這篇要解決一個問題:從新採樣 的各個配置,有什麼不一樣如何?
activeDocument對象在全局對象app中,但能夠直接使用,就像瀏覽器中document之於windownode
activeDocument.resizeImage
/**
* 從新設置圖片大小
* @param width 寬度 number
* @param height 高度 number
* @param resolution 分辨率 number
* @param resampleMethod 從新採樣模式 {@link ResampleMethod}
* @param amount 減小雜色 number 0 - 100
*/
resizeImage: function (width, height, resolution, resampleMethod, amount) {
},
ResampleMethod = { //從新採樣模式
AUTOMATIC: "自動",
BICUBIC: "兩次立方",
BICUBICAUTOMATIC: "兩次立方自動",
BICUBICSHARPER: "兩次立方(較銳利)(縮減)",
BICUBICSMOOTHER: "兩次立方(較平滑)(擴大)",
BILINEAR: "兩次線性",
NEARESTNEIGHBOR: "鄰近(硬邊緣)",
PRESERVEDETAILS: "保留細節(擴大)",
NONE: "無"
};
複製代碼
obj = {
path: "K:\\圖片素材\\head\\",//文件夾
name: "wy.jpg",
config: {
width: 200,
height: 200,
dpi: 72,
ResampleMethod: ResampleMethod.BICUBIC,
}
};
resizeFile(obj,"res-");
/**
* 從新修改一個圖片的尺寸
* @param obj 對象
* @param fix 前綴
*/
function resizeFile(obj, fix) {
var img = File(obj.path + obj.name);
var outName = obj.path + fix + obj.name;//輸出名
open(img);
var config = obj.config;
if (config.ResampleMethod === ResampleMethod.NONE) {
activeDocument.resizeImage(config.width, config.height);
} else {
activeDocument.resizeImage(config.width, config.height, config.dpi, config.ResampleMethod);
}
activeDocument.saveAs(File(outName), JPEGSaveOptions, true, Extension.LOWERCASE);
activeDocument.close(SaveOptions.DONOTSAVECHANGES)
}
複製代碼
models = [ResampleMethod.BICUBIC,//從新採樣模式
ResampleMethod.AUTOMATIC,
ResampleMethod.BICUBIC,
ResampleMethod.BICUBICAUTOMATIC,
ResampleMethod.BICUBICSMOOTHER,
ResampleMethod.BICUBICSHARPER,
ResampleMethod.BILINEAR,
ResampleMethod.NEARESTNEIGHBOR,
ResampleMethod.PRESERVEDETAILS,
ResampleMethod.NONE
];
for (var i = 0; i < models.length; i++) {
obj.config.ResampleMethod = models[i];
var fix = obj.config.ResampleMethod.toString().split(".")[1] + "-";
resizeFile(obj, fix);
}
複製代碼
想了一下用node仍是python呢? 仍是python吧,分析起來方便些python
爲了方便說明,這裏用matplotlib把數據輸出一下web
import os
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
class Datas:
def __init__(self, names=[], sizes=[], ratio=1.0):
self.names = names
self.sizes = sizes
self.ratio = ratio
def path2name(path):
return os.path.basename(path).split("-")[0]
def get_data(path):
datas = Datas()
paths = scan(path)
datas.names = map(path2name, paths)
datas.ratio = 4 / 9
for path in paths:
size = os.stat(path).st_size
size_kb = size / 1024
datas.sizes.append(size_kb)
return datas
# 獲取文件夾中的文件
def scan(dir):
res = []
if os.path.exists(dir):
lists = os.listdir(dir)
for i in range(0, len(lists)):
sonPath = os.path.join(dir, lists[i])
res.append(sonPath)
if os.path.isdir(sonPath):
scan(sonPath)
return res
def draw_bar(labels, quants):
font = FontProperties(fname=r"c:\windows\fonts\msyh.ttc", size=14)
width = 0.5
ind = np.linspace(0, 9, 10) # 0.5~9.5 10個樣本
fig = plt.figure(1, figsize=(15, 5)) # 編號, 寬和高,分辨率, 背景顏色, 邊框顏色, 是否顯示邊框
ax = fig.add_subplot(111) # 一行一列取一塊
ax.bar(ind, quants, width, color='green')
ax.set_xticks(ind)
ax.set_xticklabels(labels, )
ax.set_ylabel('圖片大小/kB', fontproperties=font) # y標籤
ax.set_title('採樣模式', bbox={'facecolor': '0.8', 'pad': 5}, fontproperties=font) # 標題
plt.grid(True)
plt.show()
plt.savefig("bar.jpg")
plt.close()
if __name__ == '__main__':
datas = get_data(r"K:\圖片素材\head")
draw_bar(datas.names, datas.sizes)
複製代碼
作了三組數據:
NEARESTNEIGHBOR 鄰近(硬邊緣) 的尺寸比較大
BICUBICSMOOTHER 兩次立方(較平滑)(擴大) 的尺寸比較小
複製代碼
固然一張圖片的數據並不可靠,下面又作了幾組windows
總的來看,大小差別也不是很大,NEARESTNEIGHBOR 彷佛都是最大的api
感受能夠寫個拼圖的腳本,把一個文件夾的圖都拼在一塊兒,將名字寫在下面
做爲文件夾預覽圖感受挺不錯...瀏覽器
也許對設計師而言,改個尺寸就是點兩下的事,就像呼吸同樣簡單天然。 那圖片尺寸重設的根源是什麼?bash
一張100px*100px的ARGB_8888圖片來講:是由10000個像素組成的,一個像素記錄argb四種顏色信息
因此圖片 = 顏色信息的排列組合 , 顯示器能夠讀取這些信息,而後呈如今人的面前
圖片尺寸往深了說就是:在削減信息的同時保持色彩分佈的一致,這聽起來好像很厲害的樣子
人體由不少細胞構成,細胞中記錄着不少信息,甩掉某些細胞而後變小,還能和原來長得同樣,正常生存
是否是想一想就很奇妙。圖片和人類的區別在於,ps裏有一句api...
但圖片尺寸縮小意味着像素信息的丟失,不管如何,它已再也不是曾經的它
關鍵就在於像素該怎麼丟,因而幾種模式就應運而生:
複製代碼
NEARESTNEIGHBOR: "鄰近(硬邊緣)"
方式: 將相鄰的像素複製到新的位置,以改變像素總值。
優勢: 速度快
缺點: 不夠精確,影像邊緣粗糙不平滑,容易出現馬賽克。
適用: 細節較少,處理簡單、純色的圖像
複製代碼
BILINEAR: "兩次線性"
方式: 以2x2=4個像素爲基礎進行計算,替代原像素以改變像素總值。
優勢: 質量要較鄰近法好,計算速度卻接近鄰近法
缺點: 不夠精確
適用: 細節較少,處理簡單、純色的圖像
複製代碼
BICUBIC: "兩次立方"
方式: 以4x4個像素即16個像素的面積來計算一個新的像素,替代原像素以改變像素總值。
優勢: 結果要更爲精確,比較天然、平滑
缺點: 計算速度相對較慢
適用: 人物照等
複製代碼
BICUBICSMOOTHER: "兩次立方(較平滑)(擴大)"
方式: 以兩次立方法基礎爲基礎,取樣時會更注意影像色彩的漸變部分。
優勢: 結果要更爲精確,漸變動天然、平滑
缺點: 計算速度相對較慢
適用: 廣告攝影,風景,夕陽等漸變豐富、講究層次的影像中
複製代碼
BICUBICSHARPER: "兩次立方(較銳利)(縮減)"
方式: 以兩次立方法基礎爲基礎,取樣時會更注意影像的銳利度。
優勢: 結果要更爲精確,漸變動天然、平滑
缺點: 計算速度相對較慢
適用: 縮小
複製代碼
PRESERVEDETAILS: "保留細節(擴大)"
方式: 主要是減小圖片的雜色。
優勢: 圖片更加細膩
缺點: 計算速度相對較慢
適用: 精細的圖片
複製代碼
其餘幾個自動就不廢話了app
dip和ppi
記得之前寫過一篇屏幕相關的文章,這裏再說一遍,畢竟還挺重要ui
ppi(Pixel Per Inch), 即每英寸的像素。
dpi(Dot Per Inch), 即每英寸的點數。
複製代碼
每英寸的像素數能難倒你嗎?
OPPO-R15X 的 ppi : 2577px/6.4in = 402.65625 px/in 約402.6ppi
OPPO-A77 的 ppi : 2202px/5.5in = 400.363... px/in 約400.4ppi
OPPO-R801 的 ppi : 576px/3.5in = 164.571... px/in 約164.6ppi
複製代碼
一個一元硬幣直徑約1 in,如今讓一元硬幣(包括背景)等大顯示在三個手機上:spa
OPPO-R15X須要用:`402*402=161604 個像素點`
OPPO-A77須要用:`400*400=160000 個像素點`
OPPO-R15X須要用:`164*164=26896 個像素點`
咱們知道像素組成了顯示的圖片,也就是說用161604個點和26896個點組成相同的畫面
那麼26896的那個看起來效果天然要比161604的差不少,161604更加緊密,因此視覺感好
複製代碼
筆記本電腦 的 ppi : 21567 / 14=111.928.. px/in 約112ppi
也就是 1 in 裏有112個像素點,`1 in = 25.4mm`
人眼可視長度是0.1mm,因此你近些看能夠看到顆粒
普通的web圖片只要求72dpi就夠了,由於只是顯示在屏幕上而言
複製代碼
dpi
dpi又是什麼鬼,點數又是什麼鬼?---dpi稱爲打印精度
打印機將[彩色液體油墨]經噴嘴變成細小微粒噴到印紙上,一個顆粒表明1點
dpi的意思是每英寸墨滴點數,好比300dpi的意思就是每英寸墨滴的個數爲300
300dpi 和 72dpi 的區別:
用300個點表示一個硬幣的視覺信息,和72個點表示一個硬幣的視覺信息
可想而知300的更加精細,在紙上至少要300dpi才能知足視覺要求,因此
大學時作要打印的ps產品效果圖都要把圖片的dpi調到300以上,由於須要打印
複製代碼
如今應該撥開雲霧見青天了,只在瀏覽器中dpi沒有用,px爲王 在打印的時候dpi會發揮做用: 同px的圖片dpi越大,圖片越小!圖片越小!圖片越小! 由於這樣更精細,Over,就這樣。