2百万像素足以用于高清分辨率的图片吗?


12

高清图片的1920x1080 = 2073600像素= 2025千像素= 1.98兆像素。

这是否意味着我们可以使用2 MP摄像机拍摄高清图片?如果没有,为什么不呢?


2
并不是学究,但我认为百万像素的定义是100万像素,而不是1,048,576。因此高清将拥有2.07 MP
MikeW

10
我认为通常由于四舍五入,“百万像素”是二进制还是十进制并不重要。百万像素是一个有用的术语,因为它恰好在我们用数码相机获得对人类有用的小数字的范围内(到目前为止)。它很少用来表示精确的值-一台16百万像素的摄像头生成的照片尺寸可能与另一品牌的摄像头略有不同。出于相同的基本原因,“千像素”不是一个真实的词,因为在特定情况下它不会有用。

2
基本上是。实际上,大多数人不会将“高清”一词用于摄影,除非他们将其用于营销目的是因为公司似乎渴望在今天的所有事物上都使用“高清”一词。如果要在1080p电视上显示图像,是的2MP看起来很棒。
dpollitt

在我看来,高分辨率几乎总是好的,因为您可以裁剪出不需要的不必要的部分并提取照片的好部分。如果您必须节省分辨率,那么很难自由地拍照。
mtahmed 2013年

Answers:


17

如果分辨率长轴至少为1920且短边至少为1080,则可以,您可以拍摄高清图像而不必进行放大。

但是,由于过采样的好处,您可以通过捕获16MP图像来制作出更好的HD图像,然后使用最佳可用的调整大小方法(例如,lanczos插值)进行调整。

您可能会遇到的另一个问题是2MP相机在设计时并未考虑到高质量的成像效果(*除非您使用的是1998年的佳能EOS D2000之类的相机,无论如何长宽比都是错误的),所以它们节省了成本。仅传感器,而是成像系统的其余部分-低端光学器件,ADC,处理等,都导致较低的总系统分辨率和IQ。


3
我愿意打赌可能会从这个问题中受益的90%的摄影人群不会知道“ lanczos插值”是什么。; PI将使用短语“ Photoshop中的某些基本降级”,这足以使像素平均,减少噪声并提高1920x1080输出图像的清晰度。
jrista

还记得我在另一个问题中对图像进行过采样测试的问题,在该问题中,我显示出细化的纹理将在缩小后的版本中保留,而直接以该分辨率进行拍摄却无法捕获纹理?我注意到最终结果依赖于使用最佳可用的调整大小方法。我想我可以写:)
Michael Nielsen

1
@jrista我不知道美国的情况如何,但是在欧洲,Lanczos和其他基于内核的过滤器是学前课程的一部分;)
Matt Grum 2015年

1
@jrista为什么不提供更多信息?我不知道它是什么,但是因为迈克尔提到了它,所以我能够对插值方法进行研究以了解更多信息。
Myridium

13

不,因为有拜耳过滤器。您实际上需要大约11兆像素。

什么是拜耳过滤器

彩色相机传感器使用拜耳滤镜捕获各种颜色。拜耳滤镜有效地将每种颜色的传感器分辨率减半(尽管绿色在棋盘图案中留有更多的空间)。

传感器上的每个像素可以捕获或者红色,绿色或蓝色的光,但不是所有的三种颜色。稍后需要一种软件算法对数据进行插值,以重建全彩色的全分辨率照片。

去马赛克

这种插值过程(称为demosaicing)将在视觉上恢复许多有效的丢失分辨率,使其看上去再次清晰,但是只能通过相当明智的猜测才能做到。这与您一开始就能够以全分辨率捕获图像不同。

例如,尽管去马赛克技术可以很好地从拜耳滤镜上夺回丢失的清晰度,但是任何细微的细节(例如头发,梳状图案或细条纹)都可能会出现混叠现象,这些现象可能显示为彩色干涉图案:

来源

(为说明起见,这些图像显示了非常差的去马赛克算法。现代相机-甚至手机-都使用更智能的相机。)

现代的去马赛克算法非常聪明,可以最大程度地减少混叠的影响,但是仍然无法保留细节。在1920x1080彩色传感器上拍摄的远距离纠察栅栏,其有效分辨率将低于计算机生成或从较大的传感器按比例缩小或在扫描仪上扫描的RGB 1920x1080图像。

这如何影响分辨率

(以及我如何提出“ 11兆像素”的图)

去马赛克后得到的图像的有效分辨率看起来好像不是传感器要求的分辨率的一半,这是由于智能去马赛克例程所获得的收益,以及与亮度良好相关的绿色通道具有更多的事实。分辨率高于其他颜色。

但是,仍然需要将其缩小50%,以消除由于插值引起的任何损失。如果您确实要确保图片是“全分辨率”的,而不会因插值而造成细节损失,那么您将需要一个颜色传感器,该传感器在水平和垂直方向上的分辨率都应为所需分辨率的两倍,然后重新采样产生的图像达到50%。

为了捕获1920x1080的完整有效分辨率,彩色摄像头传感器(带有拜耳滤镜,其中包括99%的彩色摄像头传感器)将需要具有两倍的分辨率:3840x2160。超过8.2百万像素。由于传感器上的裁剪(同样由于相机的去马赛克方法),您需要有效地确保大约8.8兆像素。

那就是您的传感器具有完美的16:9宽高比。如果您的传感器的宽高比为3:2,则需要大约10.7百万像素才能捕获3840x2160的图像,包括顶部和底部的废弃区域以补偿宽高比,以及一个小的边框来说明去马赛克的作物。

不带拜耳滤波器的传感器

尽管99%的彩色相机传感器使用拜耳滤镜,但有些使用替代像素布局,但是原理是相同的。

还有一些根本不需要滤色镜的颜色传感器,例如Fovean X3传感器,但是它们仍然非常少见,并有其自身的问题。制造商还倾向于说谎他们的像素数(为了与使用Bayer滤镜的传感器竞争,在这种情况下,像素数听起来总是比上述滤镜的效果要好得多)。

一些昂贵的专业摄像机采用的另一种替代方法是具有三个完全独立的传感器,每个传感器分别用于红色,绿色和蓝色,并使用分光器将相同的图像投射到这三个传感器上。显然,这在数码单反相机或紧凑型相机或任何普通类型的消费者照像机中都不存在。但这可以解释为什么不能将专业摄像机的传感器上的像素数与单反相机上的像素数进行比较。

但是视频还是要使用色度二次采样!

(仅适用于技术人员)

即使视频(有时是JPEG)使用色度二次采样,它仍需要亮度通道才能保持完整分辨率。在来自拜耳传感器的图像中,仍然需要使用插值过程来计算亮度通道,即使采用良好的去马赛克算法,由于在大多数情况下亮度和绿色通道之间的相关性很高,因此亮度通道似乎已接近全分辨率。内容。


3
您的11兆像素算术假设Bayer去马赛克没有价值。理性的人可以不同意确切的数字,但是肯定没有那么大的变化。
请阅读我的个人资料

如何缩小尺寸之前已经插值的3840X1216帧比从1920X1080拜耳阵列插值的1920X1080帧更准确?在我看来,我们将需要不插值较大图像中的RGB通道。它的宽度和高度必须是2倍,以允许将一个R,一个B和2 G像素合并(而不是内插)到1920X1080帧的每个像素中。
Michael C

1
已经晚了,我有点疲倦,但是您的数学难道不认为4x4拜耳阵列是不重叠的离散像素吗?
John Cavan

1
是的,我说太晚了... :) 2x2是我的意思。但是,如果我还记得,传感器去马赛克的算法会重叠,以至于4x4阵列实际上将为您提供9个像素的数据。我可能是非常错误的。
John Cavan

1
我已经拒绝了这个答案,即使它写得很好,这就是为什么:几乎每台摄像机都通过拜耳插值法提供的图像像素数与其传感器相同。这是普遍接受的。如果有人谈论12MP数码照片,我们可以放心地假设它来自12MP相机,该相机在技术上具有12MP传感器。另一方面,我们正在谈论分辨率,但我们需要从整体上解决纵横比和图像质量。插值意味着质量损失,但这是一个不同的问题。
MattiaG

12

没错,1080p高清图像的像素不足2百万像素

现在,您需要注意的是考虑相机的纵横比。如果以本地方式拍摄16:9图像,并且具有2 MP,那么您将具有足够的分辨率。如果相机具有4:3传感器(这是小型相机最常见的传感器),则2 MP相机最有可能捕获1680x1260的图像。不幸的是,这不能为您提供足够的水平分辨率。

另一方面,带有4:3传感器的3 MP摄像机通常会产生2048x1536的图像,足以将您缩小并裁剪为1080p图像。


0

共有三种常见的高清视频模式:视频模式:帧大小(WxH):图像像素(分辨率)扫描类型

  1. 720p 1,280x720 921,600(近1MP)逐行
  2. 1080i 1,920x1,080 2,073,600(> 2MP)隔行
  3. 1080p 1,920x1,080 2,073,600(> 2MP)逐行

这取决于您计划使用什么。如果要将视频投影到大屏幕(例如投影仪)上,请使用至少1080p的更高视频模式,这当然需要更高的分辨率(意味着更大的百万像素)才能平滑地投影图像。另请注意,当使用更高的分辨率时,意味着存储卡上的空间会更多,并且需要更高规格的PC进行视频编辑。但是,如果您打算使用小屏幕投影(笔记本电脑,PC),则720p即可。

关于逐行扫描类型的特别说明-是一种显示,存储或传输运动图像的方法,其中按顺序绘制每帧的所有线条。逐行扫描的主要优点是运动看起来更平滑,更真实。

隔行扫描-通常在tv和crt的模拟老化中使用,是一种将信号引入的感知帧速率加倍而不消耗额外带宽的技术。它的主要问题是联线推特。例如,电视上身穿深色和浅色细条纹衬衫的人可能会出现在视频监视器上,就像衬衫上的条纹正在“颤动”一样。当对象包含的垂直细节接近视频格式的水平分辨率时,就会出现这种混叠效果。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.