光学器件基础

2023-05-16

透镜近似与方程

1 s ′ − 1 s = 1 f \frac{1}{s'} -\frac{1}{s} =\frac{1}{f} s1s1=f1
其中, s ′ s' s 是图像相对于镜头的位置,通常由正值指定。(后镜头到传感器的距离称为后焦距
s s s 是物体相对于镜头的位置,通常由负值指定。(物体到前端镜头的距离称为工作距离。)
f f f 是光学系统的焦距

相机接口

通过机械安装方式 将镜头连接到相机,以保证良好的对焦效果和图像稳定性。
接口将通过机制的 机械深度(法兰距)、直径、螺距进行定义。

常用传感器格式

所列出的具有相同传感器格式的两台相机的纵横比可能彼此大不相同。(即使其传感器对角线相同)

  • 例如,Sony Pregius IMX250传感器被列为 2/3“ ,有效区域为 8.45mm * 7.07mm。
  • CMOSIS CMV2000传感器也被列为 2/3“ 格式,但有效区域为 8.45mm * 7.07mm。

常见面扫描传感器格式:

传感器类型对角线(mm)宽度(mm)高度(mm)
1/3“6.0004.8003.600
1/2“8.0006.4004.800
2/3“11.0008.8006.600
1"16.00012.8009.600

后焦距调节

通过增加 法兰环(法兰节) 的方式。

放大倍率与景深

光学器件的放大倍率 M 用于描述图像尺寸( h ′ h' h)与物体尺寸( h h h)之比:
M = h ′ h M= \frac{h'}{h} M=hh
工作距离 s 、放大倍率 M 和焦距 f 之间有一个关系:
s = f ( M − 1 ) / M s=f(M-1)/M s=f(M1)/M

F值及景深

每个光学系统都有孔径光阑,可以确定光学系统的进光量。
对于给定的孔径光阑 d 和焦距 f 我们可以计算光学系统的 F 值:
F / # = f / d F/{\#}=f/d F/#=f/d
典型的 F 值有:F/1.0 、F/1.4、F/2、F/2.8、F/4、F/5.6、F/8、F/11、F/16、F/22。
F值每增加一次(孔径更小),入射光线便会减少一半。
以上F值定义适用于定焦镜头,物体位于”无穷远处“(即远大于焦距的距离)。

对于物体位于 较近距离的微距和远心镜头 则使用工作F值(WF/#):
W F / # = ( 1 + M ) F / # WF/{\#}=(1+M)F/{\#} WF/#=(1+M)F/#

F/8 是个常用的F值,因为较小的孔径可能引起衍射极限。较大的孔径可能会更多的受到光学像差和畸变的影响。

畸变

径向对称畸变:

  • 桶形畸变:距离光轴越近,图像放大倍率越大,从而产生图像环绕在球面周围的明显效应。
  • 枕形畸变:距离光轴越近,图像放大倍率越小,不经过图像中心的光线向内弯折,如同枕形的边缘。

梯形畸变:该效应可视为由光学部件与机械部件间轴线不重合所引起的视角误差,其后果是将物体空间的平行光线变换为像空间的(汇聚或发散)光线。 可以用常规算法修复。

畸变矫正

畸变将被计算为实际图像高度与预期图像高度之间的百分比差异,可用二阶多项式进行近似。
如果我们定义与图像中心的径向距离:
R a = 实 际 半 径 Ra=实际半径 Ra=
R e = 预 期 半 径 Re=预期半径 Re=
畸变将被计算为 Ra 的函数:
畸 变 ( R a ) = ( R a − R e ) / R a = c R a 2 + b R a + a 畸变(Ra)=(Ra-Re)/Ra=c Ra^2+b Ra +a (Ra)=(RaRe)/Ra=cRa2+bRa+a

其中,a、b和c是定义畸变曲线行为的常数值。注意,”a“ 通常为零,因为图像中心畸变通常为零。在某些情况下,可能需要三阶多项式来充分精确地描述曲线。

对比度

评估图像质量的一种有效方式是计算对比度:即亮度差

C = m a x ( I ) − m i n ( I ) m a x ( I ) + m i n ( I ) C=\frac{max(I)-min(I)}{max(I)+min(I)} C=max(I)+min(I)max(I)min(I)

镜头分辨率能力:传递函数

光学系统的图像质量通常由其传递函数(TF)表示。传递函数将描述镜头的要素分辨能力,使物体空间的空间信息(通常表示为每毫米的线对)与图像所达到的对比度相关。

MTF(调制传递函数):使 “正弦波图案” 成像时的对比度响应,正弦波图案的灰度级范围是0-255;该值更难转换为机器视觉应用的任何有用参数。

  • 镜头的分辨率通常表示为MTF,该值显示了正弦图案成像时镜头的响应。

CTF(对比度传递函数):”正方形图案“(棋盘样式)成像时镜头的对比度响应;该参数在评估测量应用的边缘锐度时最有用。

光学器件和传感器分辨率

描述光学分辨率的一项普遍认可的判据是瑞利判据。

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@)

光学器件基础 的相关文章

  • 光源系统厂商、结构

    参考论文 基于PWM的LED机器视觉光源技术的研究 哈工大 硕士 span class token number 2009 span fpga 前言 机器视觉系统包括 xff1a 照明 镜头 相机 图像采集卡 视觉处理器 led光源分为两大
  • LED驱动IC厂家

    厂家芯片类别 世微半导体 英飞凌Infineon 壹芯半导体科技 xff08 深圳 xff09 有限公司 欧司朗OSRAM xff1a 汽车照明 深圳天微电子有限公司 中铭电子 深圳市华芯光电有限公司 宁波欧特电子科技有限公司 芯片介绍 l
  • 2D/3D模板匹配

    2D 对象 正交视图 物体的组成部分之间的角度和距离可以改变 xff0c 不需要缩放 需要缩放 存在遮挡 杂乱或颜色 物体的特征是具有特定的纹理 xff0c 而不是清晰可见的轮廓 图像高度散焦 对象变化显著 期望物体轮廓的局部变形 xff0
  • linux基础操作之三

    文章目录 10 命令执行顺序控制与管道命令执行顺序的控制1 顺序执行多条命令2 有选择的执行命令 管道3 1 试用3 2 cut 命令 xff0c 打印每一行的某一字段3 3 grep 命令 xff0c 在文本中或 stdin 中查找匹配字
  • 2020华为软挑总结——baseline

    span class token macro property span class token directive keyword include span span class token string lt bits stdc 43
  • 2020华为软挑总结——复赛方案一code

    span class token macro property span class token directive keyword include span span class token string lt iostream gt s
  • 2020华为软挑总结——方案二code

    span class token macro property span class token directive keyword include span span class token string lt iostream gt s
  • 机器视觉照明技术与装置实验研究(论文纪要)

    参考文献 机器视觉照明技术与装置实验研究 中原 硕士 2016 有用 摘要 图片质量很大程度上是由目标周围的照明环境和目标物体表面材质 物体摆放位置所决定的 1 首先 xff0c 对照明系统主要技术进行了研究 研究内容包括光源的参数与选择
  • Affine Transformations(仿射变换)

    英文版原文链接 先修教程 xff1a Remapping 重映射 下一教程 xff1a Histogram Equalization 直方图均衡化 文章目录 结果目标原理什么是仿射变换 我们如何得到一个仿射变换 代码这个程序是做什么的 代码
  • Linux 网桥功能使用

    Linux 网桥功能使用 网桥是在数据链路层 xff0c 将两个LAN连接起来 xff0c 根据MAC地质来转发帧 xff0c 可以看作是低层的路由器 安装网桥配置工具 检测系统中是否有有bridge 工具 xff1a rpm qa gre
  • Remapping(重映射)

    英文版原文链接 上一教程 xff1a Hough Circle Transform Hough圆变换 下一教程 xff1a Affine Transformations 仿射变换 文章目录 结果目标原理什么是重映射 xff1f 代码这个程序
  • 机器视觉(Robot Vision)——1

    参考书籍 Robot Vision MIT机器视觉课程指定教材 机器视觉探究两个基本问题 xff1a 成像过程的基本原理是什么 xff1f 如何探索对成像过程 求逆 的基本知识和方法 所谓 求逆 xff1a 具体来说 xff0c 就是从一张
  • 机器视觉实验架套装选型

    文章目录 0 机器视觉集成商0 1 上海热驰自动化1 海康威视2 集云誉创3 深圳新次元4 机器视觉光源控制器厂5 恒视科技6 小厂商6 机器视觉检测配套商 0 机器视觉集成商 购买链接 基础款 xff1a 580 970 加强款 xff1
  • meiqua / shape_based_matching(issue记录)

    文章目录 readmeissue 1 如何加快responsemap的创建 issue 2 请问一下是否抗缩放呢 xff1f issue 3 匹配准确定位精度还能再提高吗 xff1f branch有些多了 xff0c 能否写个文档介绍一下各
  • 机器视觉(Robot Vision)——2

    参考书籍 Robot Vision MIT机器视觉课程指定教材 机器视觉探究两个基本问题 xff1a 成像过程的基本原理是什么 xff1f 如何探索对成像过程 求逆 的基本知识和方法 所谓 求逆 xff1a 具体来说 xff0c 就是从一张
  • git同步远程仓库的所有分支

    方法一 span class token comment 找一个干净目录 xff0c 假设是clone span span class token function cd span clone span class token commen
  • linux基础操作之四

    文章目录 14 Linux下软件安装2 简介2 1 先体验一下2 2 apt 包管理工具介绍2 3 apt get2 4 安装软件包2 5 软件升级2 6 卸载软件2 7 软件搜索 3 使用 dpkg3 1 dpkg 介绍3 2 使用 dp
  • FPGA开发板选型

    1 Micro Phase微相官方旗舰店 淘宝链接 1 小熊猫嵌入式电子 淘宝链接 2 正点原子 淘宝链接 3 黑金ALINX 淘宝链接
  • 红黑树原理

    文章目录 参考链接红黑树简介RB Tree的五条基本性质RB Tree的基本操作增情景1 xff1a 红黑树为空树情景2 xff1a 插入结点的Key已存在情景3 xff1a 插入结点的父结点为黑结点情景4 xff1a 插入结点的父结点为红
  • B+tree原理

    文章目录 参考链接B 43 树B树B 43 树与B树的对比B 43 树的插入与分裂 之 删除与合并插入与分裂删除与合并示例 参考链接 B 43 tree详解及实现 C语言 B tree详解及实现 C语言 印度老哥视频讲解 xff1a 彻底理

随机推荐

  • ubuntu 20.04设置开机自启动脚本

    ubuntu16 04 以后的版本不再使用initd管理系统 xff0c 因此不再支持 update rc d 方式添加开机自启脚本 Ubuntu18 版本开始 xff0c 使用了systemd 替代了 initd 管理系统 xff0c 并
  • 核心功能(core 模块)

    英文版原文链接 您将了解这个库的基本构建块 为了理解如何在像素级上操作图像 xff0c 必须阅读 Mat 基本的图像容器 您将了解如何在内存中存储图片 xff0c 以及如何将其内容打印到控制台 如何扫描图像 xff0c 查找表 和 用Ope
  • Mat——基本的图像容器

    英文版原文链接 文章目录 目标Mat存储方法显式创建一个Mat对象格式化输出其他常用项的输出 目标 我们有多种方法从现实世界获取数字图像 数码相机 扫描仪 计算机断层扫描和磁共振成像等等 在以上任何情况下 xff0c 我们 人类 看到的都是
  • TCP/IP 网络协议基础入门

    文章目录 1 TCP IP简介IP 地址域名MAC 地址端口号封装和分用 2 链路层介绍控制帧的传输差错控制反馈重发计时器序号流量控制 以太网PPP xff08 点对点协议 xff09 SLIP 与 PPPSLIP 协议PPP 协议 MTU
  • 一些致力于底层图像处理算法的大神

    只 挚 爱图像处理 SSE图像算法优化系列九 xff1a 灵活运用SIMD指令16倍提升Sobel边缘检测的速度
  • 网络传输中的三张表,MAC地址表、ARP缓存表以及路由表

    详解网络传输中的三张表 xff0c MAC地址表 ARP缓存表以及路由表MAC地址表 ARP缓存表以及路由表MAC地址表 ARP缓存表 路由表及交换机 路由器基本原理
  • malloc 函数详解

    malloc详细malloc 函数详解malloc 函数详解 原文
  • 内存对齐示例及详解

    示例 什么是内存对齐 xff1f 为什么要内存对齐 xff1f 内存对齐的规则以及作用 详解 为什么要内存对齐 Data alignment Straighten up and fly right关于内存对齐 转 内存对齐
  • MySQL 基础课程

    文章目录 1 SQL 介绍及 MySQL 安装相关概念MySQL安装1 安装之前的检查2 Ubuntu Linux 安装配置 MySQL3 尝试 MySQL 2 创建数据库并插入数据1 新建数据库2 连接数据库3 数据表4 新建数据表5 数
  • Redis 简明教程

    1 Redis 安装介绍 2 Redis 数据类型 3 Redis 系统管理 4 Redis 高级应用
  • 操作系统原理与实践1

    文章目录 1 熟悉实验环境实验环境的工作模式编译内核运行调试 xff08 1 xff09 汇编级调试 xff08 2 xff09 C 语言级调试 文件交换 1 熟悉实验环境 1 Bochs 是一个免费且开放源代码的 IA 32 xff08
  • 第五章 C#基础控件

    常用控件的分类及作用 控件分类作用文本类控件在控件上显示文本 TextBox Label选择类控件为用户提供选择的项目 xff0c RadioButton CheckBox等分组控件可以将窗体中的其他控件分组处理 GroupBox Pane
  • GDB 简明教程

    文章目录 1 GDB 常用命令实战1 GDB 的基本介绍GDB 的进入和退出GDB 命令行界面使用技巧 2 GDB 查看源码3 GDB 断点设置断点查看断点信息删除断点关闭和启用断点 4 关于断点的其他知识断点启用的更多方式断点调试的一些命
  • gpu加速计算机视觉(cuda 模块)

    英文链接 文章目录 利用显卡运行OpenCV算法 xff0c 从你的系统中挤出每一点计算能力 GPU的相似性检查 PNSR和SSIM 如果你已经知道如何处理其他模块 xff0c 这将有助于您快速掌握 xff1a 如何在GPU模块上编码 作为
  • GPU的相似性检查(PNSR和SSIM)

    英文原文链接 文章目录 目的源码怎么做呢 GPU优化结果与结论 目的 在 视频输入和相似性度量 教程中 xff0c 我已经介绍了用于检查两幅图像之间相似性的 PSNR xff08 峰值信噪比 xff09 和SSIM xff08 结构相似度算
  • 借助OpenCV进行视频输入和相似性测量

    英文原文链接 文章目录 目的源码如何读取视频流 在线相机或离线文件 图像相似度 PSNR和SSIM 目的 如今 xff0c 有一个数字视频记录系统任由你操作是常见的 因此 xff0c 您最终会遇到这类情况 xff1a 即不再处理一批图像 x
  • C++实现高性能内存池

    文章目录 1 默认分配器及其性能测试概述内存池简介主函数设计模板链表栈 96 typedef typename Alloc template rebind other allocator 96 总结 2 实现高性能内存池设计内存池实现1 M
  • 计算机组成原理

    文章目录 第一章 计算机的基本组成第二章 计算机的发展及应用第三章 计算机的系统总线第四章 存储器第五章 输入输出系统第六章 数字第七章 CPU指令第八章 CPU结构和功能第九章 控制单元的功能第十章 控制单元的设计 第一章 计算机的基本组
  • 深入理解计算机操作系统之一——计算机系统漫游

    文章目录 第一章 计算机系统漫游1 1 信息就是 bits 43 上下文1 2 程序被其他程序翻译成不同的格式1 3 了解编译系统是如何工作的 xff08 大有裨益 xff09 1 4 处理器读并解释储存在内存中的指令1 4 1 系统的硬件
  • 光学器件基础

    透镜近似与方程 1 s 1 s