球面透镜的光学特性精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的球面透镜的光学特性主题范文，仅供参考，欢迎阅读并收藏。

第1篇：球面透镜的光学特性范文

关键词： 透镜像差 图示分析 消除方法

各种透镜的成像都或多或少地存在像差。这是由于制造镜头的材料的缺陷，制造工艺，以及光线本身某些特性，使透镜上存在不同程度的像差现象。因此，在一些高级的相机镜头对像差问题做了最大限度的消除，但仍然不能做到完全消除各种像差。透镜的像差主要有色像差、球面像差、横向色差、慧形像差、畸变、像散和像场弯曲等七种。

1.色像差

产生色像差的原因是透镜对不同的波长的色光具有不同的折射率，当白光透过透镜后就会发生色散，不同的颜色焦点距离透镜的远近不同，便在成像面上形成色像差。紫蓝色焦点在前面，黄色焦点在中间，红色焦点在后，如下图。色像差的特点是白光点经透镜成像后不能会聚成一个白光点，而形成一个彩色的光环。

消除方法：使用具有不同折射率和色散率凸凹透镜相互配合，可不同程度地消除或减少色像差。

2.球面像差

产生这种像差的原因是透镜的球面折射使具有一定商度的平行沉鱼落雁束不能在一点上聚焦所致。而球面像差的种类也很多，分类方法不一，在度量上可分为横向球面差和纵球面差两种；在形式上可分为正球面像差和负球面像差两种。

球面像差的消除方法主要有两种：一是采用多片透镜组合，使各透镜正、负球面像差相互抵消，相机中的多数摄影镜头采用这种方法，但其校正球面像差的缺陷并不十分彻底；二是采用非球面透镜和曲镜，这种透镜可改变透镜两球面的曲率半径（又称配曲调正）以减小单透镜的球差，也可用渐变折射率的材料制作透镜，以消除球差。

3.横向色差

横向色像差是色像差的一种。由于光学玻璃对各种不同波长色光具有不同的折射率，色差的大小也以镜头对各种色光焦距不同而异，当白光点斜射穿过透镜，形成的影像一面有红色环边，而另一面有比红色要宽的深蓝色环边。其特点是离主光轴越远越明显。

横向色差将具有不同折射率和色散率的透镜相配合才能得到很好的校正，例如采用荧石镜片的镜头就能很好地消除横向色像差。

4.彗形像差

产生彗形像差的原因是球面透镜各光区成像的放大率不一致，各光区的焦点不同。在边区一带光线形成亮度较低，虚散的大环形，主光轴一带光线形成高亮度清晰的小环形。重叠后呈现梨状圆形。彗形像差的种类有多种，根据彗形亮端朝向来分，可分为外向彗形像差和内向彗形像差两种；根据产生方式来分，可分为初级彗形像差和高级彗形像差两种。

如果镜片是用作相机的镜头，存在彗形像差的摄影镜头，将严重影响像的清晰度。校正彗形像差的办法主要有以下两种：一是在设计制造镜头时，可用不同曲率透镜的组合加以校正；二是对校正不良，尚存彗形像差的镜头，可采用缩小光圈的办法减少彗形像差的影响。

5.畸变

是指因为影像各部分相对比例关系与被摄体实际比例关系不一致而出现的一种变形现象。例如使用这种透镜作相机镜头拍摄有横直线条的方形物体，其结果是影像的直线部分变成向内定或向外弯曲的线。向内弯曲的为桶形畸变，向外弯曲的为枕形畸变。

产生畸变的主要原因是由于光学系统对共轭面不同高度的物体有不同的垂轴放大率所引起的。新月形、平凸形单透镜更容易出现影像畸变，当凹面或平面向外，光圈在前时，所会聚影像呈凸出状，愈接近边缘，弯曲现象就愈明显，这种现象为桶形畸变；当凸面向外，光圈在后，所结成的影像呈凹状，纵横线都向内弯曲，这种现象为枕形畸变。有些应用领域的镜头是不允许有畸变的，如测绘和航空测量用的摄影镜头。摄影镜头的畸变只有改善镜头的结构才能得以消除。

6.像散

像散是单色性像差的一种。它产生的原因是：与主光轴垂直的平面，其影像位于两个不同的表面上，一个表面上仅有水平线条，而另一具表面上则只有垂直子午线条，当这两个表面不能相重合时，便宜产生了像散。有像散的透阄或透镜组，对同一垂直面内垂直线条和水平线条不能同时准确成像。在透镜主光轴以外的点状物体，其影像在任何处均不是一个点，而是随着聚焦屏位置的变化而改变，人弧矢直线变为切向直线。

对于透镜像散的校正通常采用折射率较高、色散率较低的光学玻璃制造透镜，并配制各种曲率的表面互相抵消。

7.像场弯曲

透镜对平面物体能够结成的双重影像，主像面为横切线焦面，副像面为辐射线焦面。如果两个像面不相重合就会发生像散现象；当两个像面重合而形成一曲面、即为像场弯曲。像场变曲与像散同时产生，校正像散之后同，像场弯曲仍可单独存在。因此在设计和制造透镜时，采用两组适当折射击率的透镜组配合，如果是应用在相机上，即在距离较长的中间安放光圈，就可以校正透镜的像场弯曲。

参考文献：

第2篇：球面透镜的光学特性范文

【关键词】像素;镜头;焦距

“摄影”是个舶来品源于希腊语，用达盖尔的话来说“用光线来绘画”。摄影者除了有好的技术外，还要知道如何利用相机 “观看”景物，了解相机的性能，熟识相机的特性这是一幅照片能否成功的关键。不论是作为生活需要的拍摄还是专业的摄影，我们都希望我们拍出来的片子很漂亮，很专业;那么首先就需要我们了解我们的相机，就犹如战场上士兵了解他的武器一样。通常我们将相机分为两个部分：机身和镜头（如图1-1），下面我们就来探讨一下相机的一些基本知识。

数码单反相机的构造 图1-1

光线经过我们的镜头被接收后就被CCDCMOS（我们也可称为传感器的元件）将它转换为电信号，然后电信号被作为数据存储下来，这一系列的工作就是今天我们所使用数码相机的原理（如图1-2）。从而不难看出镜头和感光元件的好坏直接影响相机的基本性能。

数码单反相机的数据存储 图1-2

那么我们是通过什么样的工作原理来取景呢？镜头和快门之间有一面斜放的镜片，在斜镜的上方有块半透明五棱镜或玻璃。通过斜镜反射到这半透明五棱镜上，并将其充当银幕（棱镜有翻转图像重新正立的作用），然后投射到取景器上。

1.1像素

你也许曾今遇到过这样的问题：同张照片，当照片是小尺寸时，影像清晰，而照片随着尺寸的放大，影像就慢慢变得模糊了。在看大尺寸照片时我们会发觉到：即使是在同一画面上，各种景物的清晰度也不尽相同，这是因为像素数以前称之为模糊圈的缘故。

像素数就是摄影传感器（CCDCMOS）上设置的像点阵。光线的各种属性则能够以点阵为单位接收。也就是说栅格越细照片细部就越能表现越细。

在摄影上把那种能在视觉效果上产生较为清晰影像的最大圆圈称为“模糊圈”。如果形成的影像很清楚，那么圆圈就小于模糊圈，反之，当形成影像的圆圈大于模糊圈影像就不清晰。经过试验，人在光线充沛的条件下，从25厘米处看照片，模糊圈直径为0.25mm的影像仍能有较为清晰的感觉。

1.2 镜头的分类

镜头是由一块或多块光学镜片（非球面透镜、凹透镜、凸透镜）组成的透镜组。当成像质量一样时非球面镜制造成本，体积要小，使用寿命长。所以今天我们所使用的镜头大都是非球面镜制造。按其焦距来分可分为：标准镜头、广角镜头、长焦镜头（又称为远摄镜头）。

标准镜头的定义：焦距长度接近相机所使用胶片对角线长度。

标准镜头的焦距：不同画幅的相机，标准镜头的焦距也不相同。

画幅为24MM乘36MM的135相机的标准镜头焦距为50MM，

画幅为56MM乘56MM的120相机的标准镜头则是75MM的镜头等等。

标准镜头其视角与人眼的视角相近，其所拍摄画面中景物之间的透视关系，与人眼视角所感受到的景象非常相似，没有透视变形;视角范围在45°左右。有种身临其境的感觉。

标准镜头要比同档次的的变焦镜头成象质量好;体积小，易于携带。

定义：焦距短于相机所用胶片对角线的长度的镜头称为广角镜头。

焦距：在30mm左右、视角在70度左右称为“广角镜头”;

在20mm左右、视角在座90度左右称为“超广角镜头”。

特征：广角镜头视角广，景深大;近大远小对比强烈，画面透视感比较强;影像的畸变较大。

定义：长焦镜头其焦距大于标准镜头

焦距：如对135相机来说：85-135mm一般称为中焦距镜头;

135-300mm一般称为长焦距镜头;

300mm以上的称为超长焦距镜头。

长焦镜头视角小、景深小;使近大远小的比例缩小，压缩画面的纵深透视感，立体感减弱，平面感增强;影像的畸变不大;不易干扰被摄对象，有利于偷拍。有虚实结合的影像。

最大相对孔径比较小;体积大，不便于携带和使用，使用时避免画面虚化，必须使用三角架;有利于拍摄远处的物体，将其拉近，这样空气的透视对画面的清晰度有所影响。

1.3数码相机的参数解读：

功能（如图1-3）

全自动拍摄

全自动拍摄 图1-3

在我们所使用的镜头上基本包含了光圈参数、焦距参数、镜头属性等内容。总体概括为：光圈参数：表示该镜头的最大

F（光圈）系数，有些还标识其最小光圈系数; 焦距参数：表示的是镜头所能拍摄的焦距范围，所用单位是 mm;镜头属性：在镜头刻有AF 卡口或者 EF 卡口，还包括一些其它的类别标识;我们用具体的数据说明“EF 50mm F1.4 USM ”。这些信息告诉我们的是：EF电子卡口自动变焦镜头;焦距范围50 mm;最大光圈系数1.4;采用了USM超声波马达。

佳能原厂生产 EF-S电子卡口自动变焦镜头;镜头上“1：3.5-5.6”表示用广角最大光圈是F3.5，远端的最大光圈F5.6;最大光圈系数3.5;

1.4购买数码相机的要点

1、价格货比三家

2、使用定位是业余爱好还是专业

3、选正品知名名牌有保障

4、像同价位镜头选大的

5、像同价位像素选高的

6、选光学变焦

7、选较大存储卡，最好有“数码伴侣”

8、最好双电池

9、造型选自己喜好即

我们了解摄影历史，了解了相机，掌握摄影技术，培养审美情趣，用镜阐述我们自己的眼中的世界和对人生的感悟。

参考文献：

[1][法]亨利・卡蒂埃・布列松.决定性瞬间[M].北京：中国摄影出版社，2002：1-93

第3篇：球面透镜的光学特性范文

摘要:

针对带钢表面缺陷检测系统的速度滞后，精度偏低等问题，在分析成像理论和图像检测理论的基础上，设计并实现了一种带钢表面缺陷高速高精度在线检测系统．该系统首先采用大功率半导体均匀发光激光器技术、高速线扫描成像技术和基于图形处理器的Gabor纹理滤波技术实现了高速高分辨率的图像采集和处理，然后采用基于嵌套循环的K－折交叉验证、信息增益率和BP神经网络方法构建了高准确率的分类器，以达到对带钢表面缺陷高速高精度在线检测．实验结果表明，该系统满足了现有带钢生产速度的要求，具有较高的精度和准确率．

关键词:

图像采集和处理;图像检测;Gabor纹理滤波;神经网络

0引言

钢铁企业为了提高竞争力，对带钢的生产提出了新的要求，也对带钢表面检测系统提出了更高的要求，既要有更高的检测速度还要有更加准确的检测精度［1］．而与此同时，跟随机器视觉技术的发展，带钢表面检测系统也得到了广泛的研究与应用［2］．主要研究包括:①光源技术．由于带钢检测对光源要求频度高、体积小，这限制了传统光源在其应用［3］，激光具有方向性好、亮度高、体积小等优点，被广泛应用于带钢检测应用中，国内的徐科等［4］提出热轧钢检测中用绿光作为激光光源，但激光照明需解决均匀性问题．②扫描技术．由于电荷耦合元件能够实现实时检测，成为目前研究和应用的主流技术［5］．但是，CCD电荷耦合器需在同步时钟的控制下，以行为单位一位一位地输出信息，速度较慢，而互补金属氧化物半导体光电传感器采集光信号的同时就可以取出电信号，还能同时处理各单元的图像信息，速度比CCD电荷耦合器快很多［6］．③图像处理算法．受限于带钢加工过程的特性，带钢表面呈现出随机纹理的特点，对于随机纹理图像的处理分析，目前常用的方法有共生矩阵法、频域滤波法、分形法等．作为频域滤波法的代表，二维Gabor滤波器有着与生物视觉系统相近的特点［7］，广泛应用于纹理图像的处理分析．但是，CPU很难满足现在的带钢检测的实时要求［8］．④分类算法．特征选择的主流算法是主成分分析和信息增益．主成分分析存在特征向量方向不一致的问题，而且如何确定主成分存在主观性［9］．信息增益可以衡量特征的优劣，利用它可对特征进行排序，方便后面的特征选择，但信息增益适用于离散特征，信息增益率既适用于离散特征也适用于连续特征［10］，被广泛应用于特征选择的过程中．图像分类算法主流算法包括支持向量机和BP神经网络．支持向量机不适用于大样本的分类问题［11］．BP神经网络方法具有能够解决非线性分类问题，对噪声不敏感等优点，被广泛应用于带钢检测中，如王成明等［12］提出的基于BP神经网络的带钢表面质量检测方法等，但是BP神经网络的超参的设定往往具有随机性，这严重影响了分类效果［13]．本文首先介绍了带钢表面缺陷高速高分辨率成像系统的设计，针对光源的不均匀性、图像处理速度慢等问题，提出改进方法，然后介绍了分类器的构建，针对样本划分的随机性、特征选择的随机性以及BP神经网络超参设定的随机性问题，做出改进，最后介绍试验结果．

1带钢表面缺陷高速高分辨率的成像系统的设计

1)大功率半导体均匀发光激光器技术．激光能够保证带钢表面缺陷的检出率［14］，本系统选用808nm半导体激光器作为照明源，出光功率可达30W，亮度可达1500流明．激光照明需解决均匀性的问题，本文采用了基于鲍威尔棱镜的激光线发生办法，解决了激光照明的均匀性问题，其光路如图1所示．该方法首先在激光聚焦位置放置圆形球面透镜，负责将发散的激光束汇聚成准平行光，同时控制光柱的粗细，然后，利用鲍威尔棱镜的扩散效果对圆柱的一个方向进行扩束，最终形成激光线．为保证亮度及宽度的适应性，激光器出光口距离圆透镜、鲍威尔棱镜的距离可以精密调整．为了降低反射亮度损失，在透镜表面镀上808±5nm的T≥99%的增透膜．

2)基于GPU的Gabor纹理滤波技术．二维Ga-bor滤波器具有易于调谐方向、径向频率带宽及中心频率等特征，本文采用该方法来进行图像处理，二维Gabor函数为guv(x，y)=k2σ2exp－N2(x2+y2)2σ[]2×expi(k•()xy[])－exp－σ2{()}2(1)其中:k=kxk()y=kvcosψμkvsinψ()μ;kv=2－v+22π;ψμ=μπN;v的取值决定了Gabor滤波的波长;μ的取值表示Gabor核函数的方向;N为总的方向数．设f(x，y)为图像函数，guv(x，y)为卷积函数，则卷积输出N(u，v)可表示为N(u，v)=f(x，y)*guv(x，y)(2)二维Gabor滤波算法计算量较大，为了保证了带钢表面缺陷检测的实时性，采用基于GPU的并行处理架构，其计算流程如图2所示．GPU的算法分为两个流程:训练过程主要针对无缺陷图像进行，通过训练完成纹理图像的背景建模，一方面消除背景变化带来的干扰，另一方面形成有效的Gabor卷积参数，以便在检测过程中得到最优的检出效果．检测过程对实际拍摄的缺陷图像进行分析，首先按照GPU的核心数和缓存大小对图像进行分解，本文所有GPU的核心数为1024，显存2G，因此将原始图像分解为1000块，分别加载到1000个核心中，同时并发运行卷积运算．最后将各个窗口的卷积结果合并到一起，得到完成的滤波结果，最后借助于背景模式，将背景的干扰消除，得到干净的缺陷区域．

3)成像系统．根据缺陷检测的精度要求(1800m/min的检测速度，0．25mm的精度)，带钢的规格要求(1900mm规格)，对带钢进行成像系统设计．基于互补金属氧化物半导体(CMOS)的成像芯片具有速度快，用电低等优势．选用两个4K线扫描CMOS相机作为成像核心器件，选用CameraLinkFull接口作为数据输出．两个4K扫描中间重叠100mm作为图像拼接区．两组线激光光源与线扫描组成系统的主要成像模块．成像系统结构如图3所示．

2构建分类器

检测缺陷类别及其特征描述如表1所示．

1)训练集和样本集划分．主要缺陷类别有5个，每个类别收集样本7000，共计35000个样本．为了避免训练集和样本集划分的盲目性，采用10－折交叉验证的方式划分训练集和测试集，即将样本集分成10份，从中选1份为测试集，剩下的为训练集，如图4所示，究竟选择哪一份作为测试集，需在后面的嵌套循环中实现．

2)特征选择．缺陷区域的长度、宽度、面积、区域对比度等共计138个特征形成初始特征集合，利用信息增益率来对各个特征排序．设样本集T的某个特征子集S中，相异值构成集合A，集合A把特征子集S划分为多个子集{S1，S2，Sv，…}，|Sv|、|S|为集和大小，信息增益率的公式为Gainration(S，A)=Gain(S，A)Intrinsiclnfo(S，A)(3)式中Gain(S，A)为信息增益，是分裂前的信息减去分裂后的信息，公式为Gain(S，A)=InfoBefore(S)－InfoAfter(S)=Entropy(S)－∑v∈Values(A)|Sv||S|Entropy(Sv)(4)式中Entropy(S)为集合S的熵，公式为Entropy(S)=Entropy(p1，p2，…，pm)=－∑mi=1pilogpi(5)式中pi为第i个类别的概率．式(3)中，Intrinsiclnfo(S，A)为内在信息，公式为Intrinsiclnfo(S，A)=∑v∈Values(A)|Sv||S|log(|Sv||S|)(6)利用信息增益率对特征进行排序，再利用循环(从1到138循环)实现最优的特征个数的确定．

3)BP神经网络隐含层节点数的确定．BP神经网络应用到带钢表面质量检测上具有很多优势，但也存在一些问题，主要体现在隐含层节点数选取的盲目性和初始权值选取的随机性．对于隐含层节点数确定问题，利用隐含层节点数常用计算公式［15］(2(m+n)+1，n+槡m+a，log2n，n为输入层节点数，m为输出层节点数，a为的［1，10］常数)求得节点数的可能取值集合n1，求得该集合最大值n1－max和最小值n1－min，从n1－min开始到n1－max，利用循环，节点数逐个增加，确定最优的隐含层节点数［16］;

4)BP神经网络初始权值的选取．当隐含层节点数确定后，需要确定输入层和隐含层之间、隐含层和输出层之间的初始权值．首先生成10组随机数数组，利用循环确定最优的随机数数组．

5)判别标准和嵌套循环．上述各循环中，分类效果好与坏的判别标准是分类的总体精度，公式为OA=∑niin(7)式中:nii为样本被预测为类别i，n为样本个数．上述各循环组合在一起就是一个嵌套循环，其N－S盒图如图5所示，最外层是测试集和训练集的10折交叉验证，第1层是确定最优的特征数，第3层是确定最优的隐含层节点数，第4、5层是确定最优的输入层和隐含层、隐含层和输出层的初始权值［17－20］.经以上循环，确定D3作为测试集，最优特征数为23个，最优的隐含层节点数是46个，同时也确定了最优的初始权值，对应的3层BP神经网络的网络模型如图6所示．

3实验结果

1)鲍威尔棱镜与柱透镜进行对比在实际工作距离1．5m处，采用0．1m为间隔使用光功率计测试光源功率，如图7所示，横轴为测试点，纵轴为测试点的光功率．实验表明，鲍威尔棱镜均匀性优于柱透镜．

2)Gabor滤波方法与其他方法比较将动态阈值法+Blob分析法(方法A)和灰度共生矩阵纹理背景消除法(方法B)两种方法与Gabor滤波方法进行比较，如图8所示．由于缺陷与背景灰度相近(图(a))，致使方法A缺陷丢失(图(b))，由于缺陷与背景纹理相近(图(d))，致使方法B产生噪声(图(e))，Gabor方法取得了不错的效果(图(e)、(图(f)))．

3)GPU与CPU比较以4096×4096的图像为例，选10幅有代表性图像，利用CPU(最新的inteli7－2600处理器，4核8线程，2．6GHz，内存8G)和GPU(nVidiaGTX970，4G缓存显卡)进行Ga-bor运算，计算时间如表2所示，GPU计算效率明显优于CPU，其中CPU的平均耗时为290．4ms，而GPU的平均耗时为31．7ms．

4)检测效果在产线速度为1775m/min，最小检测缺陷的尺寸为0．25mm的检测系统中，对带钢的主要4种类型缺陷进行检测统计，检测结果如表3所示．可计算出整体检出率99．9%，检测准确率99．4%．

4结论

本文提出将基于鲍威尔棱镜的大功率激光器应用到光源的设计中，保证光源光照的均匀性;提出了新的带钢表面缺陷检测系统的成像系统结构设计，保证了快速、高精度的生成图像;提出了基于GPU的二维Gabor滤波图像处理的算法，满足了实时处理的要求;提出了基于嵌套循环的分类器择优算法，避免了样本集选择、特征选择和BP神经网络参数设定的盲目性．借助上述技术，系统实现了较好的效果，满足当前带钢生产的检测需求．

参考文献:

［1］张长富．中国钢铁工业运行情况和发展展望［J］．中国钢铁业，2013(4):5－8．

［2］刘彩章．基于机器视觉的带钢表面缺陷成像系统理论与实验研究［D］．武汉:武汉科技大学，2012:2－4．

［3］高瑀含，安志勇，李娜娜等．高斯光束整形系统的光学设计［J］．光学精密工程，2011，19(7):1464－1471．

［4］徐科，杨朝霖，周鹏．热轧带钢表面缺陷在线检测的方法与工业应用［J］．机械工程学报，2009，45(4):111－114．

［5］李霞．基于CCD的钢板测宽仪系统设计［D］．秦皇岛:燕山大学，2014:5－10．

［6］石东新，傅新宇，张远．CMOS与CCD性能及高清应用比较［J］．通讯技术，2010，43(12):174－179．

［7］高梓瑞．Gabor滤波器在纹理分析中的应用研究［D］．武汉:武汉理工大学，2012:6－10．

［8］王成顺．表面缺陷检测GPU并行图像处理技术［D］．合肥:合肥工业大学，2012:3－6．

［9］徐永智，华慧川．对主成分分析三点不足的改进［J］．科技管理研究，2009(6):128－130．

［10］李佳龙，阎威武，白晓慧，等．基于数据驱动与信息增益率多指标决策模型的生活饮用水水质评估［J］．大连理工大学学报，2016，56(1):92－96．

［11］张晓雷．支持向量机若干问题的研究［D］．北京:清华大学，2012:1－20．

［12］王成明，颜云辉，李骏，等．基于BP神经网络的冷轧带钢表面质量检测研究［J］．机械设计与制造，2007(6):106－108．

［13］高正中，张晓燕，龚群英．基于BP神经网络的超声波流量计的设计［J］．现代电子技术，2016，39(16):6－9．

［14］周洋，何平安，蒋千年等．激光束整形光学系统的设计与研究［J］．光学与光电技术，2006，4(2):26－28．

［15］飞思科技产品研发中心．神经网络理论与Matlab7实现［M］．北京:电子工业出版社，2005．

［16］沈花玉，王兆霞，高成耀等．BP神经网络隐含层单元数的确定［J］．天津理工大学学报，2008，24(5):13－15．

［17］文冬林．BP神经网络中一种逃离局部极小点的方法研究［D］．贵阳:贵州大学，2008．

［18］甘胜丰．带钢表面缺陷图像检测与分类方法研究［D］．北京:中国地质大学，2013:3－20．

［19］吴彬彬．机器视觉方法在带钢表面缺陷检测中的应用研究［D］．武汉:武汉科技大学，2015:4－50．