几何光学基本定律与成像概念

一、几何光学的基本定律

几何光学以光线为基本研究对象,研究光的传播和成像规律。其核心定律包括:

1. 光的直线传播定律
  • 内容:光在均匀透明介质中沿直线传播。
  • 现象:影子形成、日食月食、针孔成像。
  • 限制:当光通过小孔或障碍物时,会因衍射现象偏离直线(波动光学范畴)。
2. 光的独立传播定律
  • 内容:两束光相遇时互不干扰,各自独立传播;相遇后光能量简单相加。
  • 应用:舞台灯光设计、多光源照明系统。
3. 反射定律
  • 内容
    • 反射光线与入射光线、法线在同一平面内。
    • 入射角等于反射角(符号规则:入射角为光线与法线的夹角)。
  • 特例:平面镜成像遵循反射定律,形成虚像(如镜子中的自己)。
4. 折射定律(斯涅尔定律)
  • 内容 :光从一种介质进入另一种介质时,传播方向改变,满足:

    • n1,n2为介质折射率,θ1, θ2 为入射角和折射角。
  • 现象:筷子在水中"弯折"、海市蜃楼。

5. 光路可逆性
  • 内容:光沿任意路径传播时,正向和逆向路径的光程相等。
  • 应用:光纤通信中的光信号传输。

二、成像的基本概念与完善成像条件

1. 物与像的虚实
  • 实物:实际发光或被照明的物体(如灯泡、月亮)。
  • 虚物:由其他光学系统形成的像被当前系统接收(如显微镜中的标本)。
  • 实像:实际光线会聚形成的像(如投影仪屏幕上的图像)。
  • 虚像:光线反向延长线会聚形成的像(如平面镜中的像)。
2. 完善成像条件
  • 定义:物体上每个点发出的同心光束(球面波),经过光学系统后仍保持同心光束。
  • 条件
    1. 入射波面为球面波 → 出射波面也为球面波。
    2. 物点与像点之间任意两条光路的光程相等(费马原理)。
  • 近轴近似 :仅当光线与光轴夹角很小 θ≈sinθ≈tanθ 时成立,此时系统称为高斯光学系统

三、光学计算与近轴光学系统

1. 近轴光线的特点
  • 定义:光线与光轴夹角极小(通常小于5°),可用弧度近似正弦值。
  • 优势:简化计算,忽略高阶像差(如球差)。
2. 近轴光学公式
  • 物像关系

    • (l, l'):物距和像距;(r):球面曲率半径。
  • 放大率

    • β:横向放大率;γ:角放大率。
3. 像差
  • 球差:轴上点宽光束成像时边缘光线偏离理想位置。
  • 色差:不同波长光折射率不同导致的像模糊(如彩虹效应)。

四、球面光学成像系统

1. 单个折射球面成像
  • 公式推导 :利用近轴近似,物像关系简化为:

  • 放大率:若物体位于球面左侧((l < 0)),则像可能放大或缩小,正立或倒立。

2. 球面反射镜成像
  • 公式

  • ,其中

    为焦距。

  • 特点

    • 物距 (l > 0) 时成实像,(l < 0) 时成虚像。
    • 凹面镜汇聚光线,凸面镜发散光线。
3. 共轴球面系统
  • 转面公式:光线通过多个球面时,逐面计算物像位置。
  • 拉赫不变量:( n u y = n' u' y' ),表征系统传递的光能量和空间信息。

总结

几何光学通过简化光的行为(如直线传播、近轴近似)解决实际问题,但需注意其局限性(如衍射、像差)。成像系统的设计需平衡光路计算与像差校正,例如显微镜通过多透镜组合减少球差。近轴光学是理解复杂光学系统的基础,而球面系统则是实际应用中最常见的模型。

相关推荐
自然语1 小时前
完整的 OpenCV 点云可视化版本
人工智能·opencv·计算机视觉
再__努力1点1 小时前
【50】OpenCV背景减法技术解析与实现
开发语言·图像处理·人工智能·python·opencv·算法·计算机视觉
棒棒的皮皮1 小时前
【OpenCV】Python图像处理之位平面分解
图像处理·python·opencv·计算机视觉
CoovallyAIHub16 小时前
MAR-YOLOv9:革新农业检测,YOLOv9的“低调”逆袭
深度学习·算法·计算机视觉
CoovallyAIHub17 小时前
如何让SAM3在医学图像上比专用模型还强?一个轻量Adapter如何让它“秒变”专家?
深度学习·算法·计算机视觉
翔云 OCR API18 小时前
护照NFC识读鉴伪接口集成-让身份核验更加智能与高效
开发语言·人工智能·python·计算机视觉·ocr
这张生成的图像能检测吗19 小时前
(论文速读)BV-DL:融合双目视觉和深度学习的高速列车轮轨动态位移检测
人工智能·深度学习·计算机视觉·关键点检测·双目视觉·激光传感器
AI即插即用21 小时前
即插即用系列 | CVPR 2024 ABC-Attention:基于双线性相关注意力的红外小目标检测
图像处理·人工智能·深度学习·目标检测·计算机视觉·cnn·视觉检测