关于数码照片的打印和分辨率的有关问题的探讨《转》

有数码相机的朋友,除了将照片送到数码彩扩店冲印,也可以用照片级的打印机打印。例如我用EPSON 895打印,效果比一般的冲印店要好。当然,要保证照片打印的质量,有必要探讨一下有关分辨率的问题。

先说说有关分辨率的几个概念:

Ppi(Pixel per Inch),每英寸像素数。将您的照片像素数除以您要打印的尺寸,即得到ppi。比如SONY 707能得到的最大照片是2560*1920,要打印12*8的照片,那么长边的ppi是213短边的ppi是240。Ppi又可称为图形分辨率,它反映了图片所固有的信息量。

Lpi (Lines per Inch),每英寸线数。在传统商业印刷制版过程中,制版时要在原始图像前加一个网屏,这一网屏由呈方格状的透明与不透明部分相等的网线构成。这些网线也就是光栅,其作用是切割光线解剖图像。由于光线具有衍射的物理特性,因此光线通过网线后,形成了反映原始图像影像变化的大小不同的点,这些点就是半色调点。一个半色调点最大不会超过一个网格的面积,网线越多,表现图像的层次越多,图像质量也就越好。因此商业印刷行业中采用了Lpi表示分辨率。Lpi一般又称为网屏分辨率。

Dpi (Dot per Inch),也称设备分辨率,指的是各类输出设备每英寸上可产生的点数。Dpi中的点可以说是硬件设备最小的输出单元。

那么这些分辨率都怎么用呢?我们仅以数码图片的打印来谈谈。

根据印刷行业的经验,印刷上的Lpi值与原始图像的Ppi值有这样的关系,即:
Ppi值=Lpi值×2×印刷图像的尺寸÷原始图像的尺寸。
通常报纸印刷采用75Lpi,彩色印刷品使用150Lpi或175Lpi。原始图象的尺寸就是我们在PS或ACDSEE中可以看到的尺寸,Ppi就是此尺寸下对应的Ppi值,一般我们打印的时候都是按1:1打印,可以简单认为Ppi=2*Lpi。因此在此情况下要达到彩色印刷的效果需要原始图象有300~350ppi的分辨率。

但是,打印设备是按Dpi来标称的。 Dpi和Ppi又有什么关系呢?

实际上,常用的桌面打印机也大多采用了半色调点的处理方法,上述公式同样也是适用的。在打印机中产生的一个半色调点,要靠许多打印点来组成,显然构成一个半色调点的打印点越多,它所能表现的灰度变化范围就越大。比如要模拟256级灰度(数码相机一般是24位彩色,即每色有256级灰度)变化,就需要每种颜色有16×16=256个打印点,共256*3=768点。也就是说一个象素需要27.7*27.7的点阵来还原。这就是说对于720dpi的三色打印机,如果要有足够好的色彩还原,每英寸能打印720/27.7=26线,即能还原52Ppi图象分辨率,比率因子是13.8。那么,可以认为:
可还原的Ppi=打印Dpi/13.8。
实际上现在的照片级打印机使用5彩色打印,要还原三色每色256级灰度就不需要27.7*27.7的点阵了。大致可以认为红、蓝色只需要128个点(因增加了浅红、浅蓝色),黄色不变256点,需要22.6*22.6的点阵。计算的结果是
可还原的Ppi=打印Dpi/11.3。
实际上打印机不会这么生硬地来做色彩还原,由于色彩总有一定的连续性,平均来看一个象素是不需要那么多点来合成的。根据经验,至少可以认为
可还原的Ppi=打印Dpi/10。
例如Epson 895 打印机在2880Dpi时,可以还原的图形分辨率大于288Ppi。基本已达到彩色印刷的质量。

当打印使用的Dpi不足以还原图片固有的Ppi时,提高图片的分辨率是没有意义的;但当打印使用的Dpi能还原的精度超过图片固有的分辨率时,打印驱动程序会做插值处理,间接地增加了实际输出的Ppi。在一些情况下,插值处理的效果也非常好,这也许就是有些人说用175Ppi输出效果也很好的原因—他应该是使用了较高的打印精度。

从我自己打印的效果来看,用1440Dpi打印200Ppi的图片,效果已经很不错了,感觉上面的比率因子应该比10还要小很多。

不过,Epson 895必须要进入自定义界面中才能提高精度到1440和2880。要得到好的效果,一定记得要用高的Dpi哦。不过精度提高后打印的速度和墨水的消耗明显让人有点吃不消了。

最后根据实际打印的情况给大家一个建议:
一般照片效果:200ppi,1440dpi;
精致照片效果:300ppi,2880dpi。
Ppi用PS等图象处理软件调整,Dpi在打印机属性中设置



DPI: DPI stands for dots per inch. DPI is a measurement of printer resolution that defines how many dots of ink are placed on the page when the image is printed. DPI does not correspond directly with PPI, because a printer may put down several dots to reproduce one pixel. This is because printers use a limited number of colored inks to reproduce an image consisting of millions of colors.( 这里说的意思是打印机会在一个像素点上重复的打印墨水点,因为墨水点的颜色是有限的,所以要用多个墨水点的混合来代表像素点的真实颜色) The higher a printer's DPI, the smoother your printed image will appear, provided you have a suitable amount of image resolution (ppi).在你有合适的分辨率的情况下,你的打印机的DPI越高,你打印出的图像就越柔和。

Today's photo-quality ink jet printers have DPI resolution in the thousands (1200 to 4800 dpi). They will give you acceptable quality photo prints of images with 140-200 ppi resolution, and high quality prints of images with 200-300 ppi resolution.

The term DPI is often used interchangably with PPI, causing a lot of confusion, however, DPI refers to the resolution of the printing device, where PPI refers to the resolution of the image itself.

PPI: PPI stands for pixels per inch. PPI is a measurement of image resolution that defines the size an image will print. An image that is 1600 by 1200 pixels at 300ppi will print at a size of 5.3 by 4 inches. Or it could be printed at 180 ppi for a printed size of 8.89 by 6.67 inches. The higher the ppi value, the better quality print you will get--but only up to a point. 300ppi is generally considered the point of diminishing returns when it comes to ink jet printing of digital photos. 当涉及到数码相片的喷墨打印时,300 Pixel Per Inch 通常被认为是收益递减点。(也就是说再提高ppi,对于照片的打印质量也没有提高了)

The term DPI is often used interchangably with PPI, causing a lot of confusion, however, DPI refers to the resolution of a printing device.

下边是我想象中的理解,因为对打印机的工作原理不了解。

其实问题的关键点是区分DOT 和 PIXEL。

PIXEL: 像素点,

这是代表图像的最小单位,是一个抽象的概念,一个抽象的定义。

那么抽象的概念肯定有它的实现,就像JAVA中的接口和类一样。

其实它是由RGB组成的,RED GREEN BLUE, RGB每个颜色都是0到255的一个数值(这也是现在的取值范围,也许将来取值范围更大),由这三种基本颜色组合出来的色彩可以代表我们世界中人类肉眼所能分辨的所有颜色了(256*256*256)。

我们用红绿蓝,每种颜色256个值来代表像素点其实就是一种实现。而喷墨打印机也是用一样地方法来实现像素点的。

DOT: 打印机的墨水点

打印机的墨水点就是指打印机一次喷出的墨水在纸上形成的点,那么每次喷出的颜色就只有一种,如何代表像素点呢?那就在一个点上重复的喷不同的颜色吧,它们混合出来的就是我们想要的像素点了。

例子:

比如打印机的参数是 4800 dpi, 200 ppi,那么实际上每个像素点就是由24个墨水点组成的了,如果打印机有RGB三种颜色,那么每个颜色的取值就在0到8之间。

所以PPI代表的是图像的细致程度,也就是同样大小的面积内所能看到的像素点的数量,越多图像越细致,但是大到一定程度,我们肉眼就分辨不出来了。

DPI/PPI代表的是每个像素点由多少单色墨水点组成,就是每个像素点能够代表的色彩的多少,显然这个数越大,那么图像所表达出来的颜色就越多,色彩就越柔和啦。

现在我们通常讲的打印机分辨率是多少DPI,指的是"在该打印机最高分辨率模式下,每英寸所能打印的最多"理论"墨点数"。如果每个像素点上都打出最多的墨点,(假设打印机由RGB三种颜色的墨水)那么就是#FFFFFF,就是白色啦。



根据个人理解,打印图像的尺寸只跟图像的PPI有关系,PPI越大,打印出的图像尺寸越小,越精细;DPI跟打印出的图像质量有关,DPI越高图像质量越好,

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值