点阵作用与原理？
点阵，是利用计算机图像处理技术，将图形或文字通过点阵方式显示在屏幕上，或者打印在纸上。 这里所说的“点”，其实是经过多次采样、编码而成的小方格，每个小方格由一个像素（Pixel）表示，而每一个像素又是由一些更小的元素组成的，这些元素叫做点元素（Dot Element），简称“点”。这些“点”之间可能有两种关系：相邻和相隔。
对于同一行（列）中相邻的“点”，它们之间的距离很小，而且每一行（列）中的所有“点”都按照从左到右（从上到下）的顺序排列；而对于同一行（列）中相隔的“点”，它们之间的距离就很大了。正因为如此，人们可以根据“点”之间的相对位置关系来识别它们，从而认出图形的轮廓，进而恢复出原图。这是人类视觉系统对形状进行识别的基本过程。
我们首先来看一个简单的例子。假设我们要还原出一个8×8的点阵图形，由于人的眼睛有立体感，因此只需考虑两个维度：行和列。假设所有的点都是黑色，则还原方法如下： 第一步，找到图形中所有黑点； 第二步，将这些黑点按照行列顺序编号； 第三步，根据已知条件，给定第一个点和最后一个点的坐标，用两点确定一条直线，得到两条直线； 第四步，分别找两直线的交点，得到4个新的点； 第五步，连接所有点，得到一个可能的图形。 这样我们就得到了一个有问题的图形——它可能是一个“Z”字型的回纹图案，也可能是下面这副样子。
其实，这个问题就是如何对一个模糊的黑白图形进行边缘检测的问题。由于人脑具有强大的图形重构能力，只要给出行列数的足够信息，我们就能把这个图形重新构造出来。
不过，上面这个例子的图是比较“善良”的，因为它是规则排列的黑点构成的正方形，如果我们遇到下面这样的随机分布的黑点情况呢？ 这时候，如果仍然用前面这种方法来还原图形，就会差之毫厘谬之千里了！这是因为人眼无法从如此杂乱无章的数据中自动找出规律来进行复原了。
为了实现对这种随机数据的正确识别，人们需要引入一种新的数学手段——统计学。首先，人们需要收集大量类似的数据样本，然后计算其各个参数，最后才能利用这些参数来计算未知数据的概率。只有这样，才能从大数据中准确地挖掘到有意义的信息。