05-Matplotlib中图像的尺寸和分辨率
上一篇详细讨论了显示器的尺寸、分辨率，PPI，DPI的概念，在这个基础上，我们讨论图像的尺寸和分辨率就要容易得多了，如果你还没有阅读上一篇，而对这些概念又不是非常、非常地清晰，建议你先阅读上一篇。
先问一个小问题：
matplotlib 绘图，使用下面的命令创建的figure尺寸和分辨率是多少：
import matplotlib.pyplot as plt
figa = plt.figure()如果你不能立即回答出来，你可能需要重新检视一遍自己学习matplotlib的方法。
图像image和图形graphic
前面有约：用图像image表示位图、栅格图形；用graphic表示矢量图形。
将一个区域（常见的为矩形，后面就以矩形为例）划分为若干个小格子（栅格），每个格子只能用一种颜色填充，将所有格子填上各种颜色，用这种方式表达的图像就是栅格图像Image。
即使整个图像只有一根直线，这根直线也是用一个一个的小格子排列而成的。
(图一）
如果你需要文章中用到的一些素材，如图片、代码、数据集等，请移步QQ群“Python草堂”群号：457079928 下载。
在PS中打开上图，放大到1600%：
（图二）
这就能直观地理解栅格图像的含义了。
graphic，矢量图形，则是用数据语言描述的图形，比如，直线只需要给出两个端点；圆只需要给出圆心和半径即可。
matplotlib在绘制时，绘制的是矢量图形。在存储、交换、使用时大多数又是栅格图像了！
图像大小
在PS里查看图像大小：
发现PS有两种表示图像大小的方式：
- 像素大小： 宽度，250 像素；高度344 像素
- 文档大小：宽度，2.12 厘米；高度2.91厘米；分辨率R（resolution)
，300 像素/英寸
注意，这里的文档大小，其实就是图像的物理尺寸，如果我们按照100%的比例打印这幅图像，打印出来的照片区域就是 2.12厘米*2.91厘米。
这两种尺寸的关系如下：
在上一篇中讲过，像素 pixels 严格来说是显示分辨率。
在计算机屏幕上，1 px，传递到我们眼睛，给出的直观大小是可变的，这就是图像的缩放。
图一中我们的眼睛无法区分出 1 px的格子，当放大到1600%时，我们的眼睛能清晰地区分出 1 px的单元格。
请注意： 这时候，图一的实际尺寸、图像分辨率并没有变化；我们改变的是它的显示分辨率。
图像分辨率和显示分辨率
为什么说是改变了图像的显示分辨率呢？
我的电脑显示屏幕的当前显示分辨率已设置好，是1920px*1080px，96DPI，也就是说每英寸长度上能显示96个px。
请问：图一在PS中以100%的比例显示时，占据我的屏幕的物理空间是多大？
图一的尺寸如下：
- 像素大小： 宽度，250 像素；高度344 像素
- 文档大小：宽度，2.12 厘米；高度2.91厘米；分辨率R（resolution) ，300 像素/英寸
我们先来做一个推算：
可以计算出该图像在我的屏幕上应该占据：
宽6.625厘米，高9.09厘米的屏幕空间。
原图像的物理尺寸是：2.12厘米*2.91厘米，100%比例显示时真会占据这么大的空间吗？
回到PS中，按照100%比例显示图一，设置PS的标尺单位为毫米，并显示网格线。
我用尺子测量了一下图一100%比例显示时，在我的屏幕上占据的空间就是：6.6厘米*9.1厘米。
再问：在我的屏幕上，如果图一占据的屏幕物理空间和图一的物理尺寸一样，即2.12厘米*2.91厘米，显示的缩放比例应该是多少？
有兴趣的，请在评论里写上你的答案。
总结：
- image的物理尺寸，就是你以100%的比例打印图像时，打印出的照片的物理尺寸。
- image的尺寸有两种表示方式：像素，inches(或厘米、毫米等长度单位)；
- 用像素表示的图像尺寸结合DPI可以计算出图像的物理尺寸；
- image有图像分辨率（设定后是固定的）和显示分辨之分；
- image在屏幕上的放大和缩小，改变的是图像的显示分辨率；image的实际分辨并没有改变；
- image是将图像区域划分为方格矩阵，每个方格填充各种色彩来表达图像的。
栅格矩阵表达图像的方式，让用Numpy的ndarray来存储、交换、重现、变换image成为很自然的事。
