i 使得 p r e i & s u f i + 2 pre_i\&suf_{i+2} p r e i ​ & s u f i + 2 ​ 为 1 1 1 ，则说明两个黑色像素所在的行相距至少为 2 2 2 ，从而可以判断它们是否相邻。 在不知道两个黑色像素的相对方向时，可以采取如下策略： 若将坐标系进行旋转 ( x , y ) → ( x − y , x + y ) (x,y)\rightarrow(x-y,x+y) ( x , y ) → ( x − y , x + y ) ，则可以将两个点 ( x , y ) , ( a , b ) (x,y),(a,b) ( x , y ) , ( a , b ) 的曼哈顿距离 ∣ x − a ∣ + ∣ y − b ∣ |x-a|+|y-b| ∣ x − a ∣ + ∣ y − b ∣

Abstract ORB 是 Oriented Fast and Rotated Brief 的简称，可以用来对图像中的关键点快速创建特征向量，这些特征向量可以用来识别图像中的对象。 其中，Fast 和 Brief 分别是特征检测算法和向量创建算法。ORB 首先会从图像中查找特殊区域，称为关键点。关键点即图像中突出的小区域，比如角点，比如它们具有像素值急剧的从浅色变为深色的特征。然后 ORB 会为每个关键点计算相应的特征向量。ORB 算法创建的特征向量只包含 1 和 0，称为二元特征向量。1 和 0 的顺序会根据特定关键点和其周围的像素区域而变化。该向量表示关键点周围的强度模式，因此多个特征向量可以用来识别更大的区域，甚至图像中的特定对象。 ORB 的特点是速度超快，而且在一定程度上不受噪点和图像变换的影响，例如旋转和缩放变换等。 FAST 算法 ORB 特征检测的第一步是查找图像中的关键点，而关键点检测算法即使用 FAST 算法。 FAST 是 Features from Accelerated Segments Test 的简称，可以快速选择关键点，算法步骤如下： 给与一个像素点 p，FAST 比较目标 p 圆圈范围中的 16 个像素，每个像素按高于 p，小于 p，或者与 p 相似，分为三类。 注意这里的比较是带有阈值 h 的。对于给定的阈值 h，更亮的像素将是亮度超过 Ip

参考 http://foggry.com/blog/2014/09/28/iphoneping-mu-zhi-shi-dian-jie-xi/ 总结： Retina显示屏 （视网膜显示屏） （ 英文 ： Retina Display ）是从iPhone4开始使用。普通屏：一个点== 一个像素，Retina屏：一个点 == 2个像素。现在又有 RetinaHD 屏 了。 一。相关概念： 屏幕尺寸，分辨率，PPI（每英寸像素数），Points，渲染比例（Scale），宽高比。 1.屏幕尺寸： 在显示器世界里，屏幕尺寸都是由屏幕对角线长度表示的，单位是英寸。比如iPhone4的3.5寸屏就意味着屏幕对角线的长度是3.5英寸。 2.分辨率： 分辨率是任何一款手机产品最重要的参数之一。显示屏是由一个个像素组成的，分辨率可以简单理解成屏幕像素的数目。比如iPhone4的屏幕分辨率为640×960，就表示屏幕的横向有640个像素点，纵向有960个像素点。 3. PPI（每英寸像素数) PPI（Pixels Per Inch）表示单位面积上的像素点数目。分辨率可以表示屏幕包含的像素数目，但要想描述屏幕的显示质量，还需要知道屏幕尺寸，最后算出单位面积上的像素点数目。显然PPI越高，屏幕显示效果越细腻。 4. Points 可以简单理解成我们使用 UIKit 或 Core Animation