亚像素，什么是亚像素精度

本文目录一览

1，什么是亚像素精度
2，亚像素的介绍
3，图像处理中子像素与亚像素是一回事吗
4，图像亚像素级具体到多少值
5，什么是防锯齿技术什么是亚像素
6，亚像素的英文名Sub Pixel

1，什么是亚像素精度

亚像素精度是指相邻两像素之间细分情况。输入值通常为二分之一，三分之一或四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如，如果选择四分之一，就相当于每个像素在横向和纵向上都被当作四个像素来计算。因此，如果一张5x5像素的图像选择了四分之一的亚像素精度之后，就等于创建了一张16x16的离散点阵，进而对该点阵进行插值。请参考下图，红色的点代表本来的像素点，黑色点代表新产生的亚像素点。ps：来自百度文库

什么是亚像素精度

2，亚像素的介绍

面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片，其像素间距为5.2微米。摄像机拍摄时，将物理世界中连续的图像进行了离散化处理。到成像面上每一个像素点只代表其附近的颜色。至于“附近”到什么程度？就很困难解释。两个像素之间有5.2微米的距离，在宏观上可以看作是连在一起的。但是在微观上，它们之间还有无限的更小的东西存在。这个更小的东西我们称它为“亚像素”。实际上“亚像素”应该是存在的，只是硬件上没有个细微的传感器把它检测出来。于是软件上把它近似地计算出来。

亚像素的介绍

3，图像处理中子像素与亚像素是一回事吗

估计这种高手他妈还没有生出来！不过有一个方法是可以的，但是哥哥不想教你，想学，给钱！嘿嘿

不是一回事。一般的液晶面板上每个像素由红蓝绿（RGB）三原色组成，每个像素上的每种颜色叫一个“子像素”。而亚像素不是一种“颜色”。数码摄像机的成像面的分辨率以像素数量来衡量。隔行TV的分辨率是576x768个像素。像素中心之间的距离有几个至十几个微米不等。为了最大限度利用图像信息来提高分辨率，有人提出了Sub-Pixel概念。意思是说，在两个物理像素之间还有像素，称之为Sub-Pixel，它完全是通过计算方法得出来的。

图像处理中子像素与亚像素是一回事吗

4，图像亚像素级具体到多少值

这个是根据你屏幕的色素决定的，一般来讲，一块屏幕的像素其实就是有多少个色素点组成一点像素的，如果色素数量多那么图像就越清晰。就好比1600万色其实就是1600万个色素点组成一个像素一样的道理。

成员变量： bitmap m_bmp; cbitmap m_bitmap;读取 1.bmp 到内存：bool cyourclassname::read1bmp() hbitmap hbitmap = (hbitmap)::loadimage(null, _t("1.bmp"), image_bitmap, 0, 0, lr_loadfromfile); if (null == hbitmap || !m_bitmap.attach(hbitmap)) messagebox(_t("1.bmp 读取失败。")); return false; } if (!m_bitmap.getbitmap(&m_bmp) || 32 != m_bmp.bmbitspixel) messagebox(_t("转成 32bit 的位图。")); return false; } dword count = m_bmp.bmwidth * m_bmp.bmheight; m_bmp.bmbits = new dword [count]; if (null == m_bmp.bmbits) messagebox(_t("申请内存失败。")); oncancel(); } m_bitmap.getbitmapbits(count * sizeof(dword), m_bmp.bmbits);}这样就都在 m_bmp.bmbits 里了。然后用这个函数读：dword cyourclassname::getcolordword(const cpoint & point) dword index = point.x * m_bmp.bmbitspixel / 8 + point.y * m_bmp.bmwidthbytes; dword realcolor = *reinterpret_cast((byte*)m_bmp.bmbits + index); return realcolor; } 估计你不会的就这些了，剩下的自己弄吧。看着给分。

5，什么是防锯齿技术什么是亚像素

在今年的 WWDC 主题演讲上，乔布斯用图示法解释了为什么像素数越多，显示效果越好。与此相关的另一个问题，是所谓的「防锯齿技术」（anti-aliasing）。或许你在科技类博客上见过这个术语和「亚像素」（sub-pixel，一译「次像素」）一类的词汇共舞齐飞，但却不明究竟。刚好前几天 @metaphox 分享的这篇短文对防锯齿技术和亚像素概念解释得比较简明易懂，译出与大家共享。—— 编者防锯齿技术是一种很微观的技术，但对图像的整体形态会有很大影响。简单来说，防锯齿技术是一种视觉上的小骗术，可以让边缘不平滑的东西显得平滑。电脑屏幕上的一颗颗像素并不是一直在发光，而是根据屏幕上的内容时亮时灭。由于方形的像素颗粒是以网格矩阵形式排列，故很难呈现圆角的图像。为了欺骗人眼，让我们以为那些字母和图形是圆角的，防锯齿技术把像素颗粒的边缘涂成暗色。当你从远处看时，笔直的线条就产生了模糊感，整个边缘线条就显得圆滑了。左为笔记本电脑的液晶屏幕上的亚像素，右为 iPhone 屏幕上的亚像素。可以看到后者的亚像素之间的空隙要小很多。（图像来自 noopia.com）亚像素防锯齿则更进一步，把圆角效果做得更加完善。每个像素颗粒都是由蓝色、绿色和红色的三个亚像素组成（见上图左半），三个亚像素都可以分别点亮，这令我们能够用不同的颜色来对防锯齿技术进行更精细的控制。目前市面上的大部分屏幕（包括笔记本屏幕）都用到了亚像素防锯齿技术。iPhone 的情况则不太一样（见上图右半）。虽然它是近两年的新设备，但却没有用到亚像素防锯齿技术，仅仅是在整个像素的层面进行了防锯齿处理。这是怎么回事呢？如果仔细看上面的图，你会发现 iPhone 上各个亚像素之间的距离比普通屏幕小得多（所以像素之间的距离也小得多）。因此，iPhone 即便不用亚像素防锯齿也能取得不错得效果。它的屏幕分辨率高，肉眼基本很难分辨全像素显示和亚像素显示的区别。由于防锯齿技术涉及复杂的计算过程，用以计算相邻的像素或亚像素的颜色与暗色层级，iPhone 省去了亚像素防锯齿处理，也就节省了一些 CPU 资源。iPhone 的屏幕还有其他的特别之处：横版和竖版之间的切换。这可能也是苹果不使用亚像素防锯齿的原因之一。如果用了，切换横竖版时对 CPU 的消耗可能会非常大。最后这点我并不确定。像素之间的距离小或许是采用全像素显示的结果，而非原因。

一张jpeg的图片，你把它放大，放到很大后你就会发现全是马赛克（也就是正方形放开组成的），比如说图片中有个人物，你放大后发现人物的边缘全部是正方形方块组成的锯齿形状，那就是像素锯齿。像素越高，图片就可以放到更大，图片也就更大，越低，图片的大小也就越小！

6，亚像素的英文名Sub Pixel

我是来看评论的

数码摄像机的成像面的分辨率以像素数量来衡量。隔行TV的分辨率是576x768个像素。像素中心之间的距离有几个至十几个微米不等。为了最大限度利用图像信息来提高分辨率，有人提出了Sub-Pixel概念。意思是说，在两个物理像素之间还有像素，称之为Sub-Pixel，它完全是通过计算方法得出来的。这里提出计算方法。如果原始图像是n行m列的，希望做k细分的Sub-Pixel，这样就有新的行N和列M，有N = k*nM = k*m原来相邻4个像素包含的区域现在变成了(k+1)*(k+1)的区域了；要填满这个(k+1)*(k+1)的区域，实际上就是从一个小正方形映照到一个大正方形的过程。在数学上用双线性插值得算法可以轻松搞定。(二次或者三次样条曲线)。下面是算法的代码：XYPNT qdot(XYPNT d[4], //d[4] 顺时针排列XYPNT a //含有要插入的点的位置)XYPNT r; //工作单元int i;float x0,y0,x1,y1; //PNT z[4];float ap,bt,ax,ay;x0=d[0].q.x;y0=d[0].q.y;x1=d[2].q.x;y1=d[2].q.y;r=a;ax=a.q.x;ay=a.q.y;for(i=0;i<4;i++)z[i]=d[i].pnt;ap=(ax-x0)/(x1-x0);bt=(ay-y0)/(y1-y0);r.pnt.r=(1.-ap)*(1.-bt)*z[0].r+bt*(1.-ap)*z[3].r+ap*(1.-bt)*z[1].r+ap*bt*z[2].r;r.pnt.g=(1.-ap)*(1.-bt)*z[0].g+bt*(1.-ap)*z[3].g+ap*(1.-bt)*z[1].g+ap*bt*z[2].g;r.pnt.b=(1.-ap)*(1.-bt)*z[0].b+bt*(1.-ap)*z[3].b+ap*(1.-bt)*z[1].b+ap*bt*z[2].b;return r;} struct PNTstruct DXYstruct XYPNTDXY q;PNT pnt;}; for(i=0;id[0].q.x=j*xf ; d[0].q.y=i*xf; d[0].pnt=*(buf+i*WIdth+j); d[1].q.x=(j+1)*xf; d[1].q.y=i*xf; d[1].pnt=*(buf+i*WIdth+j+1); d[2].q.x=(j+1)*xf; d[2].q.y=(i+1)*xf; d[2].pnt=*(buf+(i+1)*WIdth+j+1); d[3].q.x=j*xf ; d[3].q.y=(i+1)*xf; d[3].pnt=*(buf+(i+1)*WIdth+j); for(i0=0;i0 aa.q.x=j*xf+j0;aa.q.y=i*xf+i0; rr=qdot(d,aa); *(Buf+aa.q.y*WIDTH+aa.q.x)=rr.pnt; } } 其中xf是插入亚像素的个数，也即放大倍数；Height和Width是原始图像的尺寸；HEIGHT和WIDTH是方大xf倍的尺寸;原始图片存放在buf中,目标图片存放在Buf中。