问计算机视觉深度学习算法的最佳图像PPI

EN

PPI只与物理对象相关，如屏幕或纸上的表示。它是每英寸的像素，并定义了图像X与Y像素在该对象上的大小。所以，如果你有一个256×256像素的图像，并且在屏幕上显示256 PPI，如果你把尺子放在上面，它将是1英寸正方形。

许多物理器件具有自然的PPI特性。屏幕通常是72 PPI，100 PPI，或大约300 PPI用于"Retina“设备。激光打印机开始在300 PPI和更高。

因此，如果在100个PPI屏幕上显示一个256x256图像，作为一个图像像素到一个屏幕像素的直接映射，您将得到一个2.56“的图像。

如果你放大图像，你可以使它在屏幕上更大，现在它将覆盖超过256像素的屏幕。底层图像数据仍然是一个256 x 256值的数组。

扫描仪是PPI的另一个重要领域。如果你以300 PPI扫描1英寸的图像，你会得到300×300像素的图像。将扫描仪设置为1200 DPI，得到1200 x 1200像素的图像，这是更精细的细节。

总之，PPI与CV或ML算法无关，因为它们只关心像素数。

图像分辨率和PPI在目标检测和识别中起着重要的作用。不管你是使用复杂的神经网络，传统的计算机视觉方法，还是用你自己的眼睛看，如果你有一个物体在一幅图像中只有4到4个像素，那么你将无法用任何方法可靠地检测到它，除非它在场景中有一个独特的颜色。即使如此，另一个在正确距离上颜色相同的物体也会被误认为它，因为根本就没有足够的像素来分辨区别。

这背后的概念叫做像素密度。不同的计算机视觉任务，无论它们提出的解决方案，需要不同的最小像素密度。例如，如果我们对人类感兴趣，这里有一个很好的例子：