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，11010100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11111111；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；
2.RGB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；
3.CMYK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
度的影响，web上使用的图片都是72dpi,但是冲洗照片不能使用这个参数，必须是300dpi或者更高350dpi。例如要冲洗4*6英寸的照片，扫描精度必须是300，那么文件尺寸应该是(4*300)*(6*300)=1200像素*1800像素=2160000px。2160000px*4Byte/1024/1024=0.823M
实例1：一幅1024x768的256色图像大小是多少?未压缩的。
答：1024x768*8bit=6291456bit/8/1024/1024=0.75M，因为256色图像是8位的。
怎么计算图片大小?
图片的颜色位数
单色的图象一位用来存储颜色信息，1位=1/8字节，所以体积=120*120*1/8=1.7k 因为软盘簇大小为512B，所以，只能占用2k了；
4位（2^4=16）占半字节，16色，所以，算体积时用一半就可以；
8位应该是2的8次方，就是256种颜色，256色要占用8位（2^8=256）也就是一字节；
16位是65536种颜色；
32位就是4294967269种颜色(42.9亿种颜色，真的有32bit的颜色吗？)；
所以，图形体积=分辨率*占用位数（即常说的16/32位色）/8 或=分辨率*颜色信息占用的字节数
*.一幅彩色静态图像（RGB），设分辨率为256×512，每一种颜色用8bit表示，则该彩色静态图像的数据量为多少？
图像文件大小计算：文件的字节数=图像分辨率*图像量化位数/8
图像分辨率=X方向的像素数*Y方向的像素数
图像量化数=二进制颜色位数
256*512*3*8/8=393216B =384K
实例1：
1600*1200的解析度192万像素，在屏幕上用72DPI显示，那就是说每英寸上会有72个像素点，实际的图像大小就是 5.64米*4.23米计算是1600/72*25.4/100和1200/72*25.4/100
同样的如果要用于印刷300DPI，就是每英寸300个像素，就是1600/300*25.4/100和1200/300*25.4/100，图像的实际大小就变成了1.35米*1.01米了。
实例2：
问：一幅1024x768的256色图像大小是多少?
答：1024x768*8bit ，因为256色图像是8位的。
实例3：
130w象素的是1280*1024，大小和文件格式于压缩率有关，普通的jpeg大约在100到300之间。
象素数=横象素数*纵象素数，比如1280*1024=1310720,这就是130万。可以用公式12xy=象素数来计算图片大小，其中的x是横象素数的1/4，y是纵象素数的1/3。可以算得320w的图片大小是1920＊1600左右。
同样格式的图片，以同样的比率压缩，那么Kb数于面积成正比。
颜色模式
颜色模式，是将某种颜色表现为数字形式的模型，或者说是一种记录图像颜色的方式。分为：RGB模式、CMYK模式、HSB模式、Lab颜色模式、位图模式、灰度模式、索引颜色模式、双色调模式和多通道模式。
目录
简介
原理
RGB颜色模式
CMYK模式
HSB颜色模式
Lab颜色模式
位图模式
灰度模式
索引颜色模式
双色调模式
多通道模式
简介
CorelDRAW、3Ds MAX、Photoshop等，都具有强大的图像处理功能，而对颜色的处理则是其强大功能不可缺少的一部分。因此，了解一些有关颜色的基本知识和常用的视频颜色模式，对于生成符合我们视觉感官需要的图像无疑是大有益处的。
原理
颜色的实质是一种光波。它的存在是因为有三个实体：光线、被观察的对象以及观察者。人眼是把颜色当作由被观察对象吸收或者反射不同波长的光波形成的。例如，当在一个晴朗的日子里，我们看到阳光下的某物体呈现红色时，那是因为该物体吸收了其它波长的光，而把红色波长的光反射到我们人眼里的缘故。当然，我们人眼所能感受到的只是波长在可见光范围内的光波信号。当各种不同波长的光信号一同进入我们的眼睛的某一点时，我们的视觉器官会将它们混合起来，作为一种颜色接受下来。同样我们在对图像进行颜色处理时，也要进行颜色的混合，但我们要遵循一定的规则，即我们是在不同颜色模式下对颜色进行处理的。RGB颜色模式
虽然可见光的波长有一定的范围，但我们在处理颜色时并不需要将每一种波长的颜色都单独表示。因为自然界中所有的颜色都可以用红、绿、蓝(RGB)这三种颜色波长的不同强度组合
而得，这就是人们常说的三基色原理。因此，这三种光常被人们称为三基色或三原色。有时候我们亦称这三种基色为添加色(Additive Colors)，这是因为当我们把不同光的波长加到一起的时候，得到的将会是更加明亮的颜色。把三种基色交互重叠，就产生了次混合色：青(Cyan)、洋红(Magenta)、黄(Yellow)。这同时也引出了互补色(Complement Colors)的概念。基色和次混合色是彼此的互补色，即彼此之间最不一样的颜色。例如青色由蓝色和绿色构成，而红色是缺少的一种颜色，因此青色和红色构成了彼此的互补色。在数字视频中，对RGB 三基色各进行8位编码就构成了大约1677万种颜色，这就是我们常说的真彩色。顺便提一句，电视机和计算机的监视器都是基于RGB颜色模式来创建其颜色的。
CMYK模式
CMYK颜色模式是一种印刷模式。其中四个字母分别指青（Cyan）、洋红（Magenta）、黄（Yellow）、黑（Black），在印刷中代表四种颜色的油墨。CMYK模式在本质上与RGB模式没有什么区别，只是产生色彩的原理不同，在RGB模式中由光源发出的色光混合生成颜色，而在CMYK模式中由光线照到有不同比例C、M、Y、K油墨的纸上，部分光谱被吸收后，反射到人眼的光产生颜色。由于C、M、Y、K在混合成色时，随着C、M、Y、K四种成分的增多，反射到人眼的光会越来越少，光线的亮度会越来越低，所有CMYK模式产生颜色的方法又被称为色光减色法。
HSB颜色模式
从心理学的角度来看，颜色有三个要素：色泽(Hue)、饱和度(Saturation)和亮度(Brightness)。HSB颜色模式便是基于人对颜色的心理感受的一种颜色模式。它是由RGB三基色转换为Lab模式，再在Lab模式的基础上考虑了人对颜色的心理感受这一因素而转换成的。因此这种颜色模式比较符合人的视觉感受，让人觉得更加直观一些。它可由底与底对接的两个圆锥体立体模型来表示，其中轴向表示亮度，自上而下由白变黑；径向表示色饱和度，自内向外逐渐变高；而圆周方向，则表示色调的变化，形成色环。
Lab颜色模式
Lab颜色是由RGB三基色转换而来的，它是由RGB模式转换为HSB模式和CMYK模式的桥梁。该颜色模式由一个发光率(Luminance)和两个颜色(a,b)轴组成。它由颜色轴所构成的平面上的环形线来表示色的变化，其中径向表示色饱和度的变化，自内向外，饱和度逐渐增高；圆周方向表示色调的变化，每个圆周形成一个色环；而不同的发光率表示不同的亮度并对应不同环形颜色变化线。它是一种具有“独立于设备”的颜色模式，即不论使用任何一种监视器或者打印机，Lab的颜色不变。其中a表示从洋红至绿色的范围，b表示黄色至蓝色的范围。位图模式
位图模式用两种颜色（黑和白）来表示图像中的像素。位图模式的图像也叫作黑白图像。因为其深度为1，也称为一位图像。由于位图模式只用黑白色来表示图像的像素，在将图像转换为位图模式时会丢失大量细节，因此Photoshop提供了几种算法来模拟图像中丢失的细节。在宽度、高度和分辨率相同的情况下，位图模式的图像尺寸最小，约为灰度模式的1/7和RGB模式的1/22以下。
灰度模式
灰度模式可以使用多达256级灰度来表现图像，使图像的过渡更平滑细腻。灰度图像的每个像素有一个0（黑色）到255（白色）之间的亮度值。灰度值也可以用黑色油墨覆盖的百分
比来表示（0%等于白色，100%等于黑色）。使用黑折或灰度扫描仪产生的图像常以灰度显示。
索引颜色模式
索引颜色模式是网上和动画中常用的图像模式，当彩色图像转换为索引颜色的图像后包含近256种颜色。索引颜色图像包含一个颜色表。如果原图像中颜色不能用256色表现，则Photoshop会从可使用的颜色中选出最相近颜色来模拟这些颜色，这样可以减小图像文件的尺寸。用来存放图像中的颜色并为这些颜色建立颜色索引，颜色表可在转换的过程中定义或在生成索引图像后修改。
双色调模式
双色调模式采用2-4种彩色油墨来创建由双色调（2种颜色）、三色调（3种颜色）和四色调（4种颜色）混合其色阶来组成图像。在将灰度图像转换为双色调模式的过程中，可以对色调进行编辑，产生特殊的效果。而使用双色调模式最主要的用途是使用尽量少的颜色表现尽量多的颜色层次，这对于减少印刷成本是很重要的，因为在印刷时，每增加一种色调都需要更大的成本。
多通道模式
多通道模式对有特殊打印要求的图像非常有用。例如，如果图像中只使用了一两种或两三种颜色时，使用多通道模式可以减少印刷成本并保证图像颜色的正确输出。6. 8位/16位通道模式在灰度RGB或CMYK模式下，可以使用16位通道来代替默认的8位通道。根据默认情况，8位通道中包含256个色阶，如果增到16位，每个通道的色阶数量为65536个，这样能得到更多的色彩细节。Photoshop可以识别和输入16位通道的图像，但对于这种图像限制很多，所有的滤镜都不能使用，另外16位通道模式的图像不能被印刷。
名词解释——图像压缩色彩空间位数
图像压缩（Compression）
图像文件有两种压缩方式：无损压缩和有损压缩。
无损压缩
无损压缩的效果与WinZip压缩相似。在WinZip压缩中，如果你把一个文件压缩成Zip文件，然后重新解压缩，打开原来的文件，你会发现解压后的文件跟原文件并没有任何差异。在压缩和解压缩的过程中并没有任何信息缺失。数码图像的TIFF格式便能让用户对其进行无损压缩。
有损压缩
有损压缩通过丢弃信息减少图像体积（大小），就像为文件编写摘要。当你需要为10页的文件编写摘要时，这些摘要可能只占9页甚至1页，没看过原文件的人不可能从你的摘要中还原出原文件，因为你在编写摘要的过程中已经丢弃了一部分原文件的信息。JPEG就是一种有损压缩的图像格式。
下面的表格展示了一张500万象素图片(2,560 x 1,920)以不同格式压缩的效果。
色彩空间（Color Spaces）
RGB加色法（Additive RGB Colors）
人类肉眼中的锥形细胞对红、绿、蓝（RGB）三种颜色最为敏感。我们感知到的其他颜色都是由这三种颜色按不同比例混合所得的。电脑显示屏发射出红、绿、蓝三种颜色的混合光线，产生不同颜色。例如，红色和绿色混合产生黄色；红、绿、蓝三原色混合产生白色。
CMYk减色法（Subtractive CMYk Colors）
一件印刷品通过反射落在其身上的光线，间接地让我们看到它的颜色。例如，一张黄色的纸会吸收白光（自然光）中的蓝色部分，反射红色和绿色部分，因而显出黄色。这种做法跟显示器直接发出红色和绿色光线而产生黄色的效果是非常相似的。打印机通过青色（Cyan），洋红（Magenta），黄色（Yellow）墨水的不同比例混合，创造出其他不同的颜色。CMYk的原色结合并相减，得产生黑色。但实际上打印机会用到黑色的墨水，加强黑色的效果。因此，CMYk最后的“k”就是代表黑色（black）。
CMYk减色法（Subtractive CMYk Colors）
一件印刷品通过反射落在其身上的光线，间接地让我们看到它的颜色。例如，一张黄色的纸会吸收白光（自然光）中的蓝色部分，反射红色和绿色部分，因而显出黄色。这种做法跟显示器直接发出红色和绿色光线而产生黄色的效果是非常相似的。打印机通过青色（Cyan），洋红（Magenta），黄色（Yellow）墨水的不同比例混合，创造出其他不同的颜色。CMYk的原色结合并相减，得产生黑色。但实际上打印机会用到黑色的墨水，加强黑色的效果。因此，CMYk最后的“k”就是代表黑色（black）。
数码相机传感器上的象素负责收集光子，并通过光电二极管把光子转化成电荷，继而通过一系列处理，形成图像。我们在“动态范围”专题里面已经谈到，一旦接收光子的“桶”（bucket）满载，由额外光子转化成的电荷便会溢出，并且这种溢出对象素值是没有影响的，因此会导致象素值的感光不足或感光过度。当电荷溢出至其旁边的象素，使旁边的象素在处理光子过程中感光过度（例如描述天空的明亮的象素有电荷溢出，使树叶或树枝边缘的较暗的象素感光过度），这时候就是“高光溢出”。高光溢出不仅会使画面损失细节，而且增加了紫边出现的机会。
一些传感器带有“高光溢出保护”（anti-blooming gates）功能，吸收溢出的电荷，减少溢出电荷对附近象素的滋扰。这种功能基本能抑止高光溢出，除非照片光暗对比非常强烈或由于人为原因造成照片严重过曝。
位数（Bits）
在计算机术语中，信息的最小单位是1“位”（bit），而这1位的值就是0或者1。位数和二进制的结合，使电脑就像被数以百万个“开关”所控制。由此我们可以推出，假如某幅图像位数为1位，则这二进制中的1位只可以记录两个信号：黑（0）和白（1）。假如图像变成2位，这2位便能记录（2*2）4个色调：00 (黑), 01 (灰), 10 (灰), and 11 (白)。同理，当图像位数为8位时，图像便可记录从00000000 (0)至11111111 (255)一共（2*8）256个色调。
JPEG通常是24位图像，因为24位刚好能为3个颜色通道（RGB）分别储存8位信息。24位的JPEG图像能记录 256 x 256 x 256 = 16.7百万种颜色。
32位浮点格式（Floating Point Format，面向高级用户）在“传感器的线性特征”专题中，我们知道超过半数的色调是用来描述光亮的环境的。因此，即使一幅16位的图像也只有16级色调用来描述昏暗的环境，而描述光亮环境的则有32,768级色调。人类肉眼的非线性特征与传感器的线性特征恰恰相反，人类
视觉对昏暗部分的细节比光亮部分的细节敏感得多。一幅32位的整数图像为图像的描述提供了更多色调，但是它同样受高光部分不成比例色调级数的限制。然而，32位的浮点图像更有效的运用了这“32位”，更好地解决了以上问题。传统的整数图像用32位描述4,294,967,296个整数，而浮点图像用23位描述分数，8位描述指数，1位作为标记，详情如下：
V = (-1)^S * 1.F * 2 ^ (E-127):
S = 标记（Sign）,1位，有2个可能值；
F = 分数（Fraction）,23位，有8,388,608个可能值；
E = 指数（Exponent）,8位，有256个可能值。
实际上，浮点图像让"0"级和"1"级之间几乎拥有无数个色调级数，"1"级和"2"级之间拥有超过800万个色调，"65,534"级和"65,535"级之间也拥有128个色调－－这比32位整数图像更加符合我们人类视觉的非线性特征。正是由于能储存无穷小的数字，32位浮点格式可以记录无限的动态范围。换句话说，32位浮点格式能记录无限动态范围，即记录更多昏暗的细节，而它所占的体积仅为每通道16位图像的一倍，非常节省空间和减低处理难度。一个更精确的格式会使动态和色调范围的压缩更加平滑。这种格式计算机绘图中十分常用，Adobe Photoshop CS2也开始支持该格式的图像处理。
色彩位数
色彩位数：色彩深度又称色彩位数，是指扫描仪对图像进行采样的数据位数，也就是扫描仪所能辨析的色彩范围。目前有18位、24位、30位、36位、42位和48位等多种。
色彩深度计算机图形学领域表示在位图或者视频帧缓冲区中储存1像素的颜色所用的位数，它也称为位/像素（bpp）。色彩深度越高，可用的颜色就越多。
目录
组成单位
应用领域
1.数码摄像头
2.扫描仪
组成单位
色彩深度是用“n位颜色”（n-bit colour）来说明的。若色彩深度是n位，即有2∧n种颜色选择，而储存每像素所用的位数就是n。常见的有：
（单色）：黑白二色。
2位：4种颜色，用于CGA。
4位：16种颜色，用于CGA、EGA及VGA。
8位灰阶：都是黑、灰、白色之间，有256个层次。
15或16位彩色（高彩色）：电脑所用的三原色是红、绿和蓝。在15位彩色中，每种原色有25=32个层次，共32768种颜色；而在16位彩色中，绿色有26=64个，共有65536个颜色。24位彩色（真彩色）：每种原色都有256个层次，它们的组合便有256*256*256种颜色。32位彩色：除了24位彩色的颜色外，额外的8位是储存重叠图层的图形资料(alpha频道)。另外有高动态范围影像(High Dynamic Range Image)，这种影像使用超过一般的256色阶来储存影像，通常来说每个像素会分配到32+32+32个bit来储存颜色资讯，也就是说对于每一个原色都使用一个32bit的浮点数来储存.
应用领域
数码摄像头
色彩位数又称彩色深度，数码摄像头的彩色深度指标反映了摄像头能正确记录色调有多少，色彩位数的值越高，就越可能更真实地还原亮部及暗部的细节。色彩位数以二进制的位（bit）为单位，用位的多少表示色彩数的多少。目前几乎所有的数码摄像头的色彩位数都达到了24位（也就是能表达2的24次方种颜色），可以生成真彩色的图象。总之色彩位数高，就可以得到更大的色彩动态范围。也就是说，对颜色的区分能够更加细腻。
数码摄像头最常见的是24位，30位的摄像头极少见到。具体来说，一般摄像头中每种基色采用8位或10位表示，三种基色红、绿、蓝总的色彩位数为基色位数乘以3，即8×3=24位或者10×3=30位。摄像头色彩位数反映了摄像头能正确表示色彩的多少，以24位为例，三基色(红、绿、蓝)各占8位二进制数，也就是说红色可以分为2的8次方=256个不同的等级，绿色和蓝色也是一样。那么它们的组合为256×256×256=16777216，即大约1600万种颜色，而30位可以表示10亿种。色彩深度值越高，就越能真实地还原色彩。
扫描仪
色彩位数（色彩深度）又称色深。是用于表示扫描仪所能辨析的色彩范围的指标。通常，扫描仪的色彩位数越多，就越能真实反映原始图像的色彩，扫描仪所反映的色彩就越丰富，所扫出图像的效果也越真实，当然所形成的数据量也随之增大，造成图像文件体积也加大。对于某些应用环境，扫描仪色彩位数指标，甚至比分辨率更重要。色彩位数的具体指标是用“位”(bit，即2的多少次方)来描述，24位彩色表明扫描仪可分辨1670万种颜色，30位真彩是6.87亿种颜色，而36位真彩色是1670亿种颜色。尽管大多数显卡只支持24位色彩，但由于CCD 与人眼感光曲线的不同，为了保证色彩还原的准确，就需要进行修正，这就要求扫描仪的色彩位数至少要达到36位才能获得比较好的色彩还原效果。因此，现在尽量应选购36位以上色彩位数的扫描仪。
色彩位数是扫描仪对采样来的每一个象素点，提供的不同通道的数字化位数的叠加值。
它一般采用RGB 三通道的数值总和来表达。常见的24bit、30bit、36bit彩色扫描仪，它们每通道的量化数值分别为8位，10位，12位，表示其每通道内有256、1024、4096阶层次的信息。扫描仪的色彩位数是指对扫描进来的每一个彩色象素点的色彩位数，这是扫描仪与打印机指标上的一个最大的不同点。一般，扫描仪的色彩位数取决于扫描仪内部的模数转换器的精度。当色彩位数精度增加时，扫描设备可以捕捉的色彩细节也会增多。但是，如想仅仅通过增加模数转换器的精度，来提高扫描仪的色彩精度，其对扫描图象品质的提高程度也较为有限。因为影响扫描仪的色彩精度的因素，除了有较高的模数转换精度外，还需要有完善的光路系统设计。透镜质量、CCD 质量以及扫描时光学器件的振动，都会增加扫描仪的噪声，从而影响扫描品质。
实验一图像去噪 在现代医学中，医学影像技术广泛应用于医学诊断和临床治疗，成为医生诊断和治疗的重要手段和工具。如今，医学图像在医疗诊断中起着不可低估的重要作用，核磁共振，超声，计算机X射线断层扫描以及其他的成像技术等，都是无侵害的器官体外成像的有效手段。这些技术丰富了正常的何病态的解剖知识，同时也成为诊断和医疗体系的重要组成部分。 然而，由于不同的成像机理，医学图像往往存在时间、空间分辨率和信噪比的矛盾。医学成像收到各种实际因素的影响，如患者的舒适度，系统的要求等等，需要快速成像。图像中的噪声大大降低了图像的质量，使一些组织的边界变得模糊，细微结构难以辨认，加大了对图像细节识别和分析的难度，影响医学诊断。因此医学图像的去噪处理既要能有效的去处噪声，又要能很好的保留边界和结构信息。本实验通过对测试图像加不同类型的噪声，然后分别用各种滤波法处理，然后以定量分析各种滤波方法的特点。 一．实验原理 1.噪声的分类 根据噪声的统计特征可分为平稳随机噪声和非平稳随机噪声两种。根据噪声产生的来源，大致可以分为外部噪声和内部噪声两类。外部噪声主要有四种常见的形式： （1）光和电的基本性质引起的噪声。如电流可看作电子或空穴运动，这些粒子运动产生随机散粒噪声，导体中的电子流动的热噪声，光量子运动的光量子噪声等。 （2）由机械运动引起的噪声。如接头震动使电流不稳，磁头或磁带抖动等。（3）设备元器件及材料本身引起的噪声。 （4）系统内部电路的噪声。 而在图像中，噪声主要有三个特点： （1）叠加性 （2）随机性 （3）噪声和不同图像区域之间的相关性。
医学图像中，典型的噪声有：高斯噪声，锐利噪声，指数噪声，均匀噪声，脉冲噪声等等。 2.去噪的方法 人们根据实际图像的特点、噪声的统计特征和频谱分布规律, 发展了各式各样的去噪方法, 其中最为直观的方法是根据噪声能量一般集中于高频、而图像频谱则分布于一个有限区间的这一特点, 采用低通滤波来进行去噪的方法, 从本质上讲, 图像去噪的方法都是低通滤波的方法, 而低通滤波是一把双刃剑, 它在消除图像噪声的同时, 也会消除图像的部分有用的高频信息, 因此, 各种去噪方法的研究实际是在去噪和保留高频信息之间进行的权衡。 图像平滑处理视其噪声图像本身的特性而定, 可以在空间域也可以在频率域采用不同的措施。空间域里的一些方法是噪声去除, 即先判断某点是否为噪声点, 若是, 重新赋值, 如不是按原值输出。另一类方法是平均, 即不依赖于噪声点的识别和去除, 而对整个图像进行平均运算。在频域里是对图像频谱进行修正, 一般采用低通滤波方法, 而不像在空域里直接对图像的像素灰度级值进行运算。在空间域对图像平滑处理常用领域平均法，中值滤波和秩统计滤波。 2.1 多帧平均法 根据噪声空域随机性的特点，可以有效的压缩噪声，增强有用的信息。设噪声为加性噪声，即： g(x,y)=f(x,y)+n(x,y) 式中个g（x,y)为输出图像，f（x,y)为有用信息，n(x,y)为噪声。被测物保持不动，得到M帧图像，进行叠加后，除以m，使m>M,得到平均图像。 2.2 空间域滤波器 2.1.1 均值滤波 均值滤波是将一个像素及其邻域中所有像素的平均值赋给输出图像中相应的像素, 从而达到平滑的目的。其过程是使一个窗口在图像上滑动, 窗口中心位置的值用窗内各点值的平均值来代替, 即用几个像素的灰度平均值来代替一个像素的灰度。其主要的优点是算法简单、计算速度快, 但其代价是会造成图像一定程度的模糊。为解决邻域平均法造成图像模糊的问题, 可采用阈值法、K 邻点平均法、梯度倒数加权平滑法、最大均匀性平滑法、小斜面模型平滑法等。它们
蕾博士函数图像变换公式大全 一、点的变换.设),(00y x P ，则它 （1）关于x 轴对称的点为),(00y x -； （2）关于y 轴对称的点为),(00y x -； （3）关于原点对称的点为),(00y x --； （4）关于直线x y =对称的点为),(00x y ； （5）关于直线x y -=对称的点为),(00x y --； （6）关于直线b y =对称的点为)2,(00y b x -； （7）关于直线a x =对称的点为),2(00y x a -； （8）关于直线a x y +=对称的点为),(00a x a y +-; （9）关于直线a x y +-=对称的点为),(00x a a y -+-; （10）关于点),(b a 对称的点为)2,2(00y b x a --； （11）按向量),(b a 平移得到的点为),(00b y a x ++. 二、曲线的变换.曲线0),(=y x F 按下列变换后所得的方程： (1)按向量),(b a 平移，得到0),(=--b y a x F ； (2)关于x 轴对称，得到0),(=-y x F ； (3)关于y 轴对称，得到0),(=-y x F ； (4)关于原点对称，得到0),(=--y x F ； (5)关于直线a x =对称，得到0),2(=-y x a F ； (6)关于直线b y =对称，得到0)2,(=-y b x F ； (7)关于点),(b a 对称，得到0)2,2(=--y b x a F ； (8)关于直线x y =对称，得到0),(=x y F ； (9)关于直线a x y +=对称，得到0),(=+-a x a y F ；
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
函数图像平移公式 设在直角坐标系xoy 中有一函数为)(x f y =则其图像平移公式有： 1. 把图像向右平移（X 轴正方向）m （m>0）个单位，再向上平移（Y 轴的正方向）n （n>0）个单位后所得的图像的解析式为)(m x f n y -=- 2. 把图像向右平移m （m>0）个单位，再向下平移n （n>0）个单位后所得的图像的解析式为)(m x f n y -=+ 3. 把图像向左平移m （m>0）个单位，再向上平移n （n>0）个单位后所得的图像的解析式为)(m x f n y +=- 4. 把图像向左平移m （m>0）个单位，再向下平移n （n>0）个单位后所得的图像的解析式为)(m x f n y +=+ 这些规律可总结为：左右平移“X 左加右减”上下平移“下加上减” 说明：利用这个规律写平移后函数图像的解析式只需要考查是用m x +还是用m x -替换)(x f y =中的x,是用n y +还是用n y -来替换)(x f y =中的y,使用起来很方便。 例一、 抛物线3422---=x x y 向左平移3个单位，再向下平移4个单位，求所得抛物线 的解析式。 解：根据左右平移“X 左加右减”上下平移“下加上减”的规律分别用3+x 、4+y 去替换抛物线3422 ---=x x y 中的x 、y 就可以得到平移后的抛物线的解析式，所以平移后的抛物线的解析式为3)3(4)3(242-+-+-=+x x y 即371622---=x x y 例二、 将一抛物线向左平移2个单位，再向上平移3个单位所得到抛物线的解析式为322+-=x x y 求此抛物线的解析式。 解：所求抛物线可以看成是将抛物线322 +-=x x y 向右平移2个单位，再向下平移3个单位所得。所以所求抛物线的解析式为3)2(2)2(32+---=+x x y 即862+-=x x y 例三、 求将直线15-=x y 向左平移3个单位，再向上平移5个单位所得到直线的解析式 解：所求直线的解析为1)3(55-+=-x y 即145+=x y
第一部分 集合 1．理解集合中元素的意义．．．．．是解决集合问题的关键：元素是函数关系中自变量的取值还是因变量的取值还是曲线上的点… ； 2．数形结合．．．．是解集合问题的常用方法：解题时要尽可能地借助数轴、直角坐标系或韦恩图等工具，将抽象的代数问题具体化、形象化、直观化，然后利用数形结合的思想方法解决； 3．（1）含n 个元素的集合的子集数为2n ,真子集数为2n －1；非空真子集的数为2n －2； （2）;B B A A B A B A =?=?? 注意：讨论的时候不要遗忘了φ=A 的情况。 4．φ是任何集合的子集，是任何非空集合的真子集。 第二部分 函数与导数 1．映射：注意 ①第一个集合中的元素必须有象；②一对一，或多对一。 2．函数值域的求法：①分析法 ；②配方法 ；③判别式法 ；④利用函数单调性 ； ⑤换元法 ；⑥利用均值不等式 2 2 2 2b a b a ab +≤ +≤； ⑦利用数形结合或几何意义（斜率、距离、绝对值的意义等）；⑧利用函数有界性（x a 、 x sin 、x cos 等）；⑨导数法 3．复合函数的有关问题 （1）复合函数定义域求法： ① 若f(x)的定义域为［a ，b ］,则复合函数f[g(x)]的定义域由不等式a≤g(x)≤b 解出 ② 若f[g(x)]的定义域为[a,b],求 f(x)的定义域，相当于x∈[a,b]时，求g(x)的值域。 （2）复合函数单调性的判定： ①首先将原函数)]([x g f y =分解为基本函数：内函数)(x g u =与外函数)(u f y =； ②分别研究内、外函数在各自定义域内的单调性； ③根据“同性则增，异性则减”来判断原函数在其定义域内的单调性。 4．分段函数：值域（最值）、单调性、图象等问题，先分段解决，再下结论。 5．函数的奇偶性 ⑴函数的定义域关于原点对称是函数具有奇偶性的必要条件．．．．； ⑵)(x f 是奇函数?f(－x)=－f(x)；)(x f 是偶函数?f(－x)= f(x) ⑶奇函数)(x f 在原点有定义，则0)0(=f ；
1数字图像处理 数字图像处理是利用计算机（或数字技术）对图像信息进行加工处理，以改善图像质量、压缩图像数据或从图像数据中获取更多信息。数字图像处理的主要方法可分为两大类：空域法和变换域法。 a. 空域法 把图像看作是平面中各个象素组成的集合，然后直接对这个二维函数进行相应的处理。 b. 频域法（变换域法） 首先对图像进行正交变换，得到变换域系数阵列，然后再实行各种处理，处理后再反变换到空间域，得到处理结果。这类处理包括：滤波、数据压缩和特征提取等。 1.图像压缩编码基础 图像压缩即去除多余数据。以数学的观点来看，图像压缩过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合。因此，图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术,也称图像编码。 图像压缩编码的必要性和可能性： 图像压缩编码的目的是以尽量少的比特数表征图像，同时保持复原图像的质量，使它符合预定应用场合的要求。压缩数据量、提高有效性是图像压缩编码的首要目的。图像编码是一种信源编码，其信源是各种类型的图像信息。 图像数据可以进行压缩有以下几方面的原因。首先，原始图像数据是高度相关的，存在很大的冗余度。如图像内相邻象素之间的空间冗余度。序列图像前后帧之间的时间冗余度。多光谱遥感图像各谱间的频率域冗余度。数据冗余造成比特数浪费，消除这些冗余就可以节约码字，也就达到了数据压缩的目的。其次，基用相同码长表示不同出现概率的符号也会造成符号冗余度。如果采用可变长编码技术，对出现概率高的符号用短码字、对出现概率低的符号用长码字表示，就可消除符号冗余度，从而节约码字。允许图像编码有一定的失真也是图像可以压缩的一个重要原因。
初等函数 1、基本初等函数及图形 基本初等函数为以下五类函数： (1) 幂函数μx y=，μ是常数； 1.当u为正整数时，函数的定义域为区间 ) , (+∞ -∞ ∈ x，他们的图形都经过原点，并当u>1时 在原点处与X轴相切。且u为奇数时，图形关于原点对称；u为偶数时图形关于Y轴对称； 2.当u为负整数时。函数的定义域为除去x=0的所有实数。 3.当u为正有理数m/n时，n为偶数时函数的定义域为（0, +∞），n为奇数时函数的定义域为（-∞+∞）。函数的图形均经过原点和（1 ,1）. 如果m>n图形于x轴相切,如果m (2) 指数函数 x a y = (a 是常数且01a a >≠，)，),(+∞-∞∈x ； 1. 当a>1时函数为单调增,当a<1时函数为单调减. 2. 不论x 为何值,y 总是正的,图形在x 轴上方. 3. 当x=0时,y=1,所以他的图形通过(0,1)点. (3) 对数函数 x y a log =(a 是常数且01a a >≠，)，(0,)x ∈+∞； (4) 三角函数 正弦函数 x y sin =，),(+∞-∞∈x ，]1,1[-∈y ， 余弦函数 x y cos =，),(+∞-∞∈x ，]1,1[-∈y ， 1. 他的图形为于y 轴的右方.并通过点(1,0) 2. 当a>1时在区间(0,1),y 的值为负.图形位于x 的下方,在区 间(1, +∞),y 值为正,图形位于x 轴上方.在定义域是单调增函数.a<1在实用中很少用到/ 表面粗糙度及其标注方法 零件图除了图形、尺寸这外，还必须有制造零件应达到的一些质量要求，一般称为技术要求。技术要求的内容通常有：表面粗糙度、尺寸公差、形状和位置公差、材料及其热处理、表面处理等。下面先介绍表面粗糙度及其注法。 一、表面粗糙度的概念 无论采用哪种加工方法所获得的零件表面，都不是绝对平整和光滑的，放在显微镜（或放大镜）下观察，都不得可以看到微观的峰谷不平痕迹，如图1所示。表面上这种微观不平滑情况，一般是受刀具与零件间的运动、摩擦，机床的振动及零件的塑性变形等各种因素的影响而形成的。表面上所具有的这种较小间距和峰谷所组成的微观几何形状特征，称为表面粗糙度。 图1 表面粗糙度概念 表面粗糙度是评定零件表面质量的一项技术指标，它对零件的配合性质、耐磨性、抗腐象征性、接触刚度、抗疲劳强度、密封性质和外观等都不得有影响。因此，图样上要根据零件的功能要求，对零件的表面粗糙度做出相应的规定。评定表面粗糙度的主要参数是轮廓算术平均偏差Ra，它是指在取样长度L范围内，补测轮廓线上各点至基准线的距离yi（如图2）的算术平均值，它是指在取样长度L范围内，被测轮廓线上各点至基准线的距离yi （如图12）的算术平均值，可用下表示：-----------或近似表示为：----------- 轮廓算术平均偏差可用电动轮廓仪测量，运算过程由仪器自动完成。根据GB/T1031—1995F规定（另外还有GB/T3525——2000以可同时查阅）,Ra数值愈小，零件表面愈趋平整光滑；Ra的数值，零件表面愈粗糙。 图2 轮廓算术平均编差 图3 轮廓算术平均编差值 二、表面粗糙度的选用 表面粗糙度参数值的选用，应该既要满足零件表面的功能要求，又要考虑经济合理性。具体选用时，可参照已有的类似零件图，用类比法确定。在满足零件功能要求前提下，应尽量选用较大的表面粗糙度参数值，以降低加工成本。一般地说，零件的工作表面、配合表面、密封表面、运动速度高和单位压力大的摩擦表面等，对表面平整光滑程度要求高，参数值应取小些。非工作表面、非配合表面、尺寸精度低的表面，参数值应参数Ra值与加工方法的关系及其应用实例，可供选用时参考。 图4 表面粗糙度获得方法 三、表面粗糙度的注法（GB—T131——1993） （一）表面粗糙度代（符）号 表面粗糙度代号由表面粗糙度符号和在其周围标注的表面粗糙度数值及有关规定符号所组成。 （1）表面粗糙度符号及其画法，如图5所示。表面粗糙度符号的尺寸大小，按图6规定对应选取。 锐角三角函数公式 sin α=∠α的对边 / 斜边 cos α=∠α的邻边 / 斜边 tan α=∠α的对边/ ∠α的邻边 cot α=∠α的邻边/ ∠α的对边 倍角公式 Sin2A=2SinA?CosA Cos2A=CosA^2-SinA^2=1-2SinA^2=2CosA^2-1 tan2A=（2tanA）/（1-tanA^2） （注：SinA^2 是sinA的平方 sin2（A）） 三倍角公式 sin3α=4sinα·sin(π/3+α)sin(π/3-α) cos3α=4cosα·cos(π/3+α)cos(π/3-α) tan3a = tan a · tan(π/3+a)· tan(π/3-a) 三倍角公式推导 sin3a =sin(2a+a) =sin2acosa+cos2asina 辅助角公式 Asinα+Bcosα=(A^2+B^2)^(1/2)sin(α+t)，其中 sint=B/(A^2+B^2)^(1/2) cost=A/(A^2+B^2)^(1/2) tant=B/A Asinα+Bcosα=(A^2+B^2)^(1/2)cos(α-t)，tant=A/B 降幂公式 sin^2(α)=(1-cos(2α))/2=versin(2α)/2 cos^2(α)=(1+cos(2α))/2=covers(2α)/2 tan^2(α)=(1-cos(2α))/(1+cos(2α)) 推导公式 tanα+cotα=2/sin2α tanα-cotα=-2cot2α 1+cos2α=2cos^2α 1-cos2α=2sin^2α 1+sinα=(sinα/2+cosα/2)^2 =2sina(1-sin²a)+(1-2sin²a)sina =3sina-4sin³a cos3a =cos(2a+a) =cos2acosa-sin2asina =(2cos²a-1)cosa-2(1-sin²a)cosa =4cos³a-3cosa sin3a=3sina-4sin³a =4sina(3/4-sin²a) =4sina[(√3/2)²-sin²a] =4sina(sin²60°-sin²a) =4sina(sin60°+sina)(sin60°-sina) =4sina*2sin[(60+a)/2]cos[(60°-a)/2]*2sin[(60°-a)/2]cos[(60°-a)/2] 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。 ★三角函数图像变换小结★ 相位变换： ①()sin sin()0y x y x ??=→=+> 将sin y x =图像沿x 轴向左平移?个单位 ②()sin sin()0y x y x ??=→=+< 将sin y x =图像沿x 轴向右平移?个单位 周期变换： ①sin sin (01)y x y wx w =→=<< 将sin y x =图像上所有点的纵坐标不变，横坐标伸长为原来的 w 1倍 ②sin sin (1)y x y wx w =→=>将sin y x =图像上所有点的纵坐标不变，横坐标缩短为原来的 w 1倍 振幅变换： ①()sin sin 01y x y A x A =→=<<将sin y x =图像上所有点的横坐标不变， 纵坐标缩短为原来的A 倍 ②()sin sin 1y x y A x A =→=>将sin y x =图像上所有点的横坐标不变，纵坐标伸长为原来的 A 倍 【特别提醒】 由y ＝sin x 的图象变换出y ＝Asin(x ω＋?)的图象一般有两个途径，只有区别开这两个途径，才能灵活进行图象变换。 利用图象的变换作图象时，提倡先平移后伸缩，但先伸缩后平移也经常出现 途径一：先平移变换再周期变换(伸缩变换) 先将y ＝sin x 的图象向左(?＞0)或向右（0?<）平移｜?｜个单位，再将图象上各点的横坐标变为原来的 ω 1 倍(ω＞0)，便得y ＝sin(ωx ＋?)的图象 途径二：先周期变换(伸缩变换)再平移变换 先将y ＝sin x 的图象上各点的横坐标变为原来的ω 1 倍(ω＞0)，再沿x 轴向左(?＞0)或向()0?<右平 移ω ?| |个单位，便得y ＝sin(x ω＋?)的图象 【特别提醒】若由sin y x ω=得到()sin y x ω?=+的图象，则向左或向右平移应平移| |?ω 个单位 高等数学公式大全及常 见函数图像 文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256） 高等数学公 式 导数公式： 基本积分表： a x x a a a ctgx x x tgx x x x ctgx x tgx a x x ln 1)(log ln )(csc )(csc sec )(sec csc )(sec )(22 = '='?-='?='-='='2 2 22 11 )(11 )(11 )(arccos 11 )(arcsin x arcctgx x arctgx x x x x +- ='+= '-- ='-= '? ?????????+±+=±+=+=+=+-=?+=?+-==+==C a x x a x dx C shx chxdx C chx shxdx C a a dx a C x ctgxdx x C x dx tgx x C ctgx xdx x dx C tgx xdx x dx x x )ln(ln csc csc sec sec csc sin sec cos 222 22 22 2C a x x a dx C x a x a a x a dx C a x a x a a x dx C a x arctg a x a dx C ctgx x xdx C tgx x xdx C x ctgxdx C x tgxdx +=-+-+=-++-=-+=++-=++=+=+-=????????arcsin ln 21ln 211csc ln csc sec ln sec sin ln cos ln 2 2222222? ????++-=-+-+--=-+++++=+-= ==-C a x a x a x dx x a C a x x a a x x dx a x C a x x a a x x dx a x I n n xdx xdx I n n n n arcsin 22ln 22)ln(221 cos sin 22 2222222 2222222 22 2 22 2 π π 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方向的像素数量。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内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张照片的最低要求。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“小石子儿”所应有的色彩信息。输出介质决定着单颗小石子儿的大小——显示器上的单颗小石子儿较大，而打印照片时相纸上的单颗小石子儿较小。因此在平铺面积相同的情况下，相纸所能容纳的小石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石子儿较少。相应的，在小石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方向和水平方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，显示器把垂直方向和水平方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） 但是一张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，一张大图和一张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片文件，它们展示的是同一个主题：照片1的图像大小是6048×4032像素，照片2只有300×200像素。这两张照片将在显示器上和相纸上被展示出来。 车削表面粗糙度的计算 说说表面粗糙度的计算,以及"镜面效果"- 表面粗糙度现在越来越受到各行业的重视,论坛里也经常问及如何提高表面粗糙度的帖子.今天讲一下关于车削的表面粗糙度.图片上面有车削表面粗糙度的计算方式,只需要将切削参数代入即可计算出可能最高的"表面粗糙度"（以下发言全部以粗糙度低为细，粗糙度高为粗） 车削表面粗糙度=每转进给的平方*1000/刀尖R乘8 以上计算方式是理论上的可能达到最坏的的效果,实际上因刀具品质、机床刚性精度、切削液、切削温度、切削速度、材料硬度等等原因，会将粗糙度提高或者降低的，如果你用上面的计算方式计算出来的粗糙度都不能满足想达到的效果，请先更改切削参数。但进给一般和切深有着密切的关系，一般进给是切深的10%~20%之间，排削的效果是最好的切削深度，因为屑的宽度和厚度最合比例 以上公式的各个参数我下面详细一项项解释一下对粗糙度的影响，如有不正请指点： 1：进给——进给越大粗糙度越大，进给越大加工效率越高，刀具磨损越小，所以进给一般最后定，按照需要的粗糙度最后定出进给 2：刀尖R——刀尖R越大，粗糙度越降低，但切削力会不断增大，对机床的刚性要求更高，对材料自身的刚性也要求越高。建议一般切削钢件6150以下的车床不要使用R0.8以上的刀尖，而硬铝合金不要用R0.4以上的刀尖，否则车出的的真圆度、直线度等等形位公差都没办法保证了，就算能降低粗糙度也是枉然！ 3：切削时要计算设备功率，至于如何计算切削时所需要的功率（以电机KW的80%作为极限），下一帖再说。要注意的时，现在大部分的数控车床都是使用变频电机的，变频电机的特点是转速越高扭力越大，转速越低扭力越小，所以计算功率是请把变频电机的KW除2比较保险。而转速的高低又与切削时的线速度有密切关系，而传统的普车是用恒定转速/扭力的电机依靠机械变速来达到改变转速的效果，所以任何时候都是“100%最大扭力输出”，这点比变频电机好。但当然如果你的主轴是由昂贵的恒定扭力伺服电机驱动，那是最完美的选择上面说得有点乱了，现在先举个例计算一下表面粗糙度：车削45号钢，切削速度150米，切深3mm，进给0.15，R尖R0.4，这是我很常用的中轻切削参数，基本上不是光洁度要求非常之高的工件一刀不分粗精切削直接车出表面，计算表面粗糙度等于0.15*0.15/0.4/8*1000=粗糙度7.0（单位微米）。 如果有要求光洁度要到0.8的话，切削参数变化如下：刀具不变依旧上面0.4的刀片，切削参数进给0.05，切深要视乎刀具的断削槽而定， 二次函数图象的几何变换 内容基本要求略高要求较高要求 二次函数 1.能根据实际情境了解 二次函数的意义； 2.会利用描点法画出二 次函数的图像； 1.能通过对实际问题中 的情境分析确定二次函 数的表达式； 2.能从函数图像上认识 函数的性质； 3.会确定图像的顶点、 对称轴和开口方向； 4.会利用二次函数的图 像求出二次方程的近似 解； 1.能用二次 函数解决简 单的实际问 题； 2.能解决二 次函数与其 他知识结合 的有关问 题； 一、二次函数图象的平移变换 （1）具体步骤： 先利用配方法把二次函数化成2 () y a x h k =-+的形式，确定其顶点(,) h k，然后做出二次函数2 y ax =的图像，将抛物线2 y ax =平移，使其顶点平移到(,) h k.具体平移方法如图所示： （2）平移规律：在原有函数的基础上“左加右减”. 二、二次函数图象的对称变换 二次函数图象的对称一般有五种情况，可以用一般式或顶点式表达 1. 关于x 轴对称 2y ax bx c =++关于x 轴对称后，得到的解析式是2y ax bx c =---； ()2 y a x h k =-+关于x 轴对称后，得到的解析式是()2y a x h k =---； 2. 关于y 轴对称 2y ax bx c =++关于y 轴对称后，得到的解析式是2y ax bx c =-+； ()2 y a x h k =-+关于y 轴对称后，得到的解析式是()2y a x h k =++； 3. 关于原点对称 2y ax bx c =++关于原点对称后，得到的解析式是2y ax bx c =-+-； ()2y a x h k =-+关于原点对称后，得到的解析式是()2y a x h k =-+-； 4. 关于顶点对称 2 y ax bx c =++关于顶点对称后，得到的解析式是2 2 2b y ax bx c a =--+-； ()2 y a x h k =-+关于顶点对称后，得到的解析式是()2y a x h k =--+． 5. 关于点()m n ，对称 ()2 y a x h k =-+关于点()m n ，对称后，得到的解析式是()222y a x h m n k =-+-+- 根据对称的性质，显然无论作何种对称变换，抛物线的形状一定不会发生变 信噪比 简介 信噪比是音箱回放的正常声音信号与无信号时噪声信号(功率)的比值。用dB表示。例如，某音箱的信噪比为80dB，即输出信号功率是噪音功率的10^8倍，输出信号标准差则是噪音标准差的10^4倍，信噪比数值越高，噪音越小。 定义 “噪声”的简单定义就是：“在处理过程中设备自行产生的信号”，这些信号与输入信号无关。对于MP3播放器来说，信噪比都是一个比较重要的参数，它指音源产生最大不失真声音 信噪比 [1] 信号强度与同时发出噪音强度之间的比率称为信号噪声比，简称信噪比（Signal/Noise），通常以S/N表示，单位为分贝（dB）。对于播放器来说，该值当然越大越好。目前MP3播放器的信噪比有60dB、65dB、85dB、90dB、95dB等等，我们在选择MP3的时候，一般都选择60dB以上的，但即使这一参数达到了要求，也不一定表示机子好，毕竟它只是MP3性能参数中要考虑的参数之一。指在规定输入电压下的输出信号电压与输入电压切断时，输出所残留之杂音电压之比，也可看成是最大不失真声音信号强度与同时发出的噪音强度之间的比率，通常以S/N表示。一般用分贝（dB）为单位，信噪比越高表示音频产品越好，常见产品都选择60dB以上。 国际电工委员会对信噪比的最低要求 国际电工委员会对信噪比的最低要求是前置放大器大于等于63dB，后级放大器大于等于86dB，合并式放大器大于等于63dB。合并式放大器信噪比的最佳值应大于90dB，CD机的信噪比可达90dB以上，高档的更可达110dB以上。信噪比低时，小信号输入时噪音严重，整个音域的声音明显感觉是混浊不清，所以信噪比低于80dB的音箱不建议购买，而低音炮70dB 的低音炮同样原因不建议购买。 用途 另外，信噪比可以是车载功放；光端机；影碟机；数字语音室；家庭影院套 信噪比 装；网络摄像机；音箱……等等，这里所说明的是MP3播放器的信噪比。以dB计算的信号最大保真输出与不可避免的电子噪音的比率。该值越大越好。低于75dB这个指标，噪音在寂静时有可能被发现。AWE64 Gold声卡的信噪比是80dB，较为合理。SBLIVE更是宣称超过120dB的顶级信噪比。总的说来，由于电脑里的高频干扰太大，所以声卡的信噪比往往不令人满意。 编辑本段图像信噪比 简介 图像的信噪比应该等于信号与噪声的功率谱之比，但通常功率谱难以计算， 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。 函数图像变换与旋转 一.平移变换： 1.y=f （x ）→y=f(x±a )(a>0) 原图像横向平移a 个单位（左+右-） 2.y=f （x ）→y=f(x)±b(b>0) 原图像纵向平移b 个单位（上+下-） 3.若将函数y=f （x ）的图像右移a ，上移b 个单位，得到函数y=f （x-a ）+b 二．对称变换： 1.y=f （x ）→y=f(-x) 原图像与新图像关于y 轴对称； 对比：若f=（-x ）=f （x ） 则函数自身的图像关于y 轴对称； 2.y=f （x ）→y=-f(x) 原图像与新图像关于x 轴对称； 3.y=f （x ）→y=-f(-x) 原图像与新图像关于原点对称； 对比：若f （-x ）=-f （x ）则函数自身的图像关于原点对称； 4.y=f （x ）→y=f -1 （x ）原图像与新图像关于直线y=x 对称； 5.y=f （x ）→y=f -1（-x ）原图像与新图像关于直线y=-x 对称； 6.y=f （x ）→y=f（2a-x ）原图像与新图像关于直线x=a 对称； 7.y=f （x ）→y=2b-f （x ）原图像与新图像关于直线y=b 对称； 8.y=f （x ）→y=2b-f （2a-x ）原图像与新图像关于点（a ，b ）对称； 三．翻折变换： 1.y=f （x ）→y=f(|x|)的图像在y 轴右侧（x>0）的部分与y=f （x ）的图像相同，在y 轴的左侧部分与其右侧部分关于y 轴对称； 2.y=f （x ）→y=|f(x)|的图像在x 轴上方部分与y=f （x ）的图像相同，其他部分图像为y=f （x ）图像下方部分关于x 轴的对称图像； 3.y=f （x ）→y=f(|x+a|)变换步骤： 法1:先平移|a|个单位（左+右-）保留直线x=a 右边图像，后去掉直线x=a 左边图像并作关于直线x=a 对称图像y=f （x ）→y=f(x+a )→y=f(|x+a|) 法2:先保留y 轴右边图像，去掉y 轴左边图像，并作关于y 轴对称图像，后平移|a|个单位（左+右-）y=f （x ）→y=f(|x|)→y=f(|x+a|) 四．伸缩变换： 1.y=f （x ）→y=af(x)（a>0）原图像上所有点的纵坐标变为原来的a 倍，横坐标不变； 2.y=f （x ）→y=f(ax)（a>0）原图像上所有的横坐标变为原来的1a ，纵坐标不变；表面粗糙度及其标注方法
三角函数公式及图像
1寸2寸及各种证件照片标准尺寸像素
三角函数图像变换小结(修订版)
高等数学公式大全及常见函数图像
图像大小和分辨率解析
车削表面粗糙度的计算
超经典二次函数图象的平移和对称变换总结
信噪比
各个尺寸照片对应大小及尺寸
函数图像变换与旋转
相关主题
文本预览