5、辐射、照明与成像光学知识详解

辐射、照明与成像光学知识详解

1. 辐射与荧光应用

在生化领域,荧光有着广泛的应用。比如对肌肉纤维中钙离子浓度的成像,以及使用不同类型的荧光染料标记染色体或基因序列的特定部分,得到的是多光谱共聚焦显微镜图像,这些图像编码了染色体内不同的区域。
荧光染料在流体动力学中也可作为示踪剂来可视化流动模式。结合适当的化学示踪剂,荧光强度会根据示踪剂的相对浓度而改变。像氧气这类分子,在碰撞时能高效地使激发态失活而不发生辐射转移,这个过程被称为荧光猝灭。通过对这类图像中荧光强度的定量分析,除了可以了解流场情况,还能直接测量痕量气体的浓度。

2. 照明技术

为了利用辐射源可视化物体的物理特性,搭建合适的照明系统时,需要考虑照明源的辐射特性,如光谱特性、强度分布、辐射效率和发光效能等。同时,实际应用中还需谨慎选择光源的电气特性、时间特性和封装尺寸。
照明的方式多种多样,不同的照明设置适用于不同的计算机视觉应用,合适的照明设置在很多情况下能让感兴趣的特征更易显现,提升图像质量,进而提高计算机视觉算法的性能和可靠性。以下是几种常见的照明方式:
- 定向照明 :使用平行光或点光源发出的光来照亮物体,这是最简单的照明类型。对于哑光(朗伯)表面,其辐照度取决于光线的入射角,可用于确定表面相对于照明方向的倾斜度,但在物体边缘会产生阴影,可能与物体边界混淆。对于镜面反射表面,定向照明不太合适,因为不满足反射条件的点会呈现黑色,只有满足条件的点会有镜面反射。大多数表面是朗伯表面和镜面反射的混合,物体表面会出现高光,可能被误认为是表面结构或物体边缘,且这些区域可能过曝而丢失结构信息,但高光的位置能用于确定表面法线方向,对场景的三维重建有重要意义

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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