当前位置: 首页 > news >正文

用optiland绘制光扇图

文章目录

    • 光扇图的基本概念
    • 测试
    • RayFan

光扇图的基本概念

Ray Fan即光扇图,是光学设计中用于分析一维截面上几何像差的核心工具。与点列图展示二维平面上的光斑分布不同,Ray Fan 将三维的光线追迹结果降维,通过二维曲线直观地展示横向像差(Transverse Ray Aberration)随入瞳坐标的变化关系。

设入瞳归一化坐标为H HH,范围是[ − 1 , 1 ] [-1,1][1,1],光线在像面上的实际交点高度为y ′ y'y,参考点的高度为y 0 ′ y'_0y0,则光扇图的纵坐标定义为

ϵ y ( H ) = y ′ ( H ) − y 0 ′ \epsilon_y(H)=y'(H)-y'_0ϵy(H)=y(H)y0

由于相差具有方向性,光扇图通常分为两组曲线

  • 切向/子午光扇图,其采样方向为入瞳的Y YY轴方向(子午面内),反映子午面内的光线聚焦情况。主要受球差、彗差、像散和场曲影响。
  • 弧矢光扇图,采样方向:入瞳的X XX轴方向(垂直于子午面),反映弧矢面内的光线聚焦情况。主要受像散和场曲影响,通常不受彗差影响(因为彗差在弧矢面上是对称的)。

测试

下面以最简单的消色差胶合透镜为例,其结构如下

图中共针对三个物点进行成像,不同颜色的光线代表不同的波长。这三个点的RayFan图如下

图中可见,位于光轴上的点比较理想,随着光线逐渐偏离光轴,光扇图的倾斜度越来越大,表示离焦增强。绘图代码如下

importmatplotlib.pyplotaspltfromoptiland.samplesimportCementedAchromat lens=CementedAchromat()lens.draw()plt.show()fromoptiland.analysisimportRayFan rf=RayFan(lens)rf.view()plt.show()

光扇图并不是直线,而是存在一定的弯曲,这种过原点的三次曲线一般表示球差。下面创建一个更加质朴的单透镜,可以看到明显的球差

绘图代码如下

importnumpyasnpfromoptilandimportoptic lens=optic.Optic()lens.surfaces.add(index=0,thickness=np.inf)lens.surfaces.add(index=1,thickness=7,radius=20.0,is_stop=True,material="N-SF11")lens.surfaces.add(index=2,thickness=23.0)lens.surfaces.add(index=3)lens.set_aperture(aperture_type="EPD",value=20)lens.fields.set_type(field_type="angle")lens.fields.add(y=0)lens.wavelengths.add(value=0.55,is_primary=True)lens.draw(num_rays=10)plt.show()rf=RayFan(lens)rf.view()plt.show()

RayFan

【RayFan】是optiland中的光扇图类,在上面的示例中,只输入了一个optic类型的参数,这也是唯一必须输入的参数,其他参数如下

  • 【fields】指定需要计算点列图的视场,默认为’all’
  • 【wavelengths】指定参与光线追迹的波长,默认为’all’
  • 【num_points】入瞳直径方向上的采样点数,默认256,决定了曲线的平滑度。256 个点足以精确描绘高阶像差(如五级球差)引起的微小波动。如果曲线出现锯齿状,可适当增加此值。
http://www.jsqmd.com/news/1128983/

相关文章:

  • 小学期第二周记录
  • UVa 520 Append
  • 【Linux】十一.进程概念--进程的控制
  • 2025年能量回馈的变流器负载试验装置(A题)的软件部分实现(全国大学生电子设计竞赛)
  • 小学期第四周记录
  • 存储芯片千问千答第4问:存储芯片中常说的E2E是啥?
  • 新e选烤火罩pH值[主里料](C类)GB/T 7573—2009 判定符合
  • 流放之路2构建规划终极指南:用Path of Building PoE2告别盲目配装
  • Python之rnaglib包语法、参数和实际应用案例
  • Evaluating Multimodal Large Language Models on Core Music Perception Tasks
  • 2026毕业生降AIGC平台盘点: 学术打磨+逻辑优化哪家强?
  • AI 全栈开发实战(15):全系列总结——从零到一做一个真正的 AI 产品
  • Explainability of Large Language Models: Opportunities and Challenges toward Generating Trustwort...
  • Web安全从入门到实战:一份430页的系统学习路线与CTF渗透指南
  • UVa 521 Gossiping
  • AI模型版本控制与A/B测试:优化模型性能的有效策略
  • 如何永久保存微信聊天记录?WeChatMsg的完整数据资产化方案
  • tf1exodus_037-1
  • 新e选烤火罩异味[主里料] GB 18401—2010 6.7 判定符合检测标准与测试条件
  • 【Ansible】(十四)流程控制与异常处理
  • 星露谷物语自动化革命:5大必备模组彻底改变你的农场生活 [特殊字符]
  • oyunfor土区礼品卡购买教程及踩坑记录
  • Python之ya-market-api包语法、参数和实际应用案例
  • 亚马逊证实对外销售自研 AI 芯片 Trainium,英伟达的垄断要被打破了吗?
  • 向量数据库选型与实战 —— Milvus、Qdrant、Chroma 深度对比与最佳实践
  • 置信区间构建:5 大常见误区与 R/Stata/SPSS 软件实操验证
  • opc.ua在NET6.0的使用
  • ProperTree:告别跨平台配置文件编辑困扰,用树形界面征服plist文件
  • 微调LLM提升工具调用能力的ShareGPT数据格式
  • 我的 AI 辅助开发工具链 2026 版——从 IDE 到 Agent,效率提升了多少?