前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >苹果一倍图尺寸(iphone11pro屏幕尺寸)

苹果一倍图尺寸(iphone11pro屏幕尺寸)

作者头像
全栈程序员站长
发布于 2022-07-27 09:26:17
发布于 2022-07-27 09:26:17
1.2K00
代码可运行
举报
运行总次数:0
代码可运行

大家好,又见面了,我是你们的朋友全栈君。

iPhone手机屏幕尺寸一般指:物理像素,ps像素。 iPhone的app现在一般适配2倍图和3倍图。 iphont4s 是2倍图,但是你画一个粗为0.5的线,iphont4s显示不出来,iphont5s却可以看到一个像素(从截图上看到的)的线来。 识别手机机型使用的是几倍图,一般通过这个值来识别:[UIScreen mainScreen].scale。若为1就1倍图(iphone 4/iphone 4s是个例外),若为2就是2倍图,若是3就是3倍图。但是现在iphone 4/iphone 4s都是按照2倍图处理的,并且他们的屏幕截图也是640*960,说明它是2倍图。但是若你在iphone 4/iphone 4s手机上画条0.5像素的线是显示不出来的,但是在iphone 6及更高版本画一条1/([UIScreen mainScreen].scale)(就是0.5或1/3)的线是显示出来的,说明iphone 4/iphone 4s物理分辨率是1像素。 准确的倍图计算公式是:round(屏幕截图宽度/[[UIScreen mainScreen] bounds].size.width)。屏幕截图(上传苹果商店的屏幕快照或者用手机截屏得到的图片)的宽度(或高度)除以物理宽度(或高度,宽度是[[UIScreen mainScreen] bounds].size.width,高度是[[UIScreen mainScreen] bounds].size.height)的四舍五入的整数。iPhone XR的828/375=2.2.08,四舍五入值是2,它的[UIScreen mainScreen].scale也为2(FULL_WIDTH:375.000000, FULL_HEIGHT:812.000000, [UIScreen mainScreen].scale:2.000000),所以它是用2倍图。 下面是开发中用到的iphone,ipod,ipad对应的实际像素点和图片倍率: iphont4,iphone4s实际像素点: 3.5英寸屏(320/480) iphone5,iphone 5s,iphone 5se实际像素点: 4英寸屏 (320/568) iphont6,iphone7,iphone8实际像素点: 4.7英寸屏(375/667) iphont6 plus,iphone7 plus,iphone8 plus实际像素点: 5.5英寸屏 (414/736) iphontX若不设置启动图片相当于iPhone8的放大模式(375/667) ,若设置了启动图片才是他的实际像素 实际像素点: 5.8英寸屏(375/812) iPhone 12 mini实际像素点: 5.8英寸屏(375/812) ipod4实际像素点: 4英寸屏(320/568) iphontX若不设置启动图片相当于iPhone8的放大模式(375/667) ,若设置了启动图片才是他的实际像素,实际像素点: 5.4英寸屏(iPhone 12 mini)(375/812) 5.8英寸屏(iPhone X,iPhone XS,iPhone 11Pro)(375/812) 6.1英寸屏(iPhone XR,iPhone11) (414/896) 6.1英寸屏(iPhone12) (390/844) 6.5英寸屏(iPhone XS Max, iPhone 11 Pro Max, iPhone 12 Pro)(414/896) 6.7英寸屏(iPhone 12 Pro Max)(428/926) ipod4实际像素点(强制横屏模式): 4英寸屏(320/568) 只支持iPhone不支持iPad的app在iPad上运行都是2倍图,竖屏模式实际像素点:(375/667) iPad (8th generation) FULL_WIDTH:375.000000, FULL_HEIGHT:667.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000 iPad Air(4th generation) FULL_WIDTH:375.000000, FULL_HEIGHT:667.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000 iPad Pro (9.7-inch) FULL_WIDTH:375.000000, FULL_HEIGHT:667.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000 iPad Pro (11-inch) FULL_WIDTH:375.000000, FULL_HEIGHT:667.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000 iPad Pro (12.9-inch) FULL_WIDTH:375.000000, FULL_HEIGHT:667.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000 现在支持iPad的app在iPad上运行都是2倍图,注意有的有上部感应区,没有下部感应区,竖屏模式实际像素点如下: 测量代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
//iPhoneX--机型获取
#define LL_iPhoneX \
({BOOL isPhoneX = NO;\
if (@available(iOS 11.0, *)) {\
isPhoneX = [[UIApplication sharedApplication] delegate].window.safeAreaInsets.top > 0.0;\
}\
(isPhoneX);})

#define have_bottom_safeArea \
({BOOL isHave = NO;\
if (@available(iOS 11.0, *)) {\
isHave = [[UIApplication sharedApplication] delegate].window.safeAreaInsets.bottom > 0.0;\
}\
(isHave);})
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
NSLog(@"phoneType:%@, FULL_WIDTH:%f, FULL_HEIGHT:%f, [UIScreen mainScreen].scale:%f, 倍率:%f, 是否有顶部感应区:%@, 是否有底部感应区:%@,横纵比:%f, safeAreaInsets.top:%f, safeAreaInsets.bottom:%f, 顶部工具栏高度:%f, 底部工具栏高度:%f",[BITSingleObject sharedInstance].phoneType, FULL_WIDTH, FULL_HEIGHT, [UIScreen mainScreen].scale, [UIScreen mainScreen].scale, LL_iPhoneX?@"有":@"没有", have_bottom_safeArea?@"有":@"没有",FULL_WIDTH/FULL_HEIGHT, [[UIApplication sharedApplication] delegate].window.safeAreaInsets.top, [[UIApplication sharedApplication] delegate].window.safeAreaInsets.bottom,[[UIApplication sharedApplication] delegate].window.safeAreaInsets.top+44, [[UIApplication sharedApplication] delegate].window.safeAreaInsets.bottom+49);

iPad (5th generation),iPad (6th generation) phoneType:x86_64, FULL_WIDTH:1024.000000, FULL_HEIGHT:768.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000; iPad (7th generation)iPad (8th generation) honeType:x86_64, FULL_WIDTH:1080.000000, FULL_HEIGHT:810.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000; iPad Air 2 phoneType:x86_64, FULL_WIDTH:1024.000000, FULL_HEIGHT:768.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000; iPad Air(3th generation) phoneType:x86_64, FULL_WIDTH:1112.000000, FULL_HEIGHT:834.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000; iPad Air(4th generation) phoneType:x86_64, FULL_WIDTH:1180.000000, FULL_HEIGHT:820.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:有,横纵比:1.439024, safeAreaInsets.top:24.000000, safeAreaInsets.bottom:20.000000, 顶部工具栏高度:68.000000, 底部工具栏高度:69.000000; iPad Pro (9.7-inch) phoneType:x86_64, FULL_WIDTH:1024.000000, FULL_HEIGHT:768.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000; iPad Pro (11-inch) phoneType:x86_64, FULL_WIDTH:1194.000000, FULL_HEIGHT:834.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:有,横纵比:1.431655; iPad Pro (12.9-inch)(1st generation),iPad Pro (12.9-inch)(2th generation) phoneType:x86_64, FULL_WIDTH:1366.000000, FULL_HEIGHT:1024.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333984, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000; iPad Pro (12.9-inch) (3th generation),iPad Pro (12.9-inch) (4th generation)phoneType:x86_64, FULL_WIDTH:1366.000000, FULL_HEIGHT:1024.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:有,横纵比:1.333984, safeAreaInsets.top:24.000000, safeAreaInsets.bottom:20.000000, 顶部工具栏高度:68.000000, 底部工具栏高度:69.000000; iPad Pro (10.5-inch) phoneType:x86_64, FULL_WIDTH:1112.000000, FULL_HEIGHT:834.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:84.000000, 底部工具栏高度:49.000000; iPad Pro (11-inch)(1st generation), iPad Pro (11-inch)(2th generation) phoneType:x86_64, FULL_WIDTH:1194.000000, FULL_HEIGHT:834.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:有,横纵比:1.431655, safeAreaInsets.top:24.000000, safeAreaInsets.bottom:20.000000, 顶部工具栏高度:68.000000, 底部工具栏高度:69.000000; iPad mini 4,iPad mini(5th generation) phoneType:x86_64, FULL_WIDTH:1024.000000, FULL_HEIGHT:768.000000, [UIScreen mainScreen].scale:2.000000, 倍率:2.000000, 是否有顶部感应区:有, 是否有底部感应区:没有,横纵比:1.333333, safeAreaInsets.top:20.000000, safeAreaInsets.bottom:0.000000, 顶部工具栏高度:64.000000, 底部工具栏高度:49.000000。 矢量图的图片倍率 iphont4 2倍图 iphont4s 2倍图 iphont5 2倍图 iphont5s 2倍图 iphone5 se 2倍图 iphont6 2倍图 iphont6 plus 3倍图 iphont7 2倍图 iphont7 plus 3倍图 iphont7s 2倍图 iphont7s plus 3倍图 iphont8 2倍图 iphont8 plus 3倍图 iPhone XR,iPhone 11 2倍图 iphontX,iPhone XS, iPhone XS Max, iPhone 11 Pro, Phone 11 Pro Max, iPhone 12 mini, iPhone 12, iPhone 12 Pro, Phone 12 Pro Max 3倍图 iphone se2 2倍图 ipod4 2倍图 iphone4,iphone5,iphoneX无放大模式。iphone6,7,8的放大模式屏幕像素是:(320/568)。iphone6 plus,7 plus,8 plus的放大模式屏幕像素是:(375/667)

下面是iphone的ps像素(手机截图尺寸): iphont4,iphone4s 像素尺寸: 3.5英寸屏(640/960) iphone5,iphone 5s,iphone 5se 像素尺寸: 4英寸屏 (640/1136) iphont6,iphone7,iphone8 ,iphone se2像素尺寸: 4.7英寸屏(750/1334) iPhone 12 mini 5.4英寸屏(1080/2340) iphont6 plus,iphone7 plus,iphone8 plus像素尺寸: 5.5英寸屏 (1242/2208) iphoneX,iPhone XS,iPhone 11 Pro,iPhone 12 mini 5.8英寸屏(1125/2436) iPhone XR,iPhone 11 6.1英寸屏(828/1792) Phone 12 6.1英寸屏(1170/2536) iPhone XS Max,iPhone 11 Pro Max,iPhone 12 Pro 6.5英寸屏(1242 / 2688) iPhone 12 Pro Max 6.7英寸屏`(1284 / 2788)

iPhone 12 mini 5.4英寸屏 2340 x 1080 像素分辨率,476 ppi,模拟获取到的物理像素:(812/375)[UIScreen mainScreen].scale 倍率:3。可以看到它不是标准的3倍,不知道是模拟器错误,还是它就是这个奇怪的2.88倍率。

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/128191.html原文链接:https://javaforall.cn

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022年4月1,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
带掩码的自编码器MAE详解和Pytorch代码实现
监督学习是训练机器学习模型的传统方法,它在训练时每一个观察到的数据都需要有标注好的标签。如果我们有一种训练机器学习模型的方法不需要收集标签,会怎么样?如果我们从收集的相同数据中提取标签呢?这种类型的学
deephub
2021/12/15
3.7K0
带掩码的自编码器MAE详解和Pytorch代码实现
Transformers 4.37 中文文档(七十三)
Vision Transformer(ViT)模型是由 Alexey Dosovitskiy、Lucas Beyer、Alexander Kolesnikov、Dirk Weissenborn、Xiaohua Zhai、Thomas Unterthiner、Mostafa Dehghani、Matthias Minderer、Georg Heigold、Sylvain Gelly、Jakob Uszkoreit、Neil Houlsby 在一张图值 16x16 个词:用于大规模图像识别的 Transformer中提出的。这是第一篇成功在 ImageNet 上训练 Transformer 编码器的论文,与熟悉的卷积架构相比取得了非常好的结果。
ApacheCN_飞龙
2024/06/26
6350
Transformers 4.37 中文文档(七十三)
Transformers 4.37 中文文档(四十九)
免责声明: 分词器的默认行为已在 2023 年 4 月修复并更改。之前的版本在目标和源分词序列的末尾都添加了 [self.eos_token_id, self.cur_lang_code]。这是错误的,因为 NLLB 论文提到了 (第 48 页,6.1.1. 模型架构):
ApacheCN_飞龙
2024/06/26
2660
preprint版本 | 何凯明大神新作MAE | CVPR2022最佳论文候选
本文证明了蒙面自动编码器(MAE)是一种可扩展的计算机视觉自监督学习器。我们的MAE方法很简单:我们屏蔽输入图像的随机补丁并重建丢失的像素。
机器学习炼丹术
2021/12/06
1.3K0
preprint版本 | 何凯明大神新作MAE | CVPR2022最佳论文候选
Transformers 4.37 中文文档(四十三)
MBart 模型是由 Yinhan Liu、Jiatao Gu、Naman Goyal、Xian Li、Sergey Edunov、Marjan Ghazvininejad、Mike Lewis、Luke Zettlemoyer 在多语言去噪预训练神经机器翻译中提出的。
ApacheCN_飞龙
2024/06/26
3610
5个时间序列预测的深度学习模型对比总结:从模拟统计模型到可以预训练的无监督模型(附代码)
来源:DeepHub IMBA本文约6700字,建议阅读12分钟本文讨论了5种专门研究时间序列预测的深度学习体系结构。 时间序列预测在最近两年内发生了巨大的变化,尤其是在kaiming的MAE出现以后,现在时间序列的模型也可以用类似MAE的方法进行无监督的预训练。 Makridakis M-Competitions系列(分别称为M4和M5)分别在2018年和2020年举办(M6也在今年举办了)。对于那些不了解的人来说,m系列得比赛可以被认为是时间序列生态系统的一种现有状态的总结,为当前得预测的理论和实践提供
数据派THU
2022/08/29
1.2K0
5个时间序列预测的深度学习模型对比总结:从模拟统计模型到可以预训练的无监督模型(附代码)
Transformers 4.37 中文文档(三十九)
Jukebox 模型在 Jukebox: A generative model for music 中由 Prafulla Dhariwal, Heewoo Jun, Christine Payne, Jong Wook Kim, Alec Radford, Ilya Sutskever 提出。它引入了一个生成音乐模型,可以生成可以根据艺术家、流派和歌词进行条件化的一分钟长样本。
ApacheCN_飞龙
2024/06/26
1610
更简单的掩码图像建模框架SimMIM介绍和PyTorch代码实现
来源:DeepHub IMBA本文约4000字,建议阅读10+分钟本文中我们介绍了 SimMIM,这是一种受掩码建模启发的强大 SSL 算法,其中一部分输入数据被掩码,模型的目标是最小化重建损失。 MAE发布以来,各种使用掩码技术的自监督掩码模型在其基础之上有了更进一步的研究。在本文中我们将探索一篇和MAE同期的工作:SimMIM: A Simple Framework for Masked Image Modeling,研究团队是微软亚研院,并在PyTorch中编写它,最后我们也会提供相关的代码。 Sim
数据派THU
2022/08/29
6290
更简单的掩码图像建模框架SimMIM介绍和PyTorch代码实现
【论文解读】A Survey on Visual Transformer及引文理解
A Survey on Visual Transformer阅读,以及自己对相关引文的理解。
黄博的机器学习圈子
2021/02/12
2.1K0
【论文解读】A Survey on Visual Transformer及引文理解
Transformers 4.37 中文文档(四十八)
MVP 模型由唐天一、李俊毅、赵新文和文继荣在《MVP: 多任务监督预训练用于自然语言生成》中提出。
ApacheCN_飞龙
2024/06/26
1750
带掩码的自编码器MAE在各领域中的应用总结
机器学习算法应该理解数据从中提取有用的特征才能够解决复杂的任务。通常训练泛化模型需要大量带注释的数据。这个是非常费时费力的,并且一般情况下都很难进行。
deephub
2022/11/11
8230
带掩码的自编码器MAE在各领域中的应用总结
Transformers 4.37 中文文档(四十二)
M2M100 模型是由 Angela Fan、Shruti Bhosale、Holger Schwenk、Zhiyi Ma、Ahmed El-Kishky、Siddharth Goyal、Mandeep Baines、Onur Celebi、Guillaume Wenzek、Vishrav Chaudhary、Naman Goyal、Tom Birch、Vitaliy Liptchinsky、Sergey Edunov、Edouard Grave、Michael Auli、Armand Joulin 在 Beyond English-Centric Multilingual Machine Translation 中提出的。
ApacheCN_飞龙
2024/06/26
3640
Transformers 4.37 中文文档(四十二)
Transformers 4.37 中文文档(九十三)
Pix2Struct 模型是由 Kenton Lee, Mandar Joshi, Iulia Turc, Hexiang Hu, Fangyu Liu, Julian Eisenschlos, Urvashi Khandelwal, Peter Shaw, Ming-Wei Chang, Kristina Toutanova 在《Pix2Struct: Screenshot Parsing as Pretraining for Visual Language Understanding》中提出的。
ApacheCN_飞龙
2024/06/26
3270
Transformers 4.37 中文文档(九十三)
Transformers 4.37 中文文档(七十七)
SeamlessM4T-v2 模型是由 Meta AI 的 Seamless Communication 团队在Seamless: Multilingual Expressive and Streaming Speech Translation中提出的。
ApacheCN_飞龙
2024/06/26
2980
FAIR 何恺明、Piotr、Ross等新作,MAE才是YYDS!仅用ImageNet1K,Top-1准确率87.8%!
在本文中,作者证明了masked autoencoders(MAE) 是一种可扩展的计算机视觉自监督学习方法。本文的MAE方法很简单:mask输入图像的随机patch,并重建丢失的像素 。它基于两个核心设计的。
CV君
2021/11/18
8080
FAIR 何恺明、Piotr、Ross等新作,MAE才是YYDS!仅用ImageNet1K,Top-1准确率87.8%!
Transformers 4.37 中文文档(五十一)
PEGASUS-X 模型由 Jason Phang、Yao Zhao 和 Peter J. Liu 在 Investigating Efficiently Extending Transformers for Long Input Summarization 中提出。
ApacheCN_飞龙
2024/06/26
1890
Transformers 4.37 中文文档(五十一)
Transformers 4.37 中文文档(五十二)
ProphetNet 模型是由 Yu Yan, Weizhen Qi, Yeyun Gong, Dayiheng Liu, Nan Duan, Jiusheng Chen, Ruofei Zhang, Ming Zhou 于 2020 年 1 月 13 日提出的ProphetNet: Predicting Future N-gram for Sequence-to-Sequence Pre-training。
ApacheCN_飞龙
2024/06/26
1540
时隔两年,CV大神何恺明最新一作:视觉预训练新范式MAE!大道至简!
论文「Masked Autoencoders Are Scalable Vision Learners」证明了 masked autoencoders(MAE) 是一种可扩展的计算机视觉自监督学习方法。
昱良
2021/11/19
8100
时隔两年,CV大神何恺明最新一作:视觉预训练新范式MAE!大道至简!
Transformers 4.37 中文文档(九十五)
TrOCR 模型是由 Minghao Li、Tengchao Lv、Lei Cui、Yijuan Lu、Dinei Florencio、Cha Zhang、Zhoujun Li、Furu Wei 在TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models中提出的。TrOCR 包括一个图像 Transformer 编码器和一个自回归文本 Transformer 解码器,用于执行光学字符识别(OCR)。
ApacheCN_飞龙
2024/06/26
3120
Transformers 4.37 中文文档(九十五)
Transformers 4.37 中文文档(九十八)
PatchTSMixer 模型是由 Vijay Ekambaram、Arindam Jati、Nam Nguyen、Phanwadee Sinthong 和 Jayant Kalagnanam 在TSMixer: Lightweight MLP-Mixer Model for Multivariate Time Series Forecasting中提出的。
ApacheCN_飞龙
2024/06/26
3540
Transformers 4.37 中文文档(九十八)
推荐阅读
相关推荐
带掩码的自编码器MAE详解和Pytorch代码实现
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档