单反成像原理

简介:

从小孔成像开始说起

初中的物理我们都学过小孔成像

Image

物体的光线通过一个小孔,会倒映到黑盒中后方的投影版上,然后就可以在投影版上看到图像的倒影了。

这个技术很好地被应用在了照片上。开始的科学家们想到,既然通过小孔成像能把影像投射到投影板上,那么我如果开发一种感光材料放在投影板上,感光材料通过光的影响,会发生化学变化,然后当光关闭的时候,刚才投射在感光材料上的影像(其实就是光)就有短暂的记忆功能,靠着这个记忆功能,就可以把影像还原成为照片,放在胶片或者存储介质上了。

于是想想上图的小黑盒是感光材料,小孔是感光材料,小孔的前面还需要放一块布来控制光的摄入,那就是快门。

Image(1)

上面的这张图就是单反相机的内部结构了。

内部结构

先看下半部分,物象光线通过镜头反射到胶片或者感光耦合原件上。

感光元件之前有一个快门帘,这个快门帘的拉起和关闭的速度就叫做快门速度。显然,快门速度越慢,则影像的光在感光元件上停留的时间越长,则找出来的照片越亮。但是速度慢也有个问题,就是接受成像的时间变长,对于稍微移动的物体,或者相机不稳定的因素,那么在感光元件上的像就有可能由于记录过多的移动而产生模糊。在相机上有个快门速度比如1/125来表示这个属性。

 

感光元件,在历史上的胶片时期,这里的感光元件就是胶片或者胶卷,当一个胶片成像之后,就换下一个胶片记录影像。但是现在科技发达了,出现了数码相机,它的感光元件主要有两种:CCD(电荷耦合)和CMOS(互补金属氧化物导体)。CCD的成像质量优于CMOS,但是由于制作工艺复杂,成本高,所以现在市场上的相机主要还是CMOS的感光元件。感光元件对光的敏感程度也有一个属性来标志,ISO感光度。ISO感光度有几百到几千的数值,数值越大,说明对光越敏感,只要接受小量的光就可以有很清晰的影像了。那么很容易联想到,感光度和快门速度应该配合使用,当感光度高的时候,快门速度应该要快,这样照出来的影像才不会太亮。

 

好了,成像的原理就是这样,但是有个问题,照相的人如何在照相的时候怎么才能看到我要照的像是什么样子的呢?于是上图中反光镜,五棱镜和目镜就是起这个作用的。

反光镜静止的时候是呈45的角度,那么物象的光通过镜头进入到相机内部的时候,会被投射到上方的五棱镜中,五棱镜通过两次反射就将物象的光投射到目镜或者观景窗中。好了,我们可以计算下,首先镜头的小孔成像是将物象颠倒过来,后来的每个反射也会将物象颠倒一次,后面经过了三次反射,所以最终在观景窗中看到的物象是正面的。

反光镜的作用还在于控制照相。当平时未按下快门的时候,反光镜呈45度角,光无法进入到感光元件。当按下快门的时候,反光镜物理移动,向上旋转到平行位置,则光能直行进入到感光元件,此时就可以成像。但是这个时候由于反光镜无法反射物象到观景窗,则在光景窗看到的必然是一篇漆黑。这就是为什么按下快门的时候会一篇漆黑的原因。

镜头

镜头有几个名词需要理解清楚:景深,焦距,光圈

Image(2)

先理解下,为什么照出的照片有虚像和实像的区别?

物体的光线经过镜头的折射之后汇聚到感光器件上,但是有的光线并不是正好汇聚到感光器件上,而是汇聚在感光器件之前或者之后,在之前汇聚的折射后会反射虚像到感光器件上,在之后汇聚的也会出现虚像在感光器件上。只有正好在感光器件上汇聚的点才会呈现最清晰的图像。

景深

但是我们肉眼看到的“清晰成像”是有个范围的,就是说从正好在感光上汇聚的点开始,周边的虚像点越来越多,在一定范围内是不会被肉眼发现的。这个不会被肉眼发现的范围就叫做景深。意思就是清晰的景象的范围。景深越大,代表清晰的范围越大,照片上虚化的范围就越小。反之,景深越小,清晰的范围越小,虚化范围越大。我们把导致虚化的光线叫做弥散斑。

在景物和镜头的距离不变的前提下,影响景深的因素有两个:焦距,光圈。

焦距

焦距是指镜头和感光器件之间的距离。

Image(3)

焦距越小,接受的弥散斑就越小,景深就变大。焦距越大,接受的弥散斑就大,景深就变小。但是我们这是在考虑景物和镜头距离不变的情况下的。我们可以反过来想,镜头的折射程度是一样的,焦距越小,它能对焦接受的景物距离就短,于是远距离的景物就无法拍摄清晰。焦距越大,可对焦范围就大,远距离的景物就可以拍摄清晰。于是就有出现了长焦等镜头。

那既然有弥散斑,我用个挡板挡住弥散斑不就可以让照片景深变大吗?对的,这挡板就是光圈。

光圈

Image(4)

在同样的焦距下,光圈小,则就能更好挡住外围的弥散斑,看景物就越清晰,景深大。反之,光圈大,则外围弥散光就越多,景物虚化的部分就更大,景深小。这里光圈大小是使用一个f值来进行衡量。光圈半径 = 焦距 / f值,比如50mm的焦距,f4的光圈大小,则光圈半径就是 50mm/4。所以我们平时说的光圈大小实际上是和光圈入光的半径呈反比的。

Image(5)



本文转自轩脉刃博客园博客,原文链接:http://www.cnblogs.com/yjf512/archive/2013/03/20/2970970.html,如需转载请自行联系原作者

相关文章
|
25天前
|
存储 计算机视觉
机器视觉-边缘检测与图像分割原理
机器视觉-边缘检测与图像分割原理
28 0
|
2月前
|
传感器 并行计算 算法
多传感器感知原理解读 | BEVFusion解读(一)
多传感器感知原理解读 | BEVFusion解读(一)
95 0
|
2月前
|
传感器
多传感器感知原理解读 | BEVFusion解读(二)
多传感器感知原理解读 | BEVFusion解读(二)
64 0
|
6月前
|
编解码 算法
【核磁共振成像】部分傅里叶重建
【核磁共振成像】部分傅里叶重建
|
6月前
|
存储 数据采集 编解码
【核磁共振成像】傅里叶重建
【核磁共振成像】傅里叶重建
|
7月前
|
传感器 机器学习/深度学习 算法
【姿态解算】基于扩展卡尔曼滤波九轴传感器姿态解算研究附代码
【姿态解算】基于扩展卡尔曼滤波九轴传感器姿态解算研究附代码
|
8月前
|
编解码
超声非线性成像-谐波成像基本知识
超声成像因其相对较低的价格、无电磁辐射、无创伤、成像方式多样而在医学成像中得到了广泛的应用。早期的超声成像技术都是基于线性声学原理。然而在实际的医学超声成像应用中,声波在生物组织的非线性传播和造影剂的非线性振动能够产生非线性声信号。在接下来的报告中讲解了如何使用非线性信号中的谐波信号进行成像,以及相关的谐波信号提取方法。最后使用一些代表性的应用实例进行验证,得出谐波成像在分辨率和对比度上确实优于传统基波成像的结论。
170 0
|
8月前
|
机器学习/深度学习 传感器 编解码
【雷达成像】基于BP成像方式模拟飞机雷达正侧视或斜视模式下对地面目标成像附matlab代码
【雷达成像】基于BP成像方式模拟飞机雷达正侧视或斜视模式下对地面目标成像附matlab代码
【雷达成像】基于BP成像方式模拟飞机雷达正侧视或斜视模式下对地面目标成像附matlab代码
|
机器学习/深度学习 传感器 算法
单光子探测器的光子高效计算 3-D 和反射成像附matlab代码
单光子探测器的光子高效计算 3-D 和反射成像附matlab代码
|
传感器 机器学习/深度学习 编解码
单一传感器图像多光谱多分辨率研究附matlab代码
单一传感器图像多光谱多分辨率研究附matlab代码