来源丨新机器视觉
点击进入—>3D视觉工坊学习交流群
先介绍几个概念：
1、焦点(focus)
与光轴平行的光线射入凸透镜时，理想的镜头应该是所有的光线聚集在一点后，再以锥状的扩散开来，这个聚集所有光线的一点，就叫做焦点。
|
2、弥散圆(circle of confusion)
在焦点前后，光线开始聚集和扩散，点的影象变成模糊的，形成一个扩大的圆，这个圆就叫做弥散圆。
在现实当中，观赏拍摄的影象是以某种方式(比如投影、放大成照片等等)来观察的，人的肉眼所感受到的影象与放大倍率、投影距离及观看距离有很大的关系，如果弥散圆的直径小于人眼的鉴别能力，在一定范围内实际影象产生的模糊是不能辨认的。这个不能辨认的弥散圆就称为容许弥散圆(permissible circle of confusion)。
|
不同的厂家、不同的胶片面积都有不同的容许弥散圆直径的数值定义。一般常用的是：
画幅 | 24mm x 36mm | 6cm x 9cm | 4" x 5" |
弥散圆直径 | 0.035mm | 0.0817mm | 0.146mm |
35mm照相镜头的容许弥散圆，大约是底片对角线长度的1/1000~1/1500左右。前提是画面放大为5x7英寸的照片，观察距离为25~30cm。
3、景深(depth of field)
在焦点前后各有一个容许弥散圆，这两个弥散圆之间的距离就叫景深，即：在被摄主体(对焦点)前后，其影像仍然有一段清晰范围的，就是景深。换言之，被摄体的前后纵深，呈现在底片面的影象模糊度，都在容许弥散圆的限定范围内。
 |
景深随镜头的焦距、光圈值、拍摄距离而变化。对于固定焦距和拍摄距离，使用光圈越小，景深越大。
示意图1 |
示意图2 |
以持照相机拍摄者为基准，从焦点到近处容许弥散圆的的距离叫前景深，从焦点到远方容许弥散圆的距离叫后景深。
4、景深的计算
下面是景深的计算公式。其中：
δ | ―― | 容许弥散圆直径 |
f | ―― | 镜头焦距 |
F | ―― | 镜头的拍摄光圈值 |
L | ―― | 对焦距离 |
ΔL1 | ―― | 前景深 |
ΔL2 | ―― | 后景深 |
ΔL | ―― | 景深 |
| |||||||||
| |||||||||
|
从公式(1)和(2)可以看出，后景深 > 前景深。
由景深计算公式可以看出，景深与镜头使用光圈、镜头焦距、拍摄距离以及对像质的要求(表现为对容许弥散圆的大小)有关。这些主要因素对景深的影响如下(假定其他的条件都不改变)：
(1)、镜头光圈：
光圈越大，景深越小；光圈越小，景深越大；
(2)、镜头焦距
镜头焦距越长，景深越小；焦距越短，景深越大；
(3)、拍摄距离
距离越远，景深越大；距离越近，景深越小。
5、一些计算实例
网上有些在线计算器，有兴趣的网友可以参考：
摄影光学计算器
Windows版本的可下载的计数器在
f/Calc
(1)、200/2.8对焦在5m时，f/2.8的景深：
δ | = | 0.035mm |
f | = | 200mm |
F | = | 2.8 |
L | = | 5000mm |
ΔL1 | = | 60mm |
ΔL2 | = | 62mm |
ΔL | = | 122mm |
结论 | ： | 该镜头在用f/2.8拍摄时，清晰范围是从4.94m~5.062m，景深很浅。 |
(2)、200/2.8+2X=400/5.6对焦在5m时，f/5.6的景深：
δ | = | 0.035mm |
f | = | 400mm |
F | = | 5.6 |
L | = | 5000mm |
ΔL1 | = | 30mm |
ΔL2 | = | 31mm |
ΔL | = | 61mm |
结论 | ： | 该镜头在配合2X增距镜后，主镜头用f/2.8拍摄时，景深是(1)的一半。 |
景深的实际拍摄照片
 |
 |
 |
 |
来源：光学人生
本文仅做学术分享，如有侵权，请联系删文。
点击进入—>3D视觉工坊学习交流群
干货下载与学习
后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件
后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf
后台回复：3D视觉课程，即可学习3D视觉领域精品课程
3D视觉工坊精品课程官网：3dcver.com
1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
3.国内首个面向工业级实战的点云处理课程
4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
5.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
16.透彻理解视觉ORB-SLAM3：理论基础+代码解析+算法改进
重磅！粉丝学习交流群已成立
交流群主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、ORB-SLAM系列源码交流、深度估计、TOF、求职交流等方向。
扫描以下二维码，添加小助理微信（dddvisiona）,一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿，微信号：dddvisiona
3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、源码分享、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答等进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，6000+星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看，3天内无条件退款
高质量教程资料、答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看~
扫一扫
2549
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
