镜头景深计算公式的推导

景深是指成像画面中最近清晰点到最远的清晰点之间的范围。由于传感器或胶片的分辨率限制,或者照片冲洗放大后在一定距离观看时,受到人眼的分辨率极限限制,通常会将清晰这一概念与底片上一定尺寸的弥散斑大小相关联。

按照传统的景深定义,物距为u1的点光源聚焦点在胶平面后面的像距v1处,并在胶平面上形成半径为σ的弥散圆时,uu1的差ΔL1即被定义为前景深。同理定义后景深。

如图所示,对焦点物距为u,对应的像距为v:

https://imgconvert.csdnimg.cn/aHR0cDovL2ltZy5ibG9nLjE2My5jb20vcGhvdG8vQ1FFOVEyYzlpaE8tT21NUERiY3RDUT09LzE0NzYwNTQ3Nzc4NzA3OTIzMTguanBn?x-oss-process=image/format,png

按照这个图示,前景深推导如下

根据高斯公式和三角形相似关系:

https://imgconvert.csdnimg.cn/aHR0cDovL2ltZy5ibG9nLjE2My5jb20vcGhvdG8vaG5Zb0Y3RXZoUC1BRkJhNWtQUnA3Zz09LzI2MDkyNzMwMzQxMDc4ODI4MTIuanBn?x-oss-process=image/format,png

同理可得后景深:

https://imgconvert.csdnimg.cn/aHR0cDovL2ltZy5ibG9nLjE2My5jb20vcGhvdG8vd3dCWVdSSWVQN1owbXVZR3Rtck1hZz09LzI2MDkyNzMwMzQxMDc4ODI2NDguanBn?x-oss-process=image/format,png

至此好像没什么问题,但再看看下面这个截图是泡菜skydl049月做的公式:

https://imgconvert.csdnimg.cn/aHR0cDovL2ltZy5ibG9nLjE2My5jb20vcGhvdG8vUXZka0NDYWNLcXY4ZG96QUtxczg3QT09LzE0NzYwNTQ3Nzc4NzA3OTIyODQuanBn?x-oss-process=image/format,png

差别在于(6)式和(12)式分子上的因子u(u-f)在经典公式里面是L^2

分母中的因子(u-f)在在经典公式里面是L

尽管多数情况下物距u和拍摄距离L之间的相对差并不大,但毕竟不一样。

问题出在哪里了?(笔者注:其实是通常由于f远小于u,因此(u-f)近似等于u

https://imgconvert.csdnimg.cn/aHR0cDovL2ltZy5ibG9nLjE2My5jb20vcGhvdG8vTW1GNTlxRV9oZ1kwaG9sTnh3UDdQQT09LzMyMjU3MDMyMzMxMDUxOTg3Ni5qcGc?x-oss-process=image/format,png

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Friedman检验是一种非参数的统计检验方法,用于比较多个相关样本的平均值是否存在差异。它可以看作是非参数的一元方差分析。 下面是Friedman检验的公式推导过程: 假设有k个相关样本,每个样本有n个观测值。我们用Rij表示第i个样本中第j个观测值的秩,其中i = 1, 2, ..., k;j = 1, 2, ..., n。 1. 对于每个样本,将其所有观测值按照大小进行排序,并标记排名。若有相同的观测值,则取平均排名。 2. 计算每个样本的秩平均值,即将每个样本的排名求平均。用Ri表示第i个样本的秩平均值,其中i = 1, 2, ..., k。 3. 计算总体秩平均值,即将所有样本的排名求平均。用R表示总体秩平均值。 4. 计算每个样本的秩和,即将每个样本的排名求和。用Tj表示第j个样本的秩和,其中j = 1, 2, ..., n。 5. 计算Friedman统计量,公式为: Friedman = [12 * n * (R - (k + 1) / 2)^2] / [k * (k + 1) * (2k + 1) - 6 * T / n] 其中,n为每个样本的观测值个数,R为总体秩平均值,T为所有样本的秩和。 6. 根据Friedman统计量的值和自由度(df),可以查找Friedman分布表或进行数值计算,得到对应的显著性水平。 如果Friedman统计量显著大于临界值,那么我们可以拒绝原假设,即认为有至少一个样本组的平均值存在差异。反之,如果Friedman统计量小于等于临界值,那么我们接受原假设,即认为样本组的平均值没有显著差异。 需要注意的是,Friedman检验是一种非参数方法,不依赖于数据的分布假设,适用于有序分类数据或连续数据的非正态情况。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值