nano measurer1.2_imagetool3.0和imagej粒径面积图像分析软件使用方法分布计算的测量方法

Nano Measurer 1.2；ImageTool (IT) 3.0 ；imageJ，统计粒径、孔径、孔面积，孔的总面积，角度等三款图像分析软件使用方法

一、Nano Measurer 1.2 粒径分布计算

1.文件/打开图像文件

2.对照拍照时的标尺画出一根同样长度的线(图中红线)/设置/标尺

3.对话框中输入实际长度100，单位um/确定

4.用鼠标在所需测量的孔上划距离，得到有序号的标记

5.点击报告/查看报告/跳出统计报告和柱状图

6.点击图中下方“统计报告到出…，得到下方数据，ok！！！！

******************Nano Measurer 1.2.5*******************

********************************************************

==================Basic report==================

Total 35

Max./um 29.50

Min./um 1.69

Mean/um 15.14

No. Particle size/um

1 22.02

2 21.04

3 12.67

4 13.71

5 24.12

6 23.83

7 17.05

8 29.50

9 13.05

10 24.53

11 13.59

12 22.75

13 20.25

14 11.90

15 18.01

16 22.56

17 14.35

18 16.36

19 1.88

20 16.07

21 18.21

22 12.51

23 24.28

24 17.36

25 21.25

26 13.09

27 18.84

28 1.69

29 4.21

30 3.37

31 2.66

32 5.06

33 16.03

二、ImageTool (IT) 3.0 统计粒径、孔径、孔面积，孔的总

面积，角度等

ImageTool (IT) 3.0版是一个免费的科学用途的图像处理与分析软件，可以显示、编辑、分析、处理、压缩、打印灰度图形或彩色图形。可打开超过22中图像格式。在生物领域，它的用途便是各种电泳胶图的分析了。只要有扫描仪，便能利用IT完成胶图的各种处理，包括注释、透光率扫描等工作。

孔径（长度）

1.文件/打开图像文件

2. 设置/校准空间量度/对照拍照时的标尺画出一根同样长度的线(图中兰线)/

3./对照拍照时的标尺画出一根同样长度的线(图中兰线)/对话框中输入实际长度100，单位um/确定

4.分析/距离（也可点击快捷菜单“尺子“图标）或面积(鼠标圈出孔周长)/ 分别用鼠标在所需测量的孔上划距离（不足之处是每次都要点击”距离“再去划孔直

径距离，麻烦）。

5.结果是点击左下角表格缩略图标，

6.跳出表格，可看结果，平均数，标准偏差和每个长度值。

统计图中沟槽孔等的面积

单个孔面积在4.中介绍，但是不规则大面积的沟槽孔无法勾勒出来，可采用下面方法。以上图为例：

1.处理/阈值/手动(也可直接点击下图中的黑白方形快捷键)/

2．跳出选择框：拉动“滑块”调节对比度/确定。（图中“滑块”被拉到中间，范围是”0-131”，记住这个数值，在分析不同样品时，必须选择相同的0-131,.这样才有可比性！）

3.得到下图，沟槽和孔基本包括在内了

4.分析/ count blak/ pixels

可换算出实际面积。

三、imageJ测量统计粒径、孔径、孔面积，孔的总面积，角度等

图片中样本长度的方法.

mageJ 软件是美国国家健康协会的Wayne Rasband用Java语言开发的图像处理和分析软件,其本身具备许多图像处理和分析功能,该软件为免费软件.

对比以上两款软件，功能多和复杂，操作麻烦些，如果只要以上简单的统计，建议选用前面两款比较好。以下参考网上整理。

1.打开所需图片/选择直线工具(主工具栏straight line),/ 对照拍照时的标尺画出一根同样长度的线,如果需要精确,可以按ctrl+增大图.像.

2.打开主菜单的analyze–>set scale / 在打开的窗口中设置known distance为标尺长度,如

上图输入2.5,在unit of length输入单位,如um(默认是cm),在下面可以看到具体的像素

单位比例.

3.开始测量具体位置,关闭设置窗口后,利用直线工具划出具体要测量的部位,/

并按键盘M键,/在打开的results窗口会自动记录长度,area数值表示具体像素值,最后的length既是换算

后的长度,多个位置可以重复划线,按M记录,3次读数就划三次.最后results窗口save as保

存为excel文件进行后续处理.

Imagej快速的提取目标物外部轮廓的方法。

1．简单图片的图象处理

对于简单的图片比如字，它的边缘提取非常简便，过程如下打开图片——选择菜单process ——binary make binary ——再选择outlines即可得到轮廓图片。

2．较复杂图片的图象处理

对于复杂的图片处理，比如说一粒矿石的彩色图片处理，就比较困难。因为光线、折射、阴影以及物体本身的一些物理特性等的影响，大大增加了图象处理的难度。用一般方法我们对图片进行图象增强，图象二值化、图象滤波、边缘提取操作，可是这种方法对这种复杂图象的处理不是很理想，处理到图B这一步就很难走下去。

3.去背景

图片是彩色的，为了不损失图片信息我们先在彩色图象上进行图象处理。抛开一般过程，不在一开始就进行调整亮度对比度、二值化、阈值选取等，而是

通过减背景来去除噪声和部分阴影的影响。所以打开原图后第一步进行减背景操作，菜单Process——Subtract Background…

4高斯模糊

第二步使用高斯模糊。首先了解一下高斯模糊的原理，所有的颜色不过都是数字，各种模糊不过都是算法。把要模糊的像素色值统计，用数学上加权平均的计算方法（高斯函数）得到色值，对范围、半径等进行模糊，就是高斯模糊。高斯模糊是一种利用高撕函数作平滑处理的滤波器。像ImageJ中所有卷积运算一样，高斯模糊采取外部象素等于最近边缘象素值的方法，更重视边缘象素而不是内部象素，拐角象素而不是非拐角象素。因而采用较大的模糊半径时，模糊效果由边缘象素尤其是拐角象素决定。为了提高计算的速度，特别是当选择的模糊半径较小时，计算速度会更慢。所以计算前要先将每行或每列压缩，计算完后再将其恢复到原来的长度。

具体操作为process ——filters——Gaussian Blur... （sigma=15）, 效果如图C。

5.二值化

Imagej中的Make Binary这一命令是通过自动选取阈值的方法实现二值的自动化的。自动选取阈值并将图象分割为目标和背景。其实现是通过一个自动选取阈值函数，该函数取一检验（测试）阈值并计算所有大于阈值象素的平均值和所有小于阈值象素的平均值，再计算二者的平均，增大阈值重复上面的操作，直到所得阈值大于复合平均。即

threshold = (average background + average objects)/2

ImageJ调用imageProcesse类中的getAutoThreshold()函数来实现这一功能的。

具体操作为process ——Binary——Make Binary

6.分析并提取边缘

Imagej中的Analyze Particles...命令是用来提取目标物边缘、统计并测量目标物的形状位置等参数的。它通过扫描整个图象或选区寻找图象边缘的，利用Measure命令计算目标物形状位置参数。可以通过Set Measurements...命令选取你要测量的参数。

具体操作为Analyze——Analyze Particles... （选择show=Outlines display 勾选exclude 和summarize）。其最终效果如图D和数据记录于表1。

表1 参数

以上操作可以通过写一个宏命令使整个过程自动化。写好之后将文件名命名为“StartupMacros”。通过Plugins——Macros——Install...安装之后，下次再运行Imagej时该操作就会自动加载，以一个命令按扭形式存在。

Imagej还可以处理简单重叠问题，使用腐蚀、膨胀、开运算、闭运算等方法解决，但是对于复杂图的重叠问题的解决还需要继续的探讨和研究。

三款软件都是共享软件，网上可以下到，如需要可以留言信箱，如果对你有帮助别忘了顶，给好评哦！

Jcguo

2011-12-12

图像颜色RGB调整的MATLAB实现..

摘要 Matlab是当今最优秀的科技应用软件之一，它一强大的科学计算与可视化功能，简单易用，开放式可扩展环境，特别是所附带的30多种面向不同领域工具箱支持，使得它在许多科学领域中成为计算机辅助设计与分析，算法研究和应用开发的基本工具盒首选平台在图像处理中，Matlab也得到了广泛的应用，例如图像变换，设计FIR滤波器，图像增强，四叉树分解，边缘检测，小波分析等等。不同的颜色空间在描述图像的颜色时侧重点不同。如RGB（红、绿、蓝三原色）颜色空间适用于彩色监视器和彩色摄象机，HSI（色调、饱和度、亮度）更符合人描述和解释颜色的方式（或称为HSV，色调、饱和度、亮度），CMY（青、深红、黄）、CMYK（青、深红、黄、黑）主要针对彩色打印机、复印机等，YIQ（亮度、色差、色差）是用于NTSC规定的电视系统格式，YUV（亮度、色差、色差）是用于PAL规定的电视系统格式，YCbCr（亮度单一要素、蓝色与参考值的差值、红色与参考值的差值）在数字影像中广泛应用。 彩色图像的处理有时需要将图像数据在不同的颜色空间中表示，因此，图像的颜色空间之间的转换成为一项有意义的工作。其中RGB在颜色空间转换中其关键作用，是各个空间转换的桥梁。Matlab中的颜色空间转换只涉及到了RGB、HSV、YCbCr、YIQ等，没有包含lαβ和其它颜色空间的转换。 关键字：Matlab,图像处理，RGB

武汉理工大学本科生能力拓展训练任务书 学生姓名专业班级： 指导教师：工作单位：自动化学院 题目: 图像颜色RGB调整的MATLAB实现 初始条件： PC机，MATLAB 要求完成的主要任务: 对24bits彩色图像的颜色，使用RGB颜色模型，来对其进处理。 设计图形界面（GUI）程序，使用三个滑动条实现R,G,B各分量上下可调。调整范围在0到1之间，即：滑动条被拖动时，产生一个0到1之间的系数，乘以该分量的原始值，得到调整后的分量值。显示原始图像，和调整后的图像。同 时显示原始的R,G,B三分量的灰度图像。 任务安排： （1）设计任务及要求分析 （2）方案比较及论证说明 （3）系统原理阐述，写入设计方案及结构图 （4）软件设计说明：软件思想，流程图，源程序及注释 （5）调试记录及结果分析 （6）总结 （7）参考资料5篇以上 （8）附录：程序清单 时间安排： 6月25日安排设计任务 6月28日收集资料，方案选择 7月1日程序设计 7月5日-8日程序调试 7月8日- 撰写报告 9月7日交设计报告 指导教师签名：年月日 系主任签（或责任教师）签名：年月日

图像大小和分辨率

图像大小和分辨率 与数码照片有关的工作中一个比较复杂的话题，就是对图像大小与分辨率之间的关系的理解。作为照片处理者，你随时都会遇见ppi值（每英寸像素的数量）、像素大小以及输出大小。要想获得精确的图像效果，尤其是打印后的图像效果，把这两个概念整理清楚是非常必要的。 图像大小 图像文件的两个重要特征是它的图像大小（不要与图像文件的大小混淆了）以及它的分辨率。图像大小涉及的是图像中点的数量。以像素乘以像素来说明，第二个像素值指的是垂直向的像素数量。例如一个图像的大小可以是4368×2912像素，也就是共有12719616或者取整为1200万个图像点，也就是1200万像素。图像文件大小则与它所需的存储空间有关，以字节为单位。 一个图像的像素越大，所含的图像信息就越多，被清楚还原的尺寸也就越大。在输出大小相同的情况下，像素越大，单个细节就显示得越清楚，就越会形成清晰的视觉效果。但这里的视觉图像大小只是一个非实体的、虚拟的值，单独这个值既不能以厘米计算纸上的图片大小，也不能说明显示器上的图像大小。为了对图像上的大小进行确切的描述，还需要另外一个值，那就是分辨率，因为只有通过介质的显示，数字的像素信息才能有一个实际的载体。 分辨率 分辨率是用来表示一定长度的线段上的图像点数量的参数，用每英寸像素（ppi）来表示。它描述的是一个特定的输出介质在一个区域所能显示的像素数量，同时

也表明了在这个介质上正确展示一照片的最低要求。每个输出介质的分辨率都是不同的。 你可以把一个图像想象成一个大的马赛克，每个像素中都含有关于各个马赛克“小子儿”所应有的色彩信息。输出介质决定着单颗小子儿的大小——显示器上的单颗小子儿较大，而打印照片时相纸上的单颗小子儿较小。因此在平铺面积相同的情况下，相纸所能容纳的小子儿要比显示器容纳的多。也可以说，显示器在相同面积中所需要的小子儿较少。相应的，在小子儿数量相同的情况下，在显示器上所铺出来的面积就更大。但是在这两种显示介质前，在与这两个马赛克保持相应距离时，你会看到同样的图像。 此外，比较难以理解的是，分辨率这个概念也被应用于其他与摄影相关的情况，但是不同情况下的所指少有不同。 ——镜头分辨率描述的是这个镜头将黑白相间的细线条分辨开来成像的能力，即解像能力 ——相机的感光元件用分辨率来描述垂直向和水平向上的测量像素的数量，也就是可以成像的测量像素的总量（通常用“百万像素”表示） ——与相机的感光元件非常相似的是，显示器把垂直向和水平向上所可能显示的像素的总量也口语化地叫做分辨率，虽然这更多地是在描述显示器的大小（在这个意义上，更接近“图像大小”的概念） 但是一照片的分辨率并没有说出这个图像文件中真正的像素数量。在一个特定的输出介质上，一大图和一小图的显示分辨率是完全相同的，但是大图要比小图显得大得多。为了理解这其中的关联，请你在后面的叙述中想象一下两个不同的图

容量及图片像素换算

K是千 M是兆 G是吉咖 T是太拉 8bit(位)=1Byte(字节) 1024Byte(字节)=1KB 1024KB=1MB 1024MB=1GB 1024GB=1TB 数位组：一个在信息技术和数码技术领域中，用于表示信息的数量的单位。 一个数位组是数个二进位的组合。早期的不同计算机系统中使用的数位组含有的二进位数目不尽相同。但目前数位组在应用上已经统一，即，一个数位组通常由8个二进位组成。16个二进位合成一个字（word）. 32个二进位构成一个复字（double words)。 每个二进位，可用来代表两种状态之一，如电路的开/断等）组成，因此可以代表28 = 256个不同的状态。 4个二进位的组合称为四位组(Nibble)。 8个二进位的组合则为一个八位组(Octet)。所以一个数位组通常是一个八位组。 数位组是一个承载信息的基本单元。一个数位组表明的信息由所用的编码方式决定。不同的编码方式有可能用一个或多个数位组来表示一个数字，一个符号，或者一幅图像中的一个色点。常用的编码方式如用来表示字符集的ASCII编码或者ISO/IEC 8859标准的编码。 字节又被译为“字节”，即是在电脑内一个英文字所占的最基本单元。而一个中文字是占两个字节的。

由数位组引申出的计量单位 1 kilobyte kB = 1000 (103) byte 1 megabyte MB = 1 000 000 (106) byte 1 gigabyte GB = 1 000 000 000 (109) byte 1 terabyte TB = 1 000 000 000 000 (1012) byte 1 petabyte PB = 1 000 000 000 000 000 (1015) byte 1 exabyte EB = 1 000 000 000 000 000 000 (1018) byte 1 zettabyte ZB = 1 000 000 000 000 000 000 000 (1021) byte 1 yottabyte YB = 1 000 000 000 000 000 000 000 000 (1024) byte 1 nonabyte NB = 1 000 000 000 000 000 000 000 000 000 (1027) byte 1 doggabyte DB = 1 000 000 000 000 000 000 000 000 000 000 (1030) b yte 注意上面Kibi这一系列的定义。Kibi来自英语kilo-binary(二进制的千), 1998年10月在IEC60027-2中订位标准。但到目前在各种应用中还没有完全占优势。 在信息行业中常用用于内存容量的MB, GB，几乎都是指220，230，…数位组。KB也经常表示210数位组，以区别于kB。当然你也会经常看到kB被混用来表示210数位组。这些表示法都并没有被标准化。至于硬盘容量，一般的制造商总是用十进制的计数。一般计算机的操作系统都是使用2进制的计数，所用你经常会发现在计算机看到的硬盘容量比硬盘上声称的要小，比如20GB的硬盘只显示有18.6GB。特别误导人是软盘的情况。720KB的软盘是720×10241个数位组的

函数的零点、极值点、驻点与拐点的关系

在日常生活和高中数学学习中有些相近的概念容易混为一谈，例如： 有的经济学家或股评专家分析预测股市（或房市）的发展，根据......，当前股市形势大好，预期股市成交量或指数会出现“拐点”......，意思说成交量或指数会有从下降到上升的反转。但是，这里引用的“拐点”并非数学意义上的“拐点”。还曾经有一位文科教师在讲课中想说明“一个量随着另一个量的增加而增加“的数量关系，就引用了数学中的“正比例关系“，例如： “知识与阅读量成正比例关系。”显然是不准确，甚至错误的。 人们有时为了使自己的论点可信度高，常常会引用一些数学概念或结论作“马甲“，特别是当今“大数据”时代。但是，数学中许多概念相近，不仅是不熟悉数学的人们搞不清楚，就是从教和学习数学的老师与学生也常常搞混。例如： 函数的零点、极值点、驻点和拐点等，下面针对这几个概念，简单地说说它们的定义、几何意义、联系和区别。 函数的零点是使得函数值为零的自变量的值。例如： f(x)=x-1，x=1就是函数f(x)的零点。 函数的极值点是函数的单调性发生变化的点，或是函数的局部极大值或极小值点。当函数存在导数时，函数的极值点是其导函数的变号零点（2014山东高考数学21题的考点）。例如： f(x)=x^2-1，x=0就是函数的f(x)的极小值点。或者说函数在x=0附近的函数值都比x=0时的函数值大。 且x=1和x=-1是函数f(x)的零点。再如： g(x)=|x|，x=0是函数的极小值点，但不是函数的驻点。函数的驻点是函数一阶导数为零的点，即函数的驻点是函数的导函数的零点。但函数的驻点不一定是函数的极值点。当函数存在导数时，极值点一定是驻点，反之不一定正确。例如：

极值的定义

极值的定义： （1）极大值：一般地，设函数f（x）在点x0附近有定义，如果对x0附近的所有的点，都有f（x）＜f（x0），就说f（x0）是函数f（x）的一个极大值，记作y极大值=f（x0），x0是极大值点； （2）极小值：一般地，设函数f（x）在x0附近有定义，如果对x0附近的所有的点，都有f （x）＞f（x0），就说f（x0）是函数f（x）的一个极小值，记作y极小值=f（x0），x0是极小值点。 极值的性质： （1）极值是一个局部概念，由定义知道，极值只是某个点的函数值与它附近点的函数值比较是最大或最小，并不意味着它在函数的整个的定义域内最大或最小； （2）函数的极值不是唯一的，即一个函数在某区间上或定义域内极大值或极小值可以不止一个； （3）极大值与极小值之间无确定的大小关系，即一个函数的极大值未必大于极小值； （4）函数的极值点一定出现在区间的内部，区间的端点不能成为极值点，而使函数取得最大值、最小值的点可能在区间的内部，也可能在区间的端点。 判别f（x0）是极大、极小值的方法： 若x0满足，且在x0的两侧f（x）的导数异号，则x0是f（x）的极值点，是极值，并且如果在x0两侧满足“左正右负”，则x0是f（x）的极大值点，f（x0）是极大值；如果在x0两侧满足“左负右正”，则x0是f（x）的极小值点，f（x0）是极小值。求函数f（x）的极值的步骤： （1）确定函数的定义区间，求导数f′（x）； （2）求方程f′（x）=0的根； （3）用函数的导数为0的点，顺次将函数的定义区间分成若干小开区间，并列成表格，检查f′（x）在方程根左右的值的符号，如果左正右负，那么f（x）在这个根处取得极大值；

调整图像的色彩和色调

第8章调整图像的色彩和色调 教学目标： 1.了解图像的色彩与色调的多种相关命令 2.能根据不同的需要应用多种调整命令 3.掌握图像色彩或色调细微的调整方法和技巧 4.能对图像进行特殊颜色的处理。 教学重点和难点：曲线调整方法 一、导入新课 图像的色调和色彩是影响一幅图像品质最为重要的两个因素。对色调和色彩有缺陷的图像进行调整会使其更加完美。 在系统中图像的色调是依照色阶的明暗层次来划分的，明亮的部分形成高色调，而阴暗的部分形成低色调，中间的部分形成半色调。图像的色调是指图像的明暗度，调整图像的色调就是对图像明暗度的调整。 图像色调的调整只对图像选定区域有效，如果图像中没有选定区域，系统将默认整个图像为选区。 二、讲授新课 （一）调整图像色彩与色调 1、亮度/对比度 “亮度/对比度”命令可以调节图像的亮度和对比度。选择菜单“图像 >调整 > 亮度/对比度”命令，弹出“亮度/对比度”对话框，可以设置亮度/对比度。2、自动对比度 “自动对比度”命令可以对图像的对比度进行自动调整。按Alt+Shift+Ctrl+L 组合键，可以对图像的对比度进行自动调整。 3、色彩平衡 “色彩平衡”命令用于调节图像的色彩平衡度。选择菜单“图像 > 调整 > 色彩平衡”命令，或按Ctrl+B组合键，可以弹出“色彩平衡” 对话框。 4、反相 选择菜单“图像 > 调整 > 反相”命令，或按Ctrl+I组合键，可以将图像或选区的像素反转为其补色，使其出现底片效果。 5、变化 “变化”命令用于调整图像的色彩。选择菜单“图像 > 调整 > 变化”命令，可以弹出“变化”对话框。 6、自动颜色 “自动颜色”命令可以对图像的色彩进行自动调整。按Shift+Ctrl+B组合键，可以对图像的色彩进行自动调整。 7、色调均化 “色调均化”命令，用于调整图像或选区像素的过黑部分，使图像变得明亮，并将图像中其他的像素平均分配在亮度色谱中。 8、色阶 “色阶”命令用于调整图像的对比度、饱和度及灰度。选择“色阶”命令，或按Ctrl+L组合键，弹出“色阶”对话框，可以弹出“色阶” 对话框。

图像大小的计算

图像大小的计算 一直为图片大小计算所吸引，近日搜索资料得知，与大家分享。 数码照片文件大小和拍摄时设置的分辨率和品质有关，还和被拍摄景物的色彩，纹理复杂程度有关，同样的相机设置拍白墙和风景文件大小是不一样的。找个编辑图片的软件，如Photoshop就可以只改变图片占用空间的大小，不会改变长和高，但要牺牲质量。用ACDsee也可另存为，然后可改变质量，降低文件就变小，大小不变。 文件大小是指一个文件占用电脑的磁盘空间的大小。不光是图片文件，其它任何类型的文件都要占用空间，而图片文件的大小与文件格式（JPG、BMP、PSD、GIF、TIFF、PNG、CDA等等）、文件的实际像素、实际尺寸都有直接的关系，但就算两张图片的以上几点都完全一样，文件的大小还可能是不相等的，因为每一张图片所包含的色彩信息量是不同的，一面白墙的相片跟一个MM的照片，文件大小铁定是不同的。 首先，图片大小的存储基本单位是字节（byte），每个字节是由8个比特（bit）组成。 1、位（bit） 来自英文bit，音译为“比特”，表示二进制位。位是计算机内部数据储存的最小单位，是一个8位二进制数。一个二进制位只可以表示0和1两种状态（21）；两个二进制位可以表示00、01、10、11四种（22）状态；三位二进制数可表示八种状态（23）…… 2、字节（byte） 字节来自英文Byte，音译为“拜特”，习惯上用大写的“B”表示。字节是计算机中数据处理的基本单位。计算机中以字节为单位存储和解释信息，规定一个字节由八个二进制位构成，即1个字节等于8个比特（1Byte=8bit）。八位二进制数最小为00000000，最大为；通常1个字节可以存入一个ASCII码，2个字节可以存放一个汉字国标码。 位在计算机中极少单独出现。它们几乎总是绑定在一起成为8位集合，称为字节。为什么一个字节中有8位呢一个类似的问题是：为什么一打鸡蛋有12个呢8位字节是人们在过去50年中不断对试验及错误进行总结而确定下来的。 1字节（Byte）= 8位（bit）。所以，一个字节在十进制中的范围是[0~255],即256个数。 图片大小跟颜色模式有直接关系： 1.灰度模式：图片每一个像素是由1个字节数值表示，也就是说每一像素是由8为01代码构成。比如：240*320=76800px；76800*1（byte）/1024=75k； 模式：即red blue green三原色简写。图片每一个像素是由3个字节数值表示，也就是说每一像素是由24为01代码构成。比如：240*320=76800px；76800*3（byte）/1024=225k； 模式：即青色（c）洋红（m）黄色（y）黑色（k）构成。图片每一个像素是由4个字节数值表示，也就是说每一像素是由8为01代码构成。.比如： 240*320=76800px；76800*4（byte）/1024=300k； 4. dpi是指单位面积内像素的多少，也就是扫描精度，目前国际上都是计算一平方英寸面积内像素的多少。dpi越小，扫描的清晰度越低，由于受网络传输速度

1寸2寸及各种证件照片标准尺寸像素

整理如下： 1寸2寸电子版照片标准尺寸 1寸打印尺寸25×35(mm)像素295×413(px) 2寸打印尺寸35×49(mm)像素413×626(px) 一英寸=72pt(点)=96px(像素) 身份证（驾照）照片：22*32 mm (小1寸) 小1寸: 27*38 mm 1寸：25*38 mm 普通护照照片：33*48mm（大1寸） 大1寸:40*55mm 600×800 = 48万像素=3寸照片 700×1000=约80万像素=5寸照片（3.5×5英寸，毫米规格89×127）；800×1200=约100万像素=6寸照片（4×6英寸，毫米规格102×152）；1000×1400=约150万像素=7寸照片（5×7英寸，毫米规格，127×178）；1200×1600=约200万像素=8寸照片（6×8英寸，毫米规格152×203）；1600×2000=约310万像素=10寸照片（8×10英寸，毫米规格203×258）；1600×2400=约400万像素=标准照片（8×12英寸，毫米规格203×304）；1600×2800=约400万像素=宽幅照片（8×14英寸，毫米规格203×356）。 照片规格(英寸)（厘米）(像素)数码相机类型 2.5* 3.5cm413*295 身份证大头照3.3*2.2390*260 2寸3.5*5.3cm626*413 小2寸（护照）4.8*3.3cm567*390

5寸5×3.512.7*8.91200×840以上100万像素6寸6×415.2*10.21440×960以上130万像素7寸7×517.8*12.71680×1200以上200万像素8寸 8×620.3*15.21920×1440以上300万像素10寸10×825.4*20.32400×1920以上400万像素12寸12×1030.5*20.32500×2000以上500万像素15寸 15×1038.1*25.43000×2000600万像素冲洗照片尺寸对照表： 规格（英寸）分辩率PX(文件的长、宽)/像素厘米 3.5*5（3R/4寸）1050*1500/300dpi8.89*12.74*6（4R/6寸） 1800*1200/300dpi10.16*15.245*7（5R/7寸）1500*2100/300dpi12.7*17.786*8（6R/8寸）1800*2400/300dpi15.24*20.328*10（8R/10寸） 2400*3000/300dpi20.32*25.410*12（12寸）3000*3600/350dpi25.4*30.4812*16（16寸）3600*4800/350dpi30.48*40.645英寸：3*5 6英寸：4*6 7英寸：5*7 8英寸：6*8 12英寸：10*12 18英寸：12*18 护照照片要求细则 护照照片必须满足以下要求： －照片包括被照者的全部头部和全部肩膀的正面照，且面部都在照片的正中心； －照片的底色必须是纯白色； －所有照片必须是未经任何修正的同一底片冲洗出来的或通过一次曝光呈现多 个影像或多个镜头的相机拍摄的完全一样的照片（黑白照或彩照）；－照片必须使用绒面纸。

(甘志国)谈谈人教版教材中函数极值的定义

谈谈人教版教材中函数极值的定义 甘志国(该文已发表 中学数学杂志2011(5)：15-16) 普通高中课程标准实验教科书《数学·选修2-2·A 版》(人民教育出版社，2007年第2版) (下简称《选修2-2》)第27页给出了函数极值的定义： 定义1 如图1，以b a ,两点为例，我们可以发现，函数)(x f y =在点a x =的函数值)(a f 比它在点a x =附近其他点的函数值都小，0)(='a f ；而且在点点a x =附近的左侧0)(<'x f ，右侧0)(>'x f .类似地，函数)(x f y =在点b x =的函数值)(b f 比它在点a x =附近其他点的函数值都大，0)(='b f ；而且在点点b x =附近的左侧0)(>'x f ，右侧0)(<'x f . 图1 我们把点a 叫做函数)(x f y =的极小值点，)(a f 叫做函数)(x f y =的极小值；点b 叫做函数)(x f y =的极大值点，)(b f 叫做函数)(x f y =的极大值.极小值点、极大值点统称为极值点，极大值和极小值点统称为极值. 极值反映了函数在某一点附近的大小情况，刻画的是函数的局部性质. 《选修2-2》第29页又作了以下说明： 导数值为0的点不一定是函数的极值点.例如，对于函数3)(x x f =，……所以0=x 不 是函数3)(x x f =的极值点.一般地，函数)(x f y =在一点的导数值为0是函数)(x f y =在 这点取极值的必要条件，而非充分条件. 一般地，求函数)(x f y =的极值的方法是： 解方程0)(='x f .当0)(0='x f 时： (1)如果在0x 附近的左侧0)(>'x f ，右侧0)(<'x f ，那么)(0x f 是极大值； (2)如果在0x 附近的左侧0)(<'x f ，右侧0)(>'x f ，那么)(0x f 是极小值. 显然，以上函数极值的定义是针对可导函数的，而在某些点不可导的函数也可以有极

各个尺寸照片对应大小及尺寸

各个尺寸照片对应大小及尺寸 1英寸25mm×35mm 2英寸35mm×49mm 3英寸35mm×52mm 港澳通行证33mm×48mm 赴美签证50mm×50mm 日本签证45mm×45mm 大二寸35mm×45mm 护照33mm×48mm 毕业生照33mm×48mm 身份证22mm×32mm 驾照21mm×26mm 车照60mm×91mm 数码相机和可冲印照片最大尺寸对照表 500万像素有效4915200，像素2560X1920。可冲洗照片尺寸17X13，对角线21英寸 400万像素有效3871488，像素2272X1704。可冲洗照片尺寸15X11，对角线19英寸 300万像素有效3145728，像素2048X1536。可冲洗照片尺寸14X10，对角线17英寸 200万像素有效1920000，像素1600X1200。可冲洗照片尺寸11X8，对角线13英寸

130万像素有效1228800，像素1280X960。可冲洗照片尺寸9X6，对角线11英寸 080万像素有效786432，像素1024X768。可冲洗照片尺寸7X5，对角线9英寸 050万像素有效480000，像素800X600。可冲洗照片尺寸5X4，对角线7英寸 030万像素有效307200，像素640X480。可冲洗照片尺寸4X3，对角线5英寸 5寸照片（3X5），采用800X600分辨率就可以了 6寸照片（4X6），采用1024X768分辨率 7寸照片（5X7），采用1024X768分辨率 8寸照片（6X9），采用1280X960分辨率 按照目前的通行标准，照片尺寸大小是有较严格规定的 1英寸证明照的尺寸应为3．6厘米×2．7厘米； 2英寸证明照的尺寸应是3．5厘米×5．3厘米； 5英寸（最常见的照片大小）照片的尺寸应为12．7厘米×8．9厘米；6英寸（国际上比较通用的照片大小）照片的尺寸是15．2厘米×10．2厘米； 7英寸（放大）照片的尺寸是17．8厘米×12．7厘米； 12英寸照片的尺寸是30．5厘米×25．4厘米。 正常的误差应该在1～2毫米左右，如果“差距”过大，那就说明洗印店有问题了。

函数的极值和最值(讲解)

函数的极值和最值 【考纲要求】 1.掌握函数极值的定义。 2.了解函数的极值点的必要条件和充分条件. 3.会用导数求不超过三次的多项式函数的极大值和极小值 4.会求给定闭区间上函数的最值。 【知识网络】 【考点梳理】 要点一、函数的极值 函数的极值的定义 一般地，设函数)(x f 在点0x x =及其附近有定义， （1）若对于0x 附近的所有点，都有)()(0x f x f <，则)(0x f 是函数)(x f 的一个极大值，记作 )(0x f y =极大值； （2）若对0x 附近的所有点，都有)()(0x f x f >，则)(0x f 是函数)(x f 的一个极小值，记作 )(0x f y =极小值. 极大值与极小值统称极值. 在定义中，取得极值的点称为极值点，极值点是自变量的值，极值指的是函数值. 要点诠释： 求函数极值的的基本步骤： ①确定函数的定义域； ②求导数)(x f '； ③求方程0)(='x f 的根； ④检查'()f x 在方程根左右的值的符号，如果左正右负，则f(x)在这个根处取得极大值；如果左负右正，则f(x)在这个根处取得极小值.(最好通过列表法) 要点二、函数的最值 1.函数的最大值与最小值定理 若函数()y f x =在闭区间],[b a 上连续，则)(x f 在],[b a 上必有最大值和最小值；在开区间),(b a 内连 函数的极值和最值 函数在闭区间上的最大值和最小值 函数的极值 函数极值的定义 函数极值点条件 求函数极值

续的函数)(x f 不一定有最大值与最小值.如1 ()(0)f x x x = >. 要点诠释： ①函数的最值点必在函数的极值点或者区间的端点处取得。 ②函数的极值可以有多个，但最值只有一个。 2.通过导数求函数最值的的基本步骤： 若函数()y f x =在闭区间],[b a 有定义，在开区间(,)a b 内有导数，则求函数()y f x =在],[b a 上的最大值和最小值的步骤如下： （1）求函数)(x f 在),(b a 内的导数)(x f '； （2）求方程0)(='x f 在),(b a 内的根； （3）求在),(b a 内使0)(='x f 的所有点的函数值和)(x f 在闭区间端点处的函数值)(a f ，)(b f ； （4）比较上面所求的值，其中最大者为函数()y f x =在闭区间],[b a 上的最大值，最小者为函数 ()y f x =在闭区间],[b a 上的最小值. 【典型例题】 类型一：利用导数解决函数的极值等问题 例1.已知函数.,33)(23R m x x mx x f ∈-+=若函数1)(-=x x f 在处取得极值，试求m 的值，并求 )(x f 在点))1(,1(f M 处的切线方程； 【解析】2'()363,.f x mx x m R =+-∈ 因为1)(-=x x f 在处取得极值 所以'(1)3630f m -=--= 所以3m =。 又(1)3,'(1)12f f == 所以)(x f 在点))1(,1(f M 处的切线方程312(1)y x -=- 即1290x y --=. 举一反三： 【变式1】设a 为实数，函数()22,x f x e x a x =-+∈R ． (1)求()f x 的单调区间与极值；

像素与照片尺寸、分辨率之间的关系

像素与照片尺寸、分辨率之间的关系 对于业余摄影爱好者很少去研究与深入了解数码照相机的像素与拍出来的照片的分辨率(清晰度)以及照片尺寸大小之间的关系是什么。实际上作为摄影爱好者非常有必要对此有所了解，否则我们都是处在盲目的拍摄状态，我碰到过不少的业余摄影爱好者，他们从买了数码照相机以来，从没有对次进行过调整(即设置)，所以让自己的傻瓜照相机一直保持在出厂时的原生态“傻瓜”状态。 作为任何一名摄影爱好者应从拥有数码照相机的第一天开始，就应该认真地去学习和掌握这方面的相关知识，对今后的拍摄是大有益处的。 为了深入理解像素与照片尺寸、分辨率之间的关系，我们不妨进行一番细说。 一、像素与照片尺寸、分辨率之间的基本关系 “像素”是数码相机感光器件(CCD或COMS片)上的感光最小单位。就像是光学相机的感光胶片的银粒一样，它是记录在数码相机的“胶片”（感光器件）上感光点——即像素。 要想得到分辨率高（也就是细腻的照片），就必须保证有一定的像素数。那么是不是像素高的相机拍出的照片就一定比像素低的相机拍出的照片清晰呢？这首先要搞清一个概念，照片的清晰度不是取决于像素数，而是取决于像素的“点密度”（就是图片

的分辨率——用ppi表示，单位是“像素/英寸”），“像素数”和“点密度”是两个概念，“像素数”（点数）是感光点的总量，而“点密度”是单位面积上的点数（像素点），只有单位面积上的感光点数越多，拍出的照片才越细腻。所以，反映照片清晰程度的参数是“点密度”（照片的分辨率），而非总的点数。像素虽高，若印的照片也很大，其“点密度”并不高，照片照样也不细腻。相反，像素不高，若只印很小幅面的照片，也可以得到很细腻的照片。所以确切地说，像素高，意味着能拍出幅面大的照片——像素越高，照片的尺寸必然越大。所以，“像素”的高低，表示着照片幅面的大小。这样说来，我们购买相机的时候，就要考虑你准备拍摄的照片的最大尺寸是多大，再决定要求的像素数。若你准备开影楼或做广告，需要放大很大幅面的照片，就需要选择“高像素”的相机；若只是家庭使用，不准备放很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以大家在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。 二、像素与照片尺寸、分辨率之间的计算实例 一般的数码相机都会提供几种不同像素单位的模式，比如640×480、1024×768、1600 ×1200、2048×1536……，其每一组数字中，前一个数字表示在照片的长度方向上所含的像素点数，后一数字表示在宽的方向上所含的像素点数，两者的乘积，就是像素数。比如1600×1200＝1920000≈2000000，就是200万（像

极值的定义

?极值的定义： （1）极大值：一般地，设函数f（x）在点x0附近有定义，如果对x0附近的所有的点，都有f（x）＜f（x0），就说f（x0）是函数f（x）的一个极大值，记作y极大值=f（x0），x0是极大值点； （2）极小值：一般地，设函数f（x）在x0附近有定义，如果对x0附近的所有的点，都有f（x）＞f（x0），就说f（x0）是函数f（x）的一个极小值，记作y极小值=f（x0），x0是极小值点。 极值的性质： （1）极值是一个局部概念，由定义知道，极值只是某个点的函数值与它附近点的函数值比较是最大或最小，并不意味着它在函数的整个的定义域内最大或最小； （2）函数的极值不是唯一的，即一个函数在某区间上或定义域内极大值或极小值可以不止一个； （3）极大值与极小值之间无确定的大小关系，即一个函数的极大值未必大于极小值； （4）函数的极值点一定出现在区间的内部，区间的端点不能成为极值点，而使函数取得最大值、最小值的点可能在区间的内部，也可能在区间的端点。 ?判别f（x0）是极大、极小值的方法： 若x0满足，且在x0的两侧f（x）的导数异号，则x0是f（x）的极值点， 是极值，并且如果在x0两侧满足“左正右负”，则x0是f（x）的极大值点，f（x0）是极大值；如果在x0两侧满足“左负右正”，则x0是f（x）的极小值点，f（x0）是极小值。

求函数f（x）的极值的步骤： （1）确定函数的定义区间，求导数f′（x）； （2）求方程f′（x）=0的根； （3）用函数的导数为0的点，顺次将函数的定义区间分成若干小开区间，并列成表格，检查f′（x）在方程根左右的值的符号，如果左正右负，那么f（x）在这个根处取得极大值；如果左负右正，那么f（x）在这个根处取得极小值；如果左右不改变符号即都为正或都为负，则f（x）在这个根处无极值。 对函数极值概念的理解： 极值是一个新的概念，它是研究函数在某一很小区域时给出的一个概念，在理解极值概念时要注意以下几点： ①按定义，极值点x0是区间[a，b]内部的点，不会是端点a，b（因为在端点不可导）．如图 ②极值是一个局部性概念，只要在一个小领域内成立即可．要注意极值必须在区间内的连续点取得．一个函数在定义域内可以有许多个极小值和极大值，在某一点的极小值也可能大于另一个点的极大值，也就是说极大值与极小值没有必然的大小关系，即极大值不一定比极小值大，极小值不一定比极大值小，如图．

关于数码相机的像素、分辨率和图片大小的概念

关于数码相机的像素、分辨率和图片大小的概念我们买数码相机或是评价相机功能的时候，常常提到相机的“像素”这一概念，认为像素大的相机就好，就能拍出精细的图片来，现在有的高档数码相机的像素数高达上千万，一般的家庭用相机的像素达到了四百万到五百万。是不是我们购买相机的时候，“像素”就是我们评价相机和追求的唯一参数？答案是否定的，这里首先要弄清像素的基本概念。 “像素”是相机感光器件上的感光最小单位。就像是光学相机的感光胶片的银粒一样，记忆在数码相机的“胶片”（存储卡）上的感光点就是像素；要想得到分辨率高（也就是细腻的照片），就必须保证有一定的像素数；是不是像素高的相机拍出的照片就一定比像素低的相机拍出的照片清晰呢？这首先要弄清一个概念，照片的清晰度不是取决于像素数，而是取决于像素的“点密度”（就是图片的分辨率）（用ppi表示，单位是像素/英寸”，像素数”和点密度”是两个概念，“像素数”（点数）是感光点的总量，而“点密度”是单位面积上的点数（像素点），只有单位面积上的感光点数越多，拍出的照片才越细腻。所以，反映照片清晰程度的参数是“点密度”（图片分辨率），而非总的点数。像素虽高，若印的照片也很大，其“点密度”并不高，照片也不细腻；相反，像素不高，若只印很小幅面的照片，也可以得到很细腻的照片。所以确切地说，像素高，意味着能拍出幅面大的照片；所以，“像素”的高低，表示着照片幅面的大小；这样说来，我们购买相机的时候，就要考虑你准备拍摄的照片的最大尺寸是多大，再决定要求的像素数。若你准备开影楼或做广告，需要放大很大幅面的照片，就需要选择“最高像素”高的相机；若只是家庭使用，不准备放大很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以用户在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。 我们在使用数码相机拍照时，往往有几组数字供我们选择：640X 480, 1024 X 768, 1600 X ,22048 X 153,6 ?…每一组数字中，前一数字表示在照片的长度方向上所含的像素点数，后一数字表示在宽的方向上所含的像素点数，两者的乘积，就是像素数；例如1600X1200= 19200?2000就是200万（像素）。 具体来说，图片的分辨率决定于图片的像素数和图片的尺寸（幅面），像素数高且图片尺寸小的图片，即单位面积上的像所含的像素数多的图片，其分辨率也高。在图片处理软件上打开图片时，就会看到一组数字，有图片像素数，文档大小（长、宽的尺

极值的概念与费马定理

第4章 微分中值定理和导数的应用 【第4章导语】 我们学习了导数与微分的概念，并掌握了初等函数与某些特殊函数的求导运算．本章主要介绍导数在研究函数性态和解决有关实际问题中的应用，给出利用导数解决一些具体问题的一般方法．由于导数只是反映了函数在一点的性质，为了将其与函数在某个范围上的性态联系起来，就需要寻找它们之间的一座桥梁，微分中值定理就承担了桥梁的作用，它是导数应用的理论基础． §4.1 极值与极值点 【导语】 【正文】 一、极值与极值点概念 定义1 设函数()f x 在0x x =的某个邻域0(,)U x δ中有定义． 如果对任意0(,)x U x δ∈，都有()()0f x f x ≥成立，则称0x 是函数()f x 的一个极小值点，0()f x 称为函数()f x 的一个极小值； 如果对任意0(,)x U x δ∈，都有()()0f x f x ≤成立，则称0x 是函数()f x 的一个极大值点，0()f x 称为函数()f x 的一个极大值． 极大值与极小值统称为极值，极大值点与极小值点统称为极值点． 函数定义区间的端点不会是函数的极值点． 函数的极值是一个局部性的概念，它的大小只是与极值点0x 附近其他点的函数值作比较，函数的极大值不一定大于其极小值． 如图， 1()f x 和3()f x 是函数()y f x =的极大值，2() f x 和4()f x 是函数()y f x =的极小值，而1()f x <4()f x ．

二、费马（Fermat ）定理 在图中，假设连续曲线()y f x =除了端点外，处处都有 切线．从图中可以看出在局部最高点11(,())x f x 和33(,())x f x ， 以及在局部最低点22(,())x f x 和44(,())x f x ，曲线的切线都是水平的． 定理1 如果函数)(x f 在0x 处可导，且在0x 处取得极值，那么函数)(x f 在0x 处的导数为零，即0)(0=′x f ． 证 不妨假设0()f x 是极大值． 因为函数()f x 在点0x 处可导，所以0()f x ?′与+0()f x ′均存在，且 00+0()()()f x f x f x ? ′′′==． 当0x x ?→时，因为 0()()0f x f x ?≤，00x x ?<， 所以根据极限的局部保号性，可知 0000 ()()()lim 0x x f x f x f x x x ??→?′=?≥． 当0x x +→时，因为 0()()0f x f x ?≤，00x x ?>， 所以根据极限的局部保号性，可知 0000 ()()()lim 0x x f x f x f x x x ++→?′=?≤． 综上可知 0()0f x ′=． 导数等于零的点称为函数的驻点或临界点． 费马定理说明，函数的可导极值点一定是驻点．驻点是否一定是极值点呢？ 函数3()f x x =在0x =处的导数为零，但0x =却不是它的极值点！ 导数不存在的点是否可以是极值点？函数()||f x x =在0x =处的导数不存在，但0 x =

图像尺寸与像素的关系

图像尺寸与像素的关系 大概有很多初学者都知道，拍来的片片如果像素太高，会占内存，输出会很慢.但如果像素低，片片又会不清晰，大家也应该很清楚要视情况与用途而在电脑里设定片片的像素，但应该如何去设呢？ 显示器上的图像是由许多点构成的，这些点就称为像素，意思就是“构成图像的元素”。但是要明白一点：像素作为图像的一种尺寸，只存在于电脑中，如同RGB色彩模式一样只存在于电脑中。像素是一种虚拟的单位，现实生活中是没有像素这个单位的。 眼眸作者：孤小默 这里小编使用Photoshop来说明，打开图片然后点击菜单栏的（图像—图像大小），可看到如下右图的信息。图像 尺寸/像素的讲解与设定 上面的像素大小我们都已经熟悉了，指的就是图像在电脑 中的大小。其下的文档大小，实际上就是打印大小，指的 就是这幅图像打印出来的尺寸。可以看到打印大小为 17.64×10.58厘米。它可以被打印在一张A4大小的纸上。那是否就是说500像素等同于17.64厘米呢？那么1000像素打印大小是否就是17.64×2＝35.28厘米呢？这种观点是错误的，电脑中的像素和传统长度不能直接换算，因为一

个是虚拟的一个是现实的，他们需要一个桥梁才能够互相转换，这个桥梁就是位于文档大小宽度和高度下方的分辨率。注意这里的分辨率是打印分辨率，和“显示器分辨率”是不同的。 图像尺寸/像素的讲解与设定 现在看它的取值为72，后面的单位是像素/英寸，表示“像素每英寸”。英寸是传统长度，那么这个“像素每英寸”换句话就是“每英寸多少像素”。指在1英寸的长度中打印多少个像素。现在取值是72，那么在纸张上1英寸的距离就分布72个像素，2英寸就是144像素，由此类推。 为什么不是“像素每厘米”呢？这主要是英制单位使用范围较为广泛，我们平时所说的电视机或者显示器的寸数也就是英寸。在出版印刷行业也是如此，所以为了方便计算和转换，通常使用“像素每英寸”作为打印分辨率的标准。简称为dpi，Dot(点)Per(每)Inch(英寸)。 在Photoshop中，也可以把分辨率单位换成符合我们习惯的“像素每厘米”，如下左图。想一想，如果我们把打印大小和打印分辨率调整为下右图所示那样，像素大小是多少？首先看分辨率：每厘米80像素。再看宽度是10厘米，所以宽度的像素就是80×10＝800像素。那么高度就是480像素。 在像素总量不变的前提下，降低打印分辨率将会扩大图像

像素,分辨率与相片大小

对于业余摄影爱好者很少去研究与深入了解数码照相机的像素与拍出来的照片的分辨率(清晰度)以及照片尺寸大小之间的关系是什么。实际上作为摄影爱好者非常有必要对此有所了解，否则我们都是处在盲目的拍摄状态，我碰到过不少的业余摄影爱好者，他们从买了数码照相机以来，从没有对次进行过调整(即设置)，所以让自己的傻瓜照相机一直保持在出厂时的原生态“傻瓜”状态。 作为任何一名摄影爱好者应从拥有数码照相机的第一天开始，就应该认真地去学习和掌握这方面的相关知识，对今后的拍摄是大有益处的。 为了深入理解像素与照片尺寸、分辨率之间的关系，我们不妨进行一番细说。 一、像素与照片尺寸、分辨率之间的基本关系 “像素”是数码相机感光器件(CCD或COMS片)上的感光最小单位。就像是光学相机的感光胶片的银粒一样，它是记录在数码相机的“胶片”（感光器件）上感光点——即像素。 要想得到分辨率高（也就是细腻的照片），就必须保证有一定的像素数。那么是不是像素高的相机拍出的照片就一定比像素低的相机拍出的照片清晰呢？这首先要搞清一个概念，照片的清晰度不是取决于像素数，而是取决于像素的“点密度”（就是图片的分辨率——用ppi表示，单位是“像素/英寸”如1080P），“像素数”和“点密度”是两个概念，“像素数”（点数）是感光点的总

量，而“点密度”是单位面积上的点数（像素点），只有单位面积上的感光点数越多，拍出的照片才越细腻。所以，反映照片清晰程度的参数是“点密度”（照片的分辨率），而非总的点数。像素虽高，若印的照片也很大，其“点密度”并不高，照片照样也不细腻。相反，像素不高，若只印很小幅面的照片，也可以得到很细腻的照片。所以确切地说，像素高，意味着能拍出幅面大的照片——像素越高，照片的尺寸必然越大。所以，“像素”的高低，表示着照片幅面的大小。这样说来，我们购买相机的时候，就要考虑你准备拍摄的照片的最大尺寸是多大，再决定要求的像素数。若你准备开影楼或做广告，需要放大很大幅面的照片，就需要选择“高像素”的相机；若只是家庭使用，不准备放很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以大家在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。 二、像素与照片尺寸、分辨率之间的计算实例 一般的数码相机都会提供几种不同像素单位的模式，比如640×480、1024×768、1600 ×1200、2048×1536……，其每一组数字中，前一个数字表示在照片的长度方向上所含的像素点数，后一数字表示在宽的方向上所含的像素点数，两者的乘积，就是像素数。比如1600×1200＝1920000≈2000000，就是200万（像素）。关于比较专业的表述我在以前的文章中已经有过比较详细的介绍，在此文中就不再熬述了。这是一个像素的概念。