【图像处理】相机、透镜、人眼、小孔成像原理

2023-11-19

相机成像原理

相机成像原理分为透镜成像原理和小孔成像原理。

相机成像原理

现代相机有很多分类,且分类标准不统一。在这里简单分类为可更换镜头相机和不可更换镜头相机两种。对于可更换镜头而言。例如单反,单镜头反光照相机,镜头只是整个系统的一个部件,他的作用是获得我们想要的成像效果,但是镜头并不是成像的必要部件,把镜头取下,依然可以获得成像,此时就是利用了小孔成像的原理。对于没有反光镜设计的微单而言也一样。但是对于不可更换镜头的相机而言,那就是透镜成像原理。(其实也可以拆卸,只是你不能随意拆卸更换。)所以,严谨正确的表述应该是,在不拆掉现代相机的镜头时,现代相机运用的是透镜成像原理,在拆掉镜头之后,现代相机的机身本身利用的是小孔成像原理1。 
从中幅到手机镜头,统统都是透镜成像。

透镜成像原理

凸透镜的成像规律是1/u+1/v=1/f(即:物距的倒数与像距的倒数之和等于焦距的倒数。 
这里写图片描述 
△ABO∽△A’B’O与△COF∽△A’B’F推到出

小孔成像原理

小孔成像,基于光线是直线传播:当小孔只能让一根光线通过时,从光源上的一点发出的直线传播的光线中,只有一根能通过小孔照射到屏上,光源上每一个点都只有一根光线通过小孔在自己照射到对应位置上,在屏上组成了光源的像;光源发出的光线在成像过程中没有改变方向,没有汇聚或发散,所以不存在焦点,也就没有焦距; 
但成像中,光源到小孔的距离(物距)是存在的,屏到小孔的距离也同样是存在的,屏到小孔的距离实质上就是像距,改变像距可以改变像的大小。 
当小孔的直径较大时,光源上一点发出的光线在屏上得到较大的光斑,光源每点的像都是大光斑,使得整个光源的像由相互重叠的大光斑构成,无法得到清晰的光源的像,孔太小,图象清晰但亮度较低,适当的选择小孔直径大小,是得到清晰图象的关键2

相机与物体的模糊

透镜成像模糊:凸透镜具有汇聚性,光源发出的光通过凸透镜汇聚一点3,因此一个点在透镜成像后只有那一个点是最清楚的,如果成像点离像距近,则该点清晰,反正则模糊。景深就是相机描述这一性质的参数。另外,对于航空影像物距非常大,像距基本等于焦距。 
小孔成像:物体的距小孔的距离和小孔的孔径都会影响物体的清晰度。 
算法上我们可以用高斯模糊模拟这一现象。

###########################################

透镜成像规律总结

规律1:当物距大于2焦距时,则像距在1倍焦距和2倍焦距之间,成倒立、缩小的实像。此时像距小于物距,像比物小,物像异侧。

应用:照相机、摄像机。



规律2:当物距等于2倍焦距时,则像距也在2倍焦距, 成倒立、等大的实像。此时物距等于像距,像与物大小相等,物像异侧。




规律3:当物距小于2倍焦距、大于1倍焦距时,则像距大于2倍焦距, 成倒立、放大的实像。此时像距大于物距,像比物大,像位于物的异侧。

应用:投影仪、幻灯机、电影放映机。




规律4:当物距等于1倍焦距时,则不成像,成平行光射出。




规律5:当物距小于1倍焦距时,则成正立、放大的虚像。此时像距大于物距,像比物大,物像同侧。

应用:放大镜。


人眼成像原理


小孔成像原理

内容转载!

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

【图像处理】相机、透镜、人眼、小孔成像原理 的相关文章

  • 【数字图像处理】YUV420转RGB并BMP存储<纯C++实现>

    1 读取akiyo qcif yuv YUV420文件 xff0c 按帧读取 xff0c 转RGB xff0c 并存储到BMP文件 2 暂时实现读取一帧并存储一张BMP图片 若要读取YUV序列 xff0c 写成循环方式即可 3 生成的BMP
  • 数字图像处理——车牌识别(matlab)

    本次大报告利用MATLAB函数功能 xff0c 设计和实现了一个车牌识别系统 车牌识别系统的基本原理为 xff1a 将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理 xff0c 再对牌照进行搜索 检测 定位 xff0c 并分割出包含
  • 【图像处理】Hough直线变换

    I 直线篇 1 直线是如何表示的 对于平面中的一条直线 在笛卡尔坐标系中 常见的有点斜式 两点式两种表示方法 然而在hough变换中 考虑的是另外一种表示方式 使用 r theta 来表示一条直线 其中r为该直线到原点的距离 theta为该
  • 数字图像灰度处理方法

    灰度变换 灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法 目的是为了改善画质 使图像的显示效果更加清晰 图像的灰度变换处理是图像增强处理技术中的一种非常基础 直接的空间域图像处理方法 也是图像数字化软件和图
  • 数字图像处理——图像的点运算

    图像的点运算 一 灰度直方图 imhist 二 灰度线性变换 imadjust 三 灰度非线性变换 1 灰度对数变换 log 2 灰度幂次变换 3 灰度指数变换 exp 四 灰度阈值变换 im2bw 五 灰度拉伸 六 灰度均衡 histeq
  • 深度学习数据集处理(一)获取公开数据集

    深度学习数据集处理系列 深度学习数据集处理 二 数据集划分训练集 测试集 深度学习数据集处理 三 将自己数据集制作为TFrecords 本文介绍一些常用的深度学习关于图像处理方面的常用公开数据集的下载链接 以及数据集的简单介绍 MNIST数
  • 图像融合算法(像素级)

    图像融合技术可以提取自然光图像和红外图像的互补信息 获得对同一场景描述解释更为准确 全面和可靠的图像 像素级融合是常用于灰度图像与可见光图像的融合 基于源图像的彩色化就是源图像和目标图像的融合过程 使其同时兼有源图像的颜色和目标图像的形状
  • 【图像处理】彩色图直方图统计

    首先要知道彩色图是没有直方图的 只能在rgb方向分别求直方图在合并一下 干脆不用这么麻烦 用rgb2gray转到灰度图 再在二维上进行直方图绘制 最后还提供了代码 找出直方图中横坐标 像素值 为50以下的纵坐标 以此为像素的个数 的和 cl
  • 全景图像拼接——基本流程

    图像拼接技术是数字图像处理技术一个重要的研究方向 它即是将两幅或多幅相互有部分重叠的场景照片拼接成具有超宽视角 与原始图像接近且失真小 没有明显缝合线的高分辨率图像 可以很好地解决广角镜 鱼眼镜头等全景图获取设备的不足 如下图 图像拼接产生
  • Retinex理论及算法学习

    为了能够获取最大的信息量 达到更好的图像增强效果 了解人类视觉系统的特性和图像的属性是准确地选择图像增强方法的必备知识 一 人眼视觉系统 1 人眼成像 人的眼睛是一个非常复杂的器官 一般来说它就是一个球体 平均直径约为20mm 内壁是一层视
  • 图象恢复——(逆滤波,维纳滤波)

    目的 对获取图像在频域用高斯函数进行退化并叠加白噪声 对退化图像进行逆滤波和维纳滤波恢复 比较原始图像和恢复图像 对利用逆滤波和维纳滤波恢复方法恢复图像进行比较 一 基本原理 图像复原是一种客观的操作 通过使用退化现象的先验知识重建或恢复一
  • 数字图像处理-基于opencv和kreas的手势(手语)识别

    基于opencv和kreas的手势 手语 识别 代码为实验需要 具体使用需要修改 tensorflow教程 推荐看这个 内容一 裁剪视频 获取手势 import cv2 import numpy as np import os import
  • 《数字图像处理》学习总结及感悟:第二章数字图像基础(2)电磁波、传感器及辐射成像原理

    前往老猿Python博文目录 https blog csdn net LaoYuanPython 一 引言 本系列文章记录老猿自学冈萨雷斯 数字图像处理 的感悟和总结 不过估计更新会比较慢 白天要工作 都是晚上抽空学习 学习完一章再回头总结
  • 【数字图像处理】七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解

    本文主要讲述基于VC 6 0 MFC图像处理的应用知识 主要结合自己大三所学课程 数字图像处理 及课件进行讲解 主要通过MFC单文档视图实现显示BMP图像增强处理 包括图像普通平滑 高斯平滑 不同算子的图像锐化知识 希望该篇文章对你有所帮助
  • 动态DPC算法学习

    造成坏点的原因 感光元件芯片自身工艺技术瑕疵造成 光线采集存在缺陷 制造商产品差异 坏点分类 hot pixel 固定保持较高的像素值 一般呈现为画面高亮的点 dead pixel 固定保持较低的像素值 一般在画面中呈现为暗点 noise
  • 基于Arnold变换的图像置乱-Matlab实现

    Arnold变换是俄国数学家VladimirI Arnold提出的一种变换 一幅M N的数字图像的二维Arnold 变换定义为 xn 1yn 1 1abab 1 xnyn mod N x n
  • 基于python的数字图像处理--学习笔记(三)

    基于python的数字图像处理 学习笔记 三 前言 一 灰度拉伸 二 幂律 伽马 变换 三 对数变换 前言 进入冈萨雷斯的第三章内容 并用python实现功能 我更改了代码源 之前找到太烂了 代码全是错 现在使用的代码很清晰 功能也很全 一
  • 【图像处理】去雾算法

    真正了解了什么叫最简单的就是最美好的 真正的好文章不需要大堆公式堆积显得充实 而是最最平实的思想 这篇文章的 原文PDF PPT 感兴趣的可以了解一下 这篇文章的目的就是以最简单的思路将图像达到去雾效果 用Matlab编了一下 效果图特别好
  • 计算两幅图像的相似度(PSNR、SSIM、MSE、余弦相似度、MD5、直方图、互信息、Hash)& 代码实现 与举例

    MSE Mean Squared Error 均方误差 MSE公式 MSE 计算模型的预测 与真实标签 Y 的接近程度 公式表示为 对于两个m n的单通道图像I和K 它们的均方误差可定义为 优点 MSE的函数曲线光滑 连续 处处可导 便于使
  • 数字图像处理 在小波域中分析信号和图像

    一 简述 小波变换是用于分析特征在不同尺度上变化的数据的数学工具 对于信号 特征可以是随时间变化的频率 瞬态或缓慢变化的趋势 对于图像 特征包括边缘和纹理 小波变换主要是为了解决傅立叶变换的局限性而创建的 傅立叶分析是将信号分解为特定频率的

随机推荐

  • Django-ORM 单表查询

    目录 数据准备 查询关键字 1 QuerySet 对象 first方法 last方法 values方法 values list 方法 count exists 2 all 3 filter kwargs 4 get kwargs 不推荐使用
  • layui动态生成的手风琴实现默认第一个展开+鼠标悬浮展开

    嘿嘿嘿 我百度了一下 发现没有这个玩意 作为小白白的我自己摸索着成功实现了 今日好开心 耶耶耶 首先 我是从数据库提取数据 在前端用foreach循环展示 但是 循环出来的都是统一样式 要不都是展开 要不都是折叠 全部折叠 div clas
  • Database consistency

    consistency 这个词在不同的环境下有着不同的含义 各个方向都在使用 导致很难理解 多副本的一致性 即distirbuted 一致性hash CAP理论的一致性 ACID里的一致性 而这几个一致性的含义都不相同 结合各种资料 自己做
  • 回归测试策略

    什么是回归测试 开发人员把Bug修复好之后 测试人员需要重新验证Bug是否修复好了 同时在新版本中进行测试以检测开发人员在修复代码过程中是否引入新的Bug 此过程就称为回归测试 1 即使上一轮的Bug被修复了 在下一轮的测试中还可能发现新的
  • python 不省略打印tensor、numpy、panda,在终端中打印numpy数组时避免行的换行显示

    文章目录 1 python 不省略打印tensor numpy panda 1 1 tensor 1 2 numpy 1 3 panda 2 在终端中打印numpy数组时避免行的换行显示 1 python 不省略打印tensor numpy
  • 一文总结c++中的lambda

    基本构造 一般情况下 编译器可以自动推断出lambda表达式的返回类型 所以我们可以不指定返回类型 捕获 参数 函数体 捕获 可以捕捉lambda函数所在函数 的局部变量 值捕获 int c 1 auto show c cout lt
  • Unity制作适配全屏的Quad图形

    在Unity项目中 有时候需要呈现一直跟随摄像头移动的 能够全屏的一个quad长方形 quad加载纹理 就可以一直显示全屏了 把这个脚本绑定到Camera上 具体代码如下 using System Collections using Sys
  • 【论文笔记】基于Control Barrier Function的二次规划(QP)控制

    文章目录 写在前面 问题描述 RBF 1 Logarithmic 2 Inverse type 3 Reciprocal ZBF 两者的联系 CBF构建 RCBF ZCBF QP设计 ES CLF CLF CBF QP 写在前面 原论文 C
  • 《动手学深度学习 Pytorch版》 6.3 填充和步幅

    6 3 1 填充 虽然我们用的卷积核较小 每次只会丢失几像素 但是如果应用多层连续的卷积层 累积的像素丢失就会很多 解决此问题的方法为填充 填充后的输出形状将为 n h k h
  • DevOps中的持续测试优势和工具

    持续测试 DevOps中的持续测试是一种软件测试类型 它涉及在软件开发生命周期的每个阶段测试软件 持续测试的目标是通过早期测试和经常测试来评估持续交付过程的每一步的软件质量 DevOps中的持续测试流程涉及开发人员 DevOps QA和操作
  • 大学计算机课程题目多选,大学计算机一级上机多选题题目

    围绕大学计算机一级考试上机多选题展开 第 1 题 可以作为计算机存储容量的单位是 A 字母 B 字节 C 位 D 兆 第 2 题 在Windows附件中 下面叙述正确的是 A 记事本中可以含有图形 B 画图是绘图软件 不能输入汉字 C 写字
  • android简单计时器源码,Android计时器的三种实现方式(Chronometer、Timer、handler)...

    本文实例为大家分享了Android计时器的三种方法 具体内容如下 目录 1 借助Timer实现 2 调用handler sendMessagedely Message msg long delayMillis 3 借助布局Chronomet
  • Mybatis中insert中返回主键ID的方法

    1 XyzMapper xml
  • 深入学习jquery源码之addClass()和toggleClass()与hasClass()

    深入学习jquery源码之addClass 和toggleClass 与hasClass addClass class fn 概述 为每个匹配的元素添加指定的类名 参数 class String 一个或多个要添加到元素中的CSS类名 请用空
  • Python opencv学习-6Canny边缘检测学习

    代码 图片参考https blog csdn net tengfei461807914 article details 76376941 修正了其文中出现的错误 canny作用及用法简单理解 阈值针对的是图像灰度梯度而言 需要确定哪些边界是
  • dvwa靶场通关(十一)

    第十一关 Reflected Cross Site Scripting XSS low 这一关没有任何防护 直接输入弹窗 打开网页源代码 从源代码中我们可以看到 前面是输出的第一部分Hello 我们输入的脚本被成功解析执行 所以出现了弹窗
  • QLine设置为虚线点线双线改变颜色

    实线 solid 虚线dashed 点线dotted 双线double 1 双线 border top 3px double black 线高度设置为3才能看到效果 2 点线 border top 2px dotted black 线高度设
  • 从单片机初学者迈向单片机工程师(对初学者非常有用)

    cn www ourDev cn 1 从单片机初学者迈向单片机工程师 作者 tangwei039 来自 西安 tangwei039 126 com 整理 by Linff 目录 一 LED 主题讨论周第一章 写在前面 1 二 LED 主题讨
  • 使用伪类将el-switch文字放在内部

    前言 由于switch是放在table里的 如果文字放在外面 样式会比较不好看 如果单独写一个浪费造轮子 我们直接动态添加类名 应该可以实现类似的效果 所以就可以使用伪类进行添加文字 效果 源码
  • 【图像处理】相机、透镜、人眼、小孔成像原理

    相机成像原理 相机成像原理分为透镜成像原理和小孔成像原理 相机成像原理 现代相机有很多分类 且分类标准不统一 在这里简单分类为可更换镜头相机和不可更换镜头相机两种 对于可更换镜头而言 例如单反 单镜头反光照相机 镜头只是整个系统的一个部件