像素，分辨率，尺寸之间的关系是什么？？ 像素，分辨率，尺寸之间的关系是什么？
\u56fe\u50cf\u6587\u4ef6\u5927\u5c0f\uff0c\u50cf\u7d20\uff0c\u5206\u8fa8\u7387\uff0c\u5c3a\u5bf8\u6709\u4ec0\u4e48\u5173\u7cfb\u5206\u8fa8\u7387\uff08resolution\uff09\u3002
\u5206\u8fa8\u7387\u662f\u548c\u56fe\u50cf\u76f8\u5173\u7684\u4e00\u4e2a\u91cd\u8981\u6982\u5ff5\uff0c\u662f\u6307\u5355\u4f4d\u957f\u5ea6\u5185\u5305\u542b\u7684\u50cf\u7d20\u70b9\u7684\u6570\u91cf\u3002\u5b83\u662f\u8861\u91cf\u56fe\u50cf\u7ec6\u8282\u8868\u73b0\u529b\u7684\u6280\u672f\u53c2\u6570\u3002
\u5206\u8fa8\u7387\u901a\u5e38\u662f\u4ee5\u50cf\u7d20\u6570\u6765\u8ba1\u91cf\u7684\uff0c\u5b83\u7684\u5355\u4f4d\u901a\u5e38\u4e3a\uff1a\u50cf\u7d20/\u82f1\u5bf8\uff08ppi\uff09\u3002\uff08\u8868\u793a\u6bcf\u82f1\u5bf8\u5185\u6709\u591a\u5c11\u50cf\u7d20\u70b9\uff09\u3002
\u5206\u8fa8\u7387\u53ef\u4ee5\u7528\u4e00\u4e2a\u6570\u8868\u793a\uff0c\u8b6c\u5982\uff1a0.3M\u3002\uff08\u537330\u4e07\u50cf\u7d20\uff09\uff1b\u4e5f\u53ef\u4ee5\u7528\u4e00\u5bf9\u6570\u5b57\u8868\u793a\uff0c\u4f8b\u5982\uff1a640\u50cf\u7d20\u00d7480\u3002\uff08\u5b83\u8868\u793a\u4e00\u6761\u6c34\u5e73\u7ebf\u4e0a\u6709640\u50cf\u7d20\u70b9\uff0c\u5171\u6709480\u6761\u7ebf\uff0c640 \u00d7 480 = 30.72\u4e07\u50cf\u7d20\u3002\uff09
\u901a\u5e38\u60c5\u51b5\u4e0b\uff0c\u56fe\u50cf\u7684\u5206\u8fa8\u7387\u8d8a\u9ad8\uff0c\u6240\u5305\u542b\u7684\u50cf\u7d20\u5c31\u8d8a\u591a\uff0c\u56fe\u50cf\u5c31\u8d8a\u6e05\u6670\uff0c\u5370\u5237\u7684\u8d28\u91cf\u4e5f\u5c31\u8d8a\u597d\u3002\u5f53\u7136\uff0c\u5b83\u7684\u6587\u4ef6\u91cf\u4e5f\u5c31\u8d8a\u5927\u3002
\u50cf\u7d20/\u5206\u8fa8\u7387\u4e0e\u7167\u7247\u5c3a\u5bf8
\u50cf\u7d20/\u5206\u8fa8\u7387\u8d8a\u9ad8\uff0c\u5236\u4f5c\u7684\u56fe\u7247\u53ef\u4ee5\u8d8a\u5927\u3002
\u76f8\u673a\u7684\u50cf\u7d20\u3001\u5206\u8fa8\u7387\u4e0e\u7167\u7247\u5c3a\u5bf8\u7684\u5927\u81f4\u5bf9\u5e94\u53c2\u8003\uff1a
30\u4e07 640\u00d7480
50\u4e07 800\u00d7600
80\u4e07 1024\u00d7768 5\u201d \uff083.5\u00d75\u82f1\u5bf8\uff09
130\u4e07 1280\u00d7960 6\u201d \uff084\u00d76\u82f1\u5bf8\uff09
200\u4e07 1600\u00d71200 8\u201d\uff086\u00d78\u82f1\u5bf8) 5\u201d\uff083.5\u00d75\u82f1\u5bf8\uff09
310\u4e07 2048\u00d71536 10\u201d\uff088\u00d710\u5bf8\uff09 7\u201d\uff085\u00d77\u82f1\u5bf8\uff09
430\u4e07 2400\u00d71800 12\u201d\uff0810\u00d712\u82f1\u5bf8\uff09 8\u201d\uff086\u00d78\u82f1\u5bf8\uff09
500\u4e07 2560\u00d71920 12\u201d\uff0810\u00d712\u82f1\u5bf8\uff09 8\u201d\uff086\u00d78\u82f1\u5bf8\uff09
600\u4e07 3000\u00d72000 14\u201d\uff0811\u00d714\u82f1\u5bf8\uff09 10\u201d\uff088\u00d710\u5bf8\uff09
800\u4e07 3264\u00d72488 16\u201d\uff0812\u00d716\u82f1\u5bf8\uff09 10\u201d\uff088\u00d710\u5bf8\uff09
1100\u4e07 4080\u00d72720 20\u201d\uff0816\u00d720\u82f1\u5bf8\uff09 12\u201d\uff0810\u00d712\u82f1\u5bf8\uff09
1400\u4e07 4536\u00d73024 24\u201d\uff0818\u00d724\u82f1\u5bf8\uff09 14\u201d\uff0811\u00d714\u82f1\u5bf8\uff09
\u4ee5\u4e0a\u4ec5\u4f9b\u5927\u81f4\u53c2\u8003\u3002
\u50cf\u7d20\u603b\u91cf\u4e0d\u53d8\uff0c\u56fe\u50cf\u5c3a\u5bf8\u4e0e\u5206\u8fa8\u7387\u6210\u53cd\u6bd4\u3002\u56fe\u50cf\u8d8a\u5927\uff0c\u5355\u4f4d\u9762\u79ef\u7684\u50cf\u7d20\u8d8a\u5c11\uff0c\u5373\u5206\u8fa8\u7387\u8d8a\u4f4e\uff0c\u753b\u8d28\u8d8a\u5dee\u3002
\u6587\u4ef6\u5927\u5c0f\uff08KB\u3001M\u3001G) \u5f71\u50cf\u6587\u4ef6\u7684\u5927\u5c0f\u5176\u5b9e\u5c31\u662f\u6587\u4ef6\u7684\u50a8\u5b58\u5bb9\u91cf\uff0c\u4e5f\u5c31\u662f\u6587\u4ef6\u5185\u5bb9\u5b9e\u9645\u5177\u6709\u7684\u5b57\u8282\u6570\u3002\u5b83\u4ee5B(Byte)\u4e3a\u8ba1\u91cf\u5355\u4f4d\u3002\u5b83\u5e76\u4e0d\u662f\u56fe\u7247\u4e13\u7528\u7684\u8868\u793a\u65b9\u6cd5\uff0c\u800c\u662f\u7535\u8111\u6570\u636e\u7684\u8868\u793a\u65b9\u6cd5
\u5bb9\u91cf\u7684\u5355\u4f4d\u4ece\u5c0f\u5230\u5927\u4f9d\u6b21\u662f\uff1aB\u3001KB\u3001MB\u3001GB\u3001TB\uff0c------ \u5b83\u4eec\u4e4b\u95f4\u662f1024\u8fdb\u4f4d\u5236\u3002
B\uff0c\u662f\u7535\u8111\u5b58\u50a8\u7684\u57fa\u672c\u5355\u4f4d\uff1a\u5b57\u8282\u30021\u4e2a\u82f1\u6587\u5b57\u7b26\u662f1\u4e2a\u5b57\u8282,\u53731B\uff0c1\u4e2a\u6c49\u5b57\u4e3a2\u4e2a\u5b57\u7b26\uff0c\u53732B\u3002
K\uff0c\u662f\u5343\u7684\u610f\u601d\uff0c KB\u4e5f\u5c31\u662f1000\u5b57\u8282\uff0c\u4f46\u8ba1\u7b97\u673a\u7684\u8fd0\u7b97\u548c\u6570\u5b66\u6709\u6240\u4e0d\u540c\uff0c\u662f1024\u5b57\u8282\u4e3a 1KB\uff0c\u6240\u4ee5\u8bf4 1024B=1KB
M\uff0c\u662f\u5146\u3001\u767e\u4e07
G\uff0c\u662f\u5409\u5b57\u8282\uff0c\u5373\u5343\u5146\uff0810\u4ebf\uff09
T, \u662f\u592a\u5b57\u8282\uff0c\u4e07\u4ebf
\u5373\uff1a
1 KB = 1024 B \uff1b
1 MB = 1024 KB \uff1b
1 GB = 1024 MB
1 TB = 1024 GB
\u901a\u5e38\u4eba\u4eec\u90fd\u4f7f\u7528\u7b80\u4fbf\u7684\u53eb\u6cd5\uff0c\u628a\u540e\u9762\u7684\u201cB\u201d\u53bb\u6389\u3002
\u5206\u8fa8\u7387\u4e0e\u6587\u4ef6\u5927\u5c0f \u56fe\u50cf\u6587\u4ef6\u7684\u5927\u5c0f\uff0c\u4e00\u822c\u6765\u8bf4\uff0c\u4e0e\u8bbe\u5b9a\u7684\u5206\u8fa8\u7387\u6210\u6b63\u6bd4\uff0c\u5206\u8fa8\u7387\u8d8a\u9ad8\uff0c\u56fe\u50cf\u7684\u6587\u4ef6\u8d8a\u5927\u3002\u4f46\u662f\uff0c\u8bbe\u5b9a\u7684\u5206\u8fa8\u7387\u76f8\u540c\uff0c\u56fe\u50cf\u6587\u4ef6\u7684\u5927\u5c0f\u5374\u5e76\u4e0d\u76f8\u540c\uff0c\u6709\u7684\u4ec5\u51e0\u767eK\uff0c\u6709\u7684\u53ef\u80fd\u662f\u51e0M\uff08\u5146\uff09\u3002\u8fd9\u662f\u62cd\u6444\u5bf9\u8c61\u4e0d\u540c\u7684\u7f18\u6545\u3002\u5982\u679c\u62cd\u6444\u5bf9\u8c61\u7684\u8272\u5f69\u3001\u7ec6\u8282\u3001\u5c42\u6b21\u4e30\u5bcc\uff0c\u5982\u8272\u5f69\u6591\u6593\u7684\u82b1\u4e1b\u7b49\uff0c\u56fe\u50cf\u7684\u6587\u4ef6\u5c31\u53ef\u80fd\u5927\uff1b\u5982\u679c\u62cd\u6444\u5bf9\u8c61\u7684\u8272\u5f69\u3001\u7ec6\u8282\u3001\u5c42\u6b21\u5355\u4e00\uff0c\u5982\u4e00\u9762\u7c89\u58c1\u767d\u5899\uff0c\u6674\u6717\u7684\u84dd\u5929\uff0c\u56fe\u50cf\u7684\u6587\u4ef6\u5c31\u53ef\u80fd\u5c0f\u4e9b\u3002
\u5c3a\u5bf8\u80fd\u51b3\u5b9a\u6700\u5927\u5206\u8fa8\u7387\uff0c\u8fd9\u4e2a\u662f\u663e\u793a\u5c4f\u7684\u5206\u8fa8\u7387\uff0c\u800c\u4e0d\u662f\u56fe\u7247\u7684\u5206\u8fa8\u7387\uff0c\u660e\u767d\u4e86\u5427\u662f\u8bfb\u53d6\u56fe\u7247\u7684\u80fd\u529b\u3002
\u548c\u56fe\u50cf\u672c\u8eab\u7684\u50cf\u7d20\u548c\u5206\u8fa8\u7387\u5982\u4e0b\uff1a
\u6211\u53ea\u662f\u6444\u5f71\u7231\u597d\u8005\uff0c\u4e0d\u4e13\u4e1a\uff0c\u4e0d\u8fc7\u4e0d\u81f3\u4e8e\u73a9\u5168\u81ea\u52a8\u64cd\u4f5c\u3002\u3002\u3002\u3002
\u4f46\u662f\u6211\u4e5f\u7a0d\u5fae\u544a\u8bc9\u4f60\u4e00\u4e9b\u4e1c\u897f\u3002\u50cf\u7d20\u662f\u56fe\u7247\u70b9\u7684\u6570\u503c\uff0c\u50cf\u7d20\u662f\u4e00\u4e2a\u5355\u4f4d\uff0c\u800c\u5206\u8fa8\u7387\u662f\u4e00\u4e2a\u540d\u8bcd\uff0c\u6bd4\u59821400\u4e07\u50cf\u7d20\uff0c\u90a3\u8fd9\u4e2a\u201c1400\u4e07\u50cf\u7d20\u201d\u662f\u4ec0\u4e48\uff0c\u5c31\u662f1400\u4e07\u50cf\u7d20\u7684\u5206\u8fa8\u7387\u554a\uff0c\u7136\u540e\u9ad8\u4e58\u5bbd\u662f\u538b\u7f29\u554a\uff0c\u5e76\u975e\u6253\u5370\u3002
\u50cf\u7d20\u662f\u6307\u7167\u7247\u7684\u70b9\u6570\uff08\u8868\u793a\u7167\u7247\u662f\u7531\u591a\u5c11\u70b9\u6784\u6210\u7684\uff09\uff0c\u5206\u8fa8\u7387\u662f\u6307\u7167\u7247\u50cf\u7d20\u70b9\u7684\u5bc6\u5ea6\uff08\u662f\u7528\u5355\u4f4d\u5c3a\u5bf8\u5185\u7684\u50cf\u7d20\u70b9\uff0c\u4e00\u822c\u7528\u6bcf\u82f1\u5bf8\u591a\u5c11\u70b9\u8868\u793a--dpi\uff09\u3002\u7167\u7247\u5b9e\u9645\u5927\u5c0f\u662f\u50cf\u7d20\u51b3\u5b9a\u7684\u3002\u4e00\u4e2a\u50cf\u7d20\u5f88\u5927\u7684\u7167\u7247\uff0c\u5982\u679c\u5c06\u5206\u8fa8\u7387\u8bbe\u7f6e\u5f88\u5927\u7684\u8bdd\uff0c\u6253\u5370\u51fa\u6765\u7684\u7167\u7247\u53ef\u80fd\u5e76\u4e0d\u5927\uff08\u4f46\u662f\u5f88\u6e05\u6670\uff09\u3002\u53cd\u4e4b\uff0c\u4e00\u4e2a\u50cf\u7d20\u5e76\u4e0d\u5f88\u5927\u7684\u7167\u7247\uff0c\u5982\u679c\u5c06\u5206\u8fa8\u7387\u8bbe\u7f6e\u5f97\u5f88\u5c0f\uff0c\u90a3\u4e48\u6253\u5370\u51fa\u6765\u7684\u7167\u7247\u53ef\u80fd\u5f88\u5927\uff08\u4f46\u662f\u4e0d\u6e05\u6670\uff09\u3002
\u50cf\u7d20
\u6700\u5927\u5206\u8fa8\u7387
\u4ee5
200dpi\u6700\u5927\u5c3a\u5bf8
\u4ee5300dpi\u6700\u5927\u5c3a\u5bf8
30\u4e07
640\u00d7480
\u3000
\u3000
50\u4e07
800\u00d7600
\u3000
\u3000
80\u4e07
1024\u00d7768
5\u201d
\uff083.5\u00d75\u82f1\u5bf8\uff09
\u3000
130\u4e07
1280\u00d7960
6\u201d
\uff084\u00d76\u82f1\u5bf8\uff09
\u3000
200\u4e07
1600\u00d71200
8\u201d\uff086\u00d78\u82f1\u5bf8
5\u201d\uff083.5\u00d75\u82f1\u5bf8\uff09
310\u4e07
2048\u00d71536
10\u201d\uff088\u00d710\u5bf8\uff09
7\u201d\uff085\u00d77\u82f1\u5bf8\uff09
430\u4e07
2400\u00d71800
12\u201d\uff0810\u00d712\u82f1\u5bf8\uff09
8\u201d\uff086\u00d78\u82f1\u5bf8\uff09
500\u4e07
2560\u00d71920
12\u201d\uff0810\u00d712\u82f1\u5bf8\uff09
8\u201d\uff086\u00d78\u82f1\u5bf8\uff09
600\u4e07
3000\u00d72000
14\u201d\uff0811\u00d714\u82f1\u5bf8\uff09
10\u201d\uff088\u00d710\u5bf8\uff09
800\u4e07
3264\u00d72488
16\u201d\uff0812\u00d716\u82f1\u5bf8\uff09
10\u201d\uff088\u00d710\u5bf8\uff09
1100\u4e07
4080\u00d72720
20\u201d\uff0816\u00d720\u82f1\u5bf8\uff09
12\u201d\uff0810\u00d712\u82f1\u5bf8\uff09
1400\u4e07
4536\u00d73024
24\u201d\uff0818\u00d724\u82f1\u5bf8\uff09
14\u201d\uff0811\u00d714\u82f1\u5bf8\uff09
\u4ee5\u4e0a\u90fd\u662f\u5927\u7ea6\u5c3a\u5bf8\u3002
\u8bf7\u91c7\u7eb3\u6216\u8ffd\u95ee\u3002
像素是数码相机感光器件(CCD或COMS片)上的感光最小单位。
分辨率，一般分辨率都是屏幕的分辨率，显示分辨率就是屏幕上显示的像素个数，例如800*640，水平方向含有像素数为800个，垂直方向像素数640个。描述分辨率的单位有：（dpi点每英寸）、lpi（线每英寸）和ppi（像素每英寸）。
尺寸，及屏幕对角线长度。
扩展资料：
原理：
从像素的思想派生出几个其它类型的概念，如体素（voxel）、纹素（texel）和曲面元素（surfel），它们被用于其它计算机图形学和图像处理应用。
点有时也用来表示像素，特别是计算机市场营销人员，多数时间使用DPI（dots per inch）表示。我们可以说在一幅可见的图像中的像素或者用电子信号表示的像素，或者用数码表示的像素，或者显示器上的像素，或者数码相机（感光元素）中的像素。
这个列表还可以添加很多其它的例子，根据上下文会有一些更为精确的同义词，例如画素，采样点，字节，比特，点，斑，超集，三合点，条纹集，窗口等。
参考资料来源：百度百科-像素
一、像素与照片尺寸、分辨率之间的基本关系
“像素”是数码相机感光器件(CCD或COMS片)上的感光最小单位。就像是光学相机的感光胶片的银粒一样，它是记录在数码相机的“胶片”（感光器件）上感光点——即像素。
要想得到分辨率高（也就是细腻的照片），就必须保证有一定的像素数。那么是不是像素高的相机拍出的照片就一定比像素低的相机拍出的照片清晰呢？这首先要搞清一个概念，照片的清晰度不是取决于像素数，而是取决于像素的“点密度”（就是图片的分辨率——用ppi表示，单位是“像素/英寸”），“像素数”和“点密度”是两个概念，“像素数”（点数）是感光点的总量，而“点密度”是单位面积上的点数（像素点），只有单位面积上的感光点数越多，拍出的照片才越细腻。所以，反映照片清晰程度的参数是“点密度”（照片的分辨率），而非总的点数。像素虽高，若印的照片也很大，其“点密度”并不高，照片照样也不细腻。相反，像素不高，若只印很小幅面的照片，也可以得到很细腻的照片。所以确切地说，像素高，意味着能拍出幅面大的照片——像素越高，照片的尺寸必然越大。所以，“像素”的高低，表示着照片幅面的大小。这样说来，我们购买相机的时候，就要考虑你准备拍摄的照片的最大尺寸是多大，再决定要求的像素数。若你准备开影楼或做广告，需要放大很大幅面的照片，就需要选择“高像素”的相机；若只是家庭使用，不准备放很大的照片，也就不必追求太高的像素数。当然，高像素的代价是高价位，所以大家在选择相机时，既要考虑自己的实际需要，也要考虑经济承受能力。
二、像素与照片尺寸、分辨率之间的计算实例
一般的数码相机都会提供几种不同像素单位的模式，比如640×480、1024×768、1600 ×1200、2048×1536……，其每一组数字中，前一个数字表示在照片的长度方向上所含的像素点数，后一数字表示在宽的方向上所含的像素点数，两者的乘积，就是像素数。比如1600×1200＝1920000≈2000000，就是200万（像素）。 关于比较专业的表述我在以前的文章中已经有过比较详细的介绍，在此文中就不再熬述了。这是一个像素的概念。
而图片的分辨率决定于图片的像素数与图片的尺寸（幅面）大小，像素数高且图片尺寸小的图片，即单位面积上的像所含的像素数多的图片，其分辨率也高。在图片处理软件上打开图片时，就会看到一组数字，有图片像素数，文档大小（长、宽的尺寸）。根据此数据，即可计算出该图片的分辨率。计算的方法是，以其在长度方向上的像素数，除以长度的尺寸数（英寸）。或以其在宽度方向的像素数，除以宽度的尺寸数（英寸）。例如以图片的像素是640×480，其尺寸大小是：长：3.556寸，宽：2.667寸；该图片的分辨率即为640÷3.556＝180（像素/英寸），或480÷2.667＝180（像素/英寸）；再比如，一图片的像素是640×480，其尺寸大小为宽9寸、高6.7寸，该图片的分辨率就是：640÷8.9＝72（像素/英寸）。显然前者的分别率要高于后者，即前者的清晰度肯定要比后者好。分辨率是图片清晰程度的主要标志，在分辨率一定的情况下，像素值是图片的幅面的标志。像素值大，只能说明该图片的幅面大，并不能说明其清晰程度，清晰程度如何，则要看其分辨率的大小。这是一个像素与清晰度的概念。
拍摄时，每个相机都有几组不同的像素值供我们选择，我们应怎样设定像素的大小呢？首先说明，设定的像素大（文档大），占据记忆卡的资源也大，记忆卡所能容纳的图片数目也就少，即能拍摄的照片少；反之，设定的像素小，能拍摄的照片就多；假若我们想多拍照片，就把像素设定的小一些；假若我们想在后期放大照片，就设定高像素。
前面说到的照片的清晰程度取决于图片的分辨率，也可以用“点密度”（单位面积上的点数）来反映；在保证照片清晰的前提下，我们如何选择像素值呢？这就要看我们准备打印多大幅面的照片了。人肉眼所能分辨的最小距离大致为0.1mm, 它所表现在1英寸照片上(图片大都用英寸表示)即为25.4mm, 也就是说图片分辨率高于254（像素/英寸）的图像的清晰度，在眼睛看来是没有什么区别的。其实，在实践中，分辨率大于100（像素/英寸）的图片已很难用肉眼分辨了。
还需要说明一点的是，平时我们所说的照片大小都用“英寸”来表示，“英寸”是个长度单位，怎么能表示照片的面积呢？目前数码照相机大多数照片的长宽比例是4 ：3(即您用它来打印6寸的照片是不需要裁剪的)。 我们通常所说的5寸照片（5×3.5），即长度为5英寸，宽度为3.5英寸。但大家都习惯地以其长度来表示照片的大小。再如6寸照片，就是长为6英寸，宽为4英寸。这里需要注意一点是，10寸照片的面积并不是5寸照片面积的2倍，这一点您只要做个计算就知道了。
1英寸＝25.4mm, 5寸的照片换算成厘米就是长度为2.54cm×5＝12.7cm, 宽度为2.54cm×3.5＝8.89cm,。
那么要拍出清晰的5寸照片其像素数应该是多少呢？按照前面所提到的根据肉眼的分辨率的要求，当每英寸里含有72个像素点(即图片分辨率)以上，就可拍出清晰的照片，假如我们按图片分辨率为120计算，5寸照片在长度方向上应有：120×5＝600（像素）， 在宽度方向上应有：120（像素/英寸）×3.5（英寸）＝420(像素)，即在5寸照片的面积上含有的像素数应为：600×420＝25（万），也就是说当我们把相机的最低像素值设置在640×480像素（30万像素）时即可拍出比较清晰的照片来了。按此类推，如拍摄10寸的照片有115万像素就可以了。换句话说，您只要满足200万的像素，足可拍出很清晰的10寸照片来了。这是一个像素与照片尺寸的概念。
分辨率乘以像素等于英寸尺寸，180*80cm就是7'*3.15'，要是用100dpi分辨率就是700*315=220500像素，约22万像素
1．什么是像素？
简单的说，我们通常所说的像素，就是CCD/CMOS上光电感应元件的数量，一个感光元件经过感光，光电信号转换，A/D转换等步骤以后，在输出的照片上就形成一个点，我们如果把影像放大数倍，会发现这些连续色调其实是由许多色彩相近的小方点所组成，这些小方点就是构成影像的最小单位“像素”
（Pixel）。
像素分为CCD像素和有效像素,现在市场上的数码相机标示的大部分是CCD的像素而不是有效像素。
2．什么是分辨率？
说到像素就不得不说说分辨率了。因为两者密不可分！
所谓的“分辨率”指的是单位长度中，所表达或撷取的像素数目。和像素一样，分辨率也分为很多种。
其中最常见的就是影像分辨率，我们通常说的数码相机输出照片最大分辨率，指的就是影像分辨率，单位是ppi（Pixel
per
Inch）
打印分辨率也是很常见的一种，顾名思义，就是打印机或者冲印设备的输出分辨率，单位是dpi（dot
per
inch）
显示器分辨，就是Windows桌面的大小。常见的设定有640x480、800x600、1024x768…等。屏幕字型分辨率：PC的字型分辨率是96dpi，Mac的字型分辨率是72dpi。
当然还会有其他输出设备的分辨率。由于种类繁多，在此就不详细说明了，有兴趣的朋友可以自己去网上搜索一下。
3．影像分辨率和像素的关系
说完了像素和分辨率的定义，让我们来看看两者的关系。细心的朋友也许已经发现，像素和分辨率是成正比的，像素越大，分辨率也越高。让我们来举例说明！
前文已经提到，像素分有效像素和CCD像素
通常来说200万像素的数码相机，最大影像分辨率是1600×1200＝192万像素，也就是说，实际的有效像素就是192万。
通常所说的300万像素的数码相机，最大影像分辨率是2048×1536＝3145728像素，也就是说有效像素为314万。
其他像素级的数码相机，其分辨率和有效像素的换算也是如此。
可以看出，像素越高，最大输出的影像分辨率也越高
参考资料：摄影知识ABC
我来算一下，如果不对请指正：
1、分辨率分为影像分辨率和打印分辨率。影像分辨率单位是像素每英寸，打印分辨率单位是点每英寸。
2、180CM的输出一般是用喷绘，喷绘的打印分辨率一般在30-45DPI
3、我们按45DPI来算，180*80CM可折算成70*31英寸，那么图片的高应该是70*45=3150，宽应该是31*45=1395，单位是点。
4、像素和点是有区别的，点可以说是硬件设备最小的显示单元，而像素则既可是一个点，又可是多个点的集合。
5、输出之前，图片模式要改成CMYK。
绛旓細渚嬪锛岀ぞ淇濆崱鐓х墖瑕佹眰鍍忕礌涓358脳441锛屽垎杈ㄧ巼涓350锛屾墦鍗板昂瀵稿張鏄3.5cm脳4.5cm锛屾妸浜烘悶鐨勪竴澶撮浘姘达紝闈炰笓涓氫汉澹笉澶竻妤氳繖浜涘崟浣涔嬮棿鐨勫叧绯锛屼篃娌℃湁鐩磋姒傚康锛屼粖澶╁氨涓哄ぇ瀹朵粙缁嶄竴娆剧収鐗囧昂瀵稿崟浣嶆崲绠楃殑宸ュ叿锛屼互鍙婂父瑙佽瘉浠剁収鍜屾枃妗ｅ昂瀵告煡璇㈢殑宸ュ叿锛屽苟鏁欏ぇ瀹跺浣曞皢涓寮犵収鐗囧揩閫熷埗浣滄垚鎵闇鐨灏哄鍒嗚鲸鐜澶у皬銆備竴...
绛旓細鍍忕礌鏄鍥剧墖瀛樺湪鐨勬渶灏忕殑鍗曞厓锛屼篃灏辨槸浣犳斁澶х収鐗囨墍鐪嬪埌鐨勬渶灏忕殑鏍煎瓙銆鍒嗚鲸鐜囨槸涓涓瘮鍊硷紝鎰忔濇槸鍗曚綅闈㈢Н涓锛屽儚绱犵殑澶氬皯锛屾湁鐐圭被浼煎瘑搴︾殑姒傚康锛屼粬浠兘鏄竴涓瘮鍊笺鍒嗚鲸鐜囩殑楂樹綆鏄‘瀹氱収鐗囩殑缁嗚吇绋嬪害锛屼篃灏辨槸鑹插僵浠庝竴涓鑹茶繃搴﹀埌鍏朵粬棰滆壊鐨勯樁姊笺
绛旓細鍥剧墖鐨勫昂瀵稿拰鍒嗚鲸鐜囬兘鏄鎻忚堪鍥剧墖鐨勬竻鏅板害锛屽浘鐗囩殑灏哄x鍥剧墖鐨勫垎杈ㄧ巼=鍥剧墖鐨鍍忕礌銆備袱鑰呭浜庢弿杩板浘鐗囨竻鏅板害鎴愭姣斻傚浘鐗囩殑灏哄鏄鎻忚堪涓寮犲浘鐗囩殑澶у皬鏁版嵁锛岄氬父鎻忚堪涓衡滃浘鐗囬暱1920銆佸1080鈥濄傛暟瀛楀浘鐗囩殑鈥滈暱瀹解濆苟闈炵墿鐞嗘剰涔夌殑闀垮害鍗曚綅锛岃屾槸鍦ㄥ浘鐗団滄í鈥濆拰鈥滅珫鈥濊繖涓や釜缁村害涓婂寘鍚殑鍍忕礌涓暟銆傛瘮濡傦紝1920脳...
绛旓細鍒嗚鲸鐜囧拰鍍忕礌鍐冲畾鐓х墖鐨勬竻鏅板害锛屽儚绱犺秺澶锛屽垎杈ㄧ巼瓒婇珮锛岀収鐗囪秺娓呮櫚锛屽彲杈撳嚭鐓х墖灏哄涔熷彲浠ヨ秺澶с傚湪澶ч儴鍒嗘暟鐮佺浉鏈哄唴锛屽彲浠ラ夋嫨涓嶅悓鐨勫垎杈ㄧ巼鎷嶆憚鍥剧墖銆備竴鍙版暟鐮佺浉鏈虹殑鍍忕礌瓒婇珮锛屽叾鍥剧墖鐨勫垎杈ㄧ巼瓒婂ぇ銆傚垎杈ㄧ巼鍜屽浘璞＄殑鍍忕礌鏈夌洿鎺鐨勫叧绯銆備竴寮犲垎杈ㄧ巼涓640 x 480鐨勫浘鐗囷紝閭ｅ畠鐨勫儚绱犲氨杈惧埌浜307200锛屼篃灏辨槸鎴戜滑甯...
绛旓細鍥惧儚灏哄鐨闀垮害涓庡搴︽槸浠鍍忕礌涓鍗曚綅鐨勶紝鏈夌殑鏄互鍘樼背涓哄崟浣嶃傚儚绱犱笌鍒嗚鲸鐜囧儚绱犳槸鏁扮爜褰卞儚鏈鍩烘湰鐨勫崟浣锛屽垎杈ㄧ巼鍐冲畾浜鍍忕礌鐨澶氬皯銆傞氬父鎯呭喌涓嬶紝鍥惧儚鐨勫垎杈ㄧ巼瓒婇珮锛屾墍鍖呭惈鐨勫儚绱犲氨瓒婂锛屽浘鍍忓氨瓒婃竻鏅帮紝鍗板埛鐨勮川閲忎篃灏辫秺濂姐傚悓鏃讹紝瀹冧篃浼氬鍔犳枃浠跺崰鐢ㄧ殑瀛樺偍绌洪棿锛屾墍浠ュ浘鍍忔枃浠朵篃灏辫秺澶с
绛旓細鍍忕礌=鍒嗚鲸鐜嚸灏哄锛屽嵆鍒嗚鲸鐜囪秺楂橈紝鍍忕礌灏辫秺楂橈紱鍒嗚鲸鐜囪秺浣庯紝鐩稿鍦帮紝鍍忕礌涔熶細鍑忓皯锛屼袱鑰涔嬮棿鏄鎴愭姣鍏崇郴銆傚搴﹀拰楂樺害鏄昂瀵革紝鍗虫墦鍗版垨鑰呭嵃鍒峰悗鐨勭墿鐞嗗昂瀵革紝骞朵笉绛夊悓浜鍍忕礌锛鍥犳瑁佸壀鐨勬槸鍥剧墖鐨勫昂瀵搞備竴寮鍒嗚鲸鐜囦负640 x 480鐨勫浘鐗囷紝閭ｅ畠鐨勫垎杈ㄧ巼灏辫揪鍒颁簡307200鍍忕礌锛屼篃灏辨槸鎴戜滑甯歌鐨30涓囧儚绱狅紝鑰屼竴寮...
绛旓細5瀵搞7瀵搞10瀵哥瓑澶氱鐓х墖灏哄濡傚浘鎵绀恒傜収鐗囩殑灏哄鏄浠ヨ嫳瀵镐负鍗曚綅锛岀収鐗囩殑鈥滃鈥濇寚鐨勬槸鈥滆嫳瀵糕濓紝1鑻卞=2.54鍘樼背 5鑻卞=12.7鍘樼背璁插灏戝锛屾槸鎸囬暱杈圭殑鑻卞鏁帮紝姣斿5 x 3.5灏辨槸5瀵搞傚鏋滄兂瑕佹壒閲忎慨鏀瑰浘鐗灏哄锛鐓х墖灏哄瀵圭収鍘樼背琛ㄥ鍥炬墍绀猴紝鐢佃剳绔偣鍑昏繖閲屽厤璐逛笅杞解>> 銆怉I鏅鸿兘淇敼鏍囧噯灏哄锛...
绛旓細鏄剧ず鍣ㄦí鍚戝拰绾靛悜鐨勫儚绱犲瓙鎬讳釜鏁板彨鍒嗚鲸鐜銆傚儚绱犻棿璺濇寚鍍忕礌鐨勫瘑搴︼紝鍗宠繛缁袱涓儚绱犵殑涓績涔嬮棿鐨璺濈銆傚儚绱犻棿璺濓紙pixel pitch锛変細褰卞搷鏄剧ず鍣ㄧ殑鏈浣宠鐪嬭窛绂汇傛瘡涓樉绀哄櫒閮芥湁鑷繁鐨勬渶浣宠鐪嬭窛绂汇傚儚绱犻棿璺濆ぇ鐨勯傚悎杩滆窛绂荤湅锛屽儚绱闂磋窛灏忕殑閫傚悎杩戣窛绂荤湅銆傚睆骞灏哄 = 鍒嗚鲸鐜 + 鍍忕礌闂磋窛 ...
绛旓細瑕佺‘瀹氱収鐗囧湪瀹戒负 26mm銆侀珮涓 32mm锛屽垎杈ㄧ巼涓 250dpi 鏃剁殑鍍忕礌鏁帮紝鎴戜滑棣栧厛瑕佷簡瑙ｅ垎杈ㄧ巼涓庡儚绱犱互鍙灏哄涔嬮棿鐨勫叧绯銆傚垎杈ㄧ巼锛坉pi锛夋弿杩颁簡姣忚嫳瀵告湁澶氬皯涓儚绱犵偣銆傚洜姝わ紝鎴戜滑鍙互浣跨敤浠ヤ笅鏁板鍏紡鏉ヨ绠楃収鐗囩殑鍍忕礌澶у皬锛氬儚绱犳暟锛坧x锛 = 灏哄锛坢m锛 脳 鍒嗚鲸鐜囷紙dpi锛 脳 杞崲鍥犲瓙 杩欓噷锛岃浆鎹㈠洜瀛愮敤浜庡皢姣背...
绛旓細杩欎笁涓笓涓氬悕璇涔嬮棿锛屾湁鐫闈炲父涓ヨ皑鐨勫叧绯銆備负鍟ヨ涓ヨ皑鍛紝鍥犱负杩欎笁鑰呬箣闂达紝鏈変竴涓叕寮忓彲浠ヨ〃绀恒傝繖涓叕寮忕湡鏄畝鍗曟槑浜嗭紝鎶婂緢澶氱枒闂兘缁欐垜浠В鍐充簡銆傛垜浠繕鏄嬁鍗庝负鑽ｈ7鎵嬫満涓轰緥锛屾垜浠煡閬撳畠鐨灏哄涓5.2鑻卞锛屽垎杈ㄧ巼涓1920px*1080px锛1920px灏辨槸鍏紡閲岀殑绾靛悜锛1080px灏辨槸鍏紡閲岀殑妯悜浜嗭級銆備綘涓嶄俊鐨...
