| 后臺-系統(tǒng)設置-擴展變量-手機廣告位-內容正文底部 |
第一篇
標準是大度 16K，285X210mm紙張的規(guī)格
1.紙張有哪幾種規(guī)格？
常用紙張有大度和正度兩種規(guī)格。
2.什么叫大度紙？
規(guī)格 889*1193(mm)為大度紙。
3.什么是正度紙？
規(guī)格 787*1092(mm)為正度紙。
4.如何計算紙張的開數？
將全紙張對折為對開，對開紙再對折為四開紙張的計量
1.什么是紙張的計量單位？
令或卷。
2.什么叫卷筒紙？
將整條紙卷成一個筒。
3.多少張紙為一令？
一令為 500張紙。（有些國家一令為 1000張紙）
4.卷與令是如何換算？
通常一卷約相當于 10令。
5.紙張厚薄以什么衡量？
克重。（克數多，紙張就厚）
6.克重表示什么？克重表示一張紙每平方米的重量。
各常規(guī)尺寸
名片
橫版:90*55mm方角> 85*54mm圓角>
豎版:50*90mm方角> 54*85mm圓角>
方版:90*90mm 90*95mm
IC卡 85x54MM
三折頁廣告標準尺寸:(A4)210mm x 285mm
普通宣傳冊標準尺寸:(A4)210mm x 285mm
文件封套標準尺寸:220mm x 305mm
招貼畫：
標準尺寸:540mm x 380mm
掛旗：
標準尺寸:
8開 376mm x 265mm
4開 540mm x 380mm
手提袋：標準尺寸:400mm x 285mm x 80mm
信紙便條：標準尺寸:185mm x 260mm 210mm x 285mm
正度紙張：
787×1092mm開數(正度)尺寸單位（ mm）
全開 781×1086
2開 530×760
3開 362×781
4開 390×543
6開 362×390
8開 271×390
16開 195×271
注：成品尺寸=紙張尺寸－修邊尺寸大度紙張：
850＊1168mm開數(正度)尺寸單位（ mm）
常見開本尺寸(單位：
mm)開本尺寸：
787 x 109
2對開：
736 x 520
4開：520 x 368
8開：368 x 260
16開：260 x 184
32開：184 x 130
開本尺寸(大度)：850 x 1168
對開：
570 x 840
4開：420 x 570
8開：285 x 420
16開：210 x 285
32開：203 x 140
全開 844×1162
2開 581×844
3開 387×844
4開 422×58
16開 387×422
8開 290×422
16開
大度：
210×285
正度：185×260
8開
大度：285×420
正度：
260×370
4開
大度：420×570
正度：
370×540
2開
大度：
570×840
正度：
540×740
全開
大：889×1194
?。?87×1092
第二篇
ISO 216定義了 A、B、C三組紙張尺寸。
C組紙張尺寸主要使用于信封。
A組紙張尺寸的長寬比都是 1:√2，然后舍去到最接近的毫米值。
A0定義成面積為一平方米，長寬比為 1:√2的紙張。
接下來的 A1、A2、A3⋯⋯等紙張尺寸，都是定義成將編號少一號的紙張沿著長邊對折，然后舍去到最接近的毫米值。最常用到的紙張尺寸是 A4，它的大小是 210乘以 297毫米。
B組紙張尺寸是編號相同與編號少一號的 A組紙張的幾何平均。舉例來說， B1是 A1和A0的幾何平均。
同樣地， C組紙張尺寸是編號相同的 A、B組紙張的幾何平均。舉例來說， C2是 B2和 A2的幾何平均。（此外，日本有一種不兼容的 B組紙張尺寸，是用算術平均而不是用幾何平均來定義的。）
C組紙張尺寸主要使用于信封。一張 A4大小的紙張可以剛好放進一個 C4大小的信封。
如果你把 A4紙張對折變成 A5紙張，那它就可以剛好放進 C5大小的信封，同理類推。
在 ISO 216被廣泛采用之前，國際間有著許多不同的紙張格式。這些格式并不是一個連貫的系統(tǒng)，而且很多都不是用公制的單位來定義的。
ISO 216的格式遵循著的 1:√2比率；
放在一起的兩張紙有著相同的長寬比和側邊。這個特性簡化了很多事，例如：把兩張 A4紙張縮小影印成一張 A4紙張；
把一張 A4紙張放大影印到一張 A3紙張；
影印并放大 A4紙張的一半到一張 A4紙張等等。這個標準最主要的障礙是美國和加拿大，它們仍然使用信度（Letter）， Legal，Executive紙張尺寸系統(tǒng)。（加拿大用的是一種 P組紙張尺寸，不過它其實是美國用的紙張尺寸，然后取最接近的公制尺寸。）
中華人民共和國國家標準 GB/T 148-1997《印刷、書寫和繪圖紙幅面尺寸》，與 ISO 216:1975非等效采用。
中華民國《中國國家標準》 CNS 5《紙張尺度（裁切后）》，與 ISO 216類似。
A組
A0 841×1189
A1 594×841
A2 420×594
A3 297×420
A4 210×297
A5 148×210
A6 105×148
A7 74×105
A8 52×74
A9 37×52
A10 26×37
B組
B0 1000×1414
B1 707×1000
B2 500×707
B3 353×500
B4 250×353
B5 176×250
B6 125×176
B7 88×125
B8 62×88
B8 62×88
B9 44×62
B10 31×44
C組
C0 917×1297
C1 648×917
C2 458×648
C3 324×458
C4 229×324
C5 162×229
C6 114×162
C7 81×114
C8 57×81
DL 110×220
C7/6 81×162
第三篇
寸的分辨率。
A0=1189*841mm
A1=841*594mm
A2=594*420mm
A3=420*297mm
A4=210*297mm
A組
A0 841×1189 mm
A1 594×841
A2 420×594
A3 297×420
A4 210×297
A5 148×210
A6 105×148
A7 74×105
A8 52×74
A9 37×52
A10 26×37
B組
B0 1000×1414 mm
B1 707×1000
B2 500×707
B3 353×500
B4 250×353
B5 176×250
B6 125×176
B7 88×125
B8 62×88
B8 62×88
B9 44×62
B10 31×44
C組
C0 917×1297 mm
C1 648×917
C2 458×648
C3 324×458
C4 229×324
C5 162×229
C6 114×162
C7 81×114
C8 57×81
DL 110×220
C7/6 81×162
A組紙張尺寸的長寬比都是1:√2，然后舍去到最接近的毫米值。
A0定義成面積為一平方米，長寬比為1:√2的紙張。接下來的A1、A2、A3……等紙張尺寸，都是定義成將編號少一號的紙張沿著長邊對折，然后舍去到最接近的毫米值。最常用到的紙張尺寸是A4，它的大小是210乘以297毫米。
B組紙張尺寸是編號相同與編號少一號的A組紙張的幾何平均。舉例來說，B1是A1和A0的幾何平均。
同樣地，C組紙張尺寸是編號相同的A、B組紙張的幾何平均。舉例來說，C2是B2和A2的幾何平均。
如何放大照片尺寸？使用輕秒格式工廠在線簡單快速在線放大圖片尺寸，2-8倍超分智能放大，自動修復圖片質量，幫助您獲得清晰大圖效果。只需要上傳需要放大的圖片，設置好倍數，就可以一鍵搞定，比如把圖片放大2倍，可以這樣操作：
1、瀏覽器輸入“輕秒在線或輕秒格式工廠”->圖片無損放大->拖入或添加圖片，支持批量添加；
2、放置放大參數>選擇2X，當然也支持在線無損放大圖像4倍6倍8倍；
3、點擊開始放大，稍等片刻處理完畢即可預覽放大效果，并且顯示放大后的圖片參數。
4、點擊下載即可放大圖片即可。
當AI被用來放大照片，它依賴于圖像超分辨率（Image Super-Resolution）技術，這是一種深度學習方法，通過訓練模型來將低分辨率圖像升級到高分辨率。以下是更詳細的描述：
訓練數據收集：首先，大量高分辨率圖像和它們對應的低分辨率版本的圖像被收集。這些低分辨率圖像可以通過縮小高分辨率圖像獲得，或者是由低分辨率相機捕獲的。這些圖像將被用于模型的訓練。
建立神經網絡模型：采用深度學習，通常使用卷積神經網絡（CNN）或生成對抗網絡（GAN）這樣的模型。這些模型由多個神經層組成，每個層都負責執(zhí)行不同的任務。例如，卷積層用于提取圖像的特征，而池化層用于降低分辨率，激活函數則負責引入非線性。
特征學習：在模型訓練過程中，神經網絡會自動提取低分辨率圖像和高分辨率圖像之間的特征。這些特征包括邊緣、紋理、顏色、結構和其他圖像屬性。
模型訓練：使用高分辨率圖像和對應的低分辨率圖像對，模型被訓練來學習如何將低分辨率圖像轉化為高分辨率圖像。在每次迭代中，模型嘗試降低預測圖像與實際高分辨率圖像之間的差異，通過調整模型參數來提高性能。
圖像放大：一旦模型訓練完成，它可以接受新的低分辨率圖像作為輸入，然后生成相應的高分辨率版本。這個輸出圖像包含更多細節(jié)，看起來更清晰。
后處理：根據需要，修復后的圖像可能需要經過額外的后處理步驟，例如去噪，銳化或顏色校正，以提高視覺質量。
評估和調整：修復后的圖像應該根據質量標準進行評估，確保它們滿足預期的需求。如果需要，模型可以進行微調或不同的超分辨率模型可以嘗試，以獲得更好的結果。
總之，AI放大照片的原理涉及深度學習模型，通過學習低分辨率到高分辨率的映射來提高圖像質量。這種技術已被廣泛應用于圖像處理領域，可以幫助改善圖像的視覺質量和增加細節(jié)。深度學習框架如TensorFlow和PyTorch通常用于實施這些模型。
| 后臺-系統(tǒng)設置-擴展變量-手機廣告位-內容正文底部 |
版權聲明
本文僅代表作者觀點，不代表本站立場。
本文系作者授權發(fā)表，未經許可，不得轉載。
本文地址：http://phblqm.cn/djz/21915.html
