Daqiai的博客

原创 光学产品图谱

光学材料光学元件光学器件\组件精密光学仪器与设备。

原创 光学工程师的分类

原创 矩阵的叉乘和点乘

"，python中用 "@"（如果是二维数组，就是矩阵乘积，如果都是一维数组那就是内积），也可以用np.dot(a,b)然后是矩阵的叉乘，叉乘就是一般的矩阵相乘，矩阵a的第一行乘以矩阵b的第一列这样乘。"，也可以用np.multiply(a,b)，hadamard product点乘用。一维数组(向量)点乘和内积结果是一样的。" ，python中用 "都是共轭转置，T表示转置，头上一横也可以表示共轭。matlab中用 " .而数学表示上，叉乘用。点乘就是对应元素相乘。

原创 Matlab和python的自定义colormap制作

方式1：提取配色方案图片(你喜欢的图像好的配色) 的像素点，用网页取色器取值。方式2:修改figure框里的colormap分布并保存。

原创 自由曲面、衍射光学元件DOE等的思考学习

有统一的二次曲面表达式。另一类是不能由初等解析曲面组成，而由复杂方式自由变化的曲线曲面即所谓的自由曲线曲面组成，例如飞机，汽车，船舶的外形零件。光学自由曲面没有严格确切的定义，通常是指无法用球面或者非球面系数来表示或者是无法用确切的表达式来表示的光学曲面，主要是指非旋转对称的曲面或者只能用参数向量来表示的曲面（如NURS曲面）从应用的角度来说，非球面可以分成轴对称的非球面、具有两个对称面的非球面、没有对称性的自由曲面。③非球面很大的曲面，包括旋转对称的自由曲面，如用于描述共性光学整流罩的椭圆形曲面。

原创 FDTD学习之几何相位、传输相位

背景：首先使用硅圆柱体、二氧化硅基底构成微纳结构，圆柱体椭圆表面的长短轴是200-500nm级别的，高度h是850nm。理论：对于超表面微纳结构，常用的是传输相位和几何相位，共振相位这里没用到，也不讨论。基于介电微纳结构生成矢量光场及涡旋光场---针对该论文进行记录。

原创 Matlab与Python的对比学习

【代码】Matlab与Python的输入输出、加载保存。

原创 Python读取与显示图像、保存图像方式汇总

是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，读取的数据正好是numpy.ndarray格式。4.matplotlib.image与matplotlib.pyplot。但是读取后的数据不是numpy.ndarray格式，需要进行转换。也直接就是numpy.ndarray格式。两种也是直接就生成了数组格式。2.pillow/PIL库。

原创 Python 的数组矩阵

shape():得到数据每维的大小，同样可以作用于列表、数组和矩阵：np.shape(np.array([1,2,3]))，Matlab里是size。size()：计算所有数据的个数，同样可以作用于列表、数组和矩阵：np.size(np.array([1,2,3]))，Matlab里是numel。总的来说，就是不能像matlab那样直接创建数组(一维矩阵、向量)：[1,2]，这样的结果是列表。其中len()：返回对象的长度，可以作用于列表、数组和矩阵：len(list([1,2,3]))

原创 Matlab图形对象属性设置方法总结

1.首先是顶层对象，常用的两个：Figure、Axes，这两个所谓顶层，就是说，给你建立绘图的窗口与坐标区，一个窗口内可以建立多个坐标区，在坐标区内就可以使用绘图的函数啦！% 使用圆点表示法查看和设置属性。% 绘图函数返回图形对象。%也可以直接让句柄属性为interp。2.设置图形属性的方式。

原创 FDTD使用tips记录

1.涉及圆偏振光入射，FDTD采用的方式是，添加两个线偏振光源，设置正交偏振方向以及相位差遵循的公式：右旋圆偏振光——Ex =Ax*cos(-pi/2左旋圆偏振光——Ex =Ax*cos(+pi/22.某方向上是周期性的边界条件，那么光源的范围在这个方向上要超出仿真区域3.仿真时间(注：如果process一直跑到100%才结束，就是没有某个进度后突然结束的情况，说明仿真时间太短了，需修改)；

原创 Matlab “ +/@ 文件夹” 的使用与python匿名函数

4.使用时，如下导入model文件夹，这里的model应该指的@model的model，这样我们就可以在代码里使用model.m类里的定义的参数与性质，同时也可以使用@model文件夹下的其它的method函数。，这样matlab只能知道这是一个m文件。将类定义文件放在类文件夹中，该文件夹也可以包含单独的方法文件。类定义文件必须与类文件夹同名（除。可见model.m文件图标和底下所有m文件图标不一样，类文件和函数文件的区别。，或者parent_folder/@MyClass/MyClass.m。

原创 Autodl配置环境记录

1.因为使用的框架是tensorflow-gpu1.8.0以及对应的keras2.1.6，所以对应的cuda版本为9.0，autodl下miniconda内置了cuda9.0，选择服务器显卡的时候就用miniconda。3.进入终端，新建环境，在新建环境里，使用pip安装keras和tensorflow-gpu，这里使用conda安装的话，会造成tensorflow和tensorflow-gpu同时存在，也会造成Numpy库的版本多余。4.如果运行代码，发现缺少包的话，就相应的用pip安装就好了。