PS基本教学(三)——像素与分辨率的关系以及图片的格式

1 像素与分辨率的关系

1.1 像素

像素(Pixel)是数字图像的最小组成单元。像素是图像的最小单位,无法通过常规手段分割,图像里面的颜色通常用R、G、B(红、绿、蓝)三种颜色来表示,并且图像的清晰度是由分辨率来决定。

对于一张图片进行放大,当放大到一定的程度之后,会出现若干行和若干列的小格子,如下所示:

在上图中,每一个小格子都是一个像素。

1.2 分辨率

分辨率指图像或屏幕中像素的密集程度,通常用"像素数/长度单位"表示(如每英寸像素数PPI,或每厘米像素数)。PPI(Pixels Per Inch)表示每英寸长度内的像素数,决定打印或屏幕显示的精细度。

当1英寸只排列了1个像素,那么分辨率为1PPI,如下图所示:

当1英寸内排列了4个像素,那么分辨率为4PPI,如下图所示:

当1英寸内排列了16个像素,那么分辨率为16PPI,如下图所示:

当1英寸内排列了64个像素,那么分辨率为64PPI,如下图所示:

(上面几张图仅作演示,有不同程度的放大)。

每英寸有多少像素,就知道了单个像素的大小。当图片能在显示器上完全显示时,核心是像素与显示屏像素实现适配。

首先,图片像素尺寸(宽 × 高)需与显示屏物理分辨率(如 1920×1080)完全一致,或按原始比例缩放后不超出显示屏像素范围。比如显示屏是 2K(2560×1440),图片若为 1280×720(1080P 的一半),按 2 倍等比例放大后可刚好填满屏幕,且无拉伸变形;若图片是 3000×2000,超出 2K 屏幕像素,不裁剪的话就无法完整显示。其次,缩放过程必须保持像素比例一致(即宽高比相同)。若图片宽高比与显示屏不同,强行拉伸至全屏会导致像素变形,而保持比例则会在屏幕边缘出现黑边,但能保证图片内容完整。

2 图片的类型

图片按照格式和技术类型进行分类,可以分为位图、矢量图和其他类型的图片。其中位图由像素点组成,放大之后可能失真,常见的格式:JPG/JPEG图片、PNG图片、BMP图片、GIF图片等;矢量图包括SVG图、AI图。

下面对于几种图片进行详细介绍:

(1)JPG/JPEG

JPG 和 JPEG 本质上是同一种图像压缩格式的两种扩展名,均代表 Joint Photographic Experts Group(联合图像专家组)制定的标准。它们的区别仅在于文件扩展名的书写方式,核心功能、压缩算法和技术特性完全一致。它通过丢弃人眼不敏感的色彩细节来大幅减小文件体积,适合网页加载、社交媒体分享和打印材料。但缺点是多次编辑会降低质量,且不支持透明背景。

(2)PNG

PNG 是一种无损压缩的图片格式,支持透明背景(Alpha通道)和24/32位真彩色,能完美保留图像的清晰度和细节。它常用于网页设计中的图标、LOGO、截图或需要反复编辑的图形,避免JPG的有损压缩导致的模糊问题。但文件体积通常比JPG大,且不支持动画。

(3)BMP

BMP(Bitmap) 是一种无压缩的位图图像格式,由微软开发并广泛用于Windows系统,其核心特点是将图像以原始像素数据逐点存储,支持24位真彩色、32位色(含Alpha通道)及单色/16色等模式,确保图像质量零损耗,但文件体积极大(尤其高分辨率时),且缺乏现代格式的压缩优化与元数据支持,因此主要适用于需要绝对画质保留的场景,如图像编辑原始存档、系统图标或特定工业应用,但在网络传输和日常使用中因效率低而较少采用。

(4)GIF

GIF 是以简单动画和低色彩图形著称的图片格式,支持256色和单色透明背景。它通过多帧存储实现动态效果(如表情包、加载动画),且兼容所有浏览器和设备。但色彩限制导致照片类图像失真,动画文件体积可能较大。

(5)SVG

SVG(Scalable Vector Graphics,可缩放矢量图形) 是一种基于XML的矢量图像格式,通过数学方程描述图形(如线条、形状、路径和文本)而非像素点阵,因此具备无限缩放不失真、文件体积小、可编辑性强等特性,支持透明度、渐变、滤镜等交互效果,且能通过CSS或JavaScript动态修改,广泛用于网页图标、LOGO、数据可视化及响应式设计,但不适合存储复杂照片或连续色调图像。

(6)AI

AI(Adobe Illustrator)文件是Adobe公司开发的矢量图形格式,以数学路径描述图形,支持无限缩放不失真,保留完整的可编辑图层、颜色和透明效果,广泛用于标志设计、印刷出版、UI图标及插画创作,但需通过Illustrator软件编辑,适合高精度、多尺寸适配的专业设计场景。

相关推荐
机器之心3 分钟前
昨晚,OpenClaw大更新,亲手终结「旧插件」时代
人工智能·openai
码路高手10 分钟前
Trae-Agent源码重点
人工智能·架构
剑穗挂着新流苏31218 分钟前
114_PyTorch 进阶:模型保存与读取的两大方式及“陷阱”避坑指南
人工智能·pytorch·深度学习
CoovallyAIHub21 分钟前
把 Whisper、Moonshine、SenseVoice 统统装进手机:sherpa-onnx 离线语音部署框架,GitHub 10.9K Star
人工智能·架构
一只叫煤球的猫27 分钟前
RAG 如何落地?从原理解释到工程实现
人工智能·后端·ai编程
AI营销快线31 分钟前
AI营销获客难?原圈科技深度解析SaaS系统增长之道
大数据·人工智能
南滑散修35 分钟前
机器学习(四):混合高斯模型GMM
人工智能·机器学习
柯儿的天空43 分钟前
Mem0深度解析:给你的ai agent加上长期记忆,让ai从“健忘“到“过目不忘“
人工智能·gpt·自然语言处理·ai作画·aigc·ai编程·agi
FluxMelodySun44 分钟前
机器学习(二十五) 降维:主成分分析(PCA)及特征值分解
人工智能·算法·机器学习
Cosolar1 小时前
Transformer训练与生成背后的数学基础
人工智能·后端·开源