量子力学科普

今天讲一下神一样的量子力学。

为了解释什么是量子力学,我们先从经典物理说起。

经典物理包括以牛顿三大定律为核心的牛顿力学(或称经典力学),以及以麦克斯韦方程组为核心的经典电动力学(或称电磁学)。 对于速度接近光速,以及强引力场情况,还要考虑狭义及广义相对论,但是相对于量子力学而言,它们仍然属于经典物理的范畴。

在经典物理中,每个物理量,比如位置、动量、角动量、电场强度、电流,等等,在每个时刻都有明确的取值,都是一个客观实在。而它们随时间变化的情况就是动力学,由牛顿力学及经典电动力学的基本定律决定。只要知道某个时刻的物理量的值,就可以从动力学得到其它任意时刻的取值。 因此本质上经典物理是决定论的。

经典物理里也有几率,或称概率,但这是一种粗粒化描述。在我们不了解或者无法控制细节时,考虑各种可能性,从而得到一个几率分布。比如掷骰子。

骰子的运动其实是一个决定论的过程,没有本质上的随机性。如果了解它的力学细节,比如质量分布、初始位置、方位、速度、整个下落过程中的受力情况等等,其实是可以预言最后哪一面朝上的。当然,在实际中一般做不到这一点。而如果对于各种细节情况作个平均,我们就可以预言:“如果投掷N次,其中每一面朝上的次数大约N/6次”。也就是说,每一面朝上的几率大概是1/6。

不过我们也经常有这样的情况:即细节描述不但不可能,而且没有必要,而几率描述更抓住问题的本质。

比如一团气体在给定温度下,各种微观状态有一个几率分布,由此可以得到给定温度下的宏观性质,比如平均总能量、压强等等。这就是统计物理。

基于经典力学的经典统计物理中的几率抓住了问题的本质,但这种几率和骰子类似,不是实质性的,也就是说,微观细节仍然是服从经典物理的决定论过程。

那么,什么样的几率是实质性的,也就是说背后没有决定论的过程?答案就是量子力学中的几率。

量子力学中的几率

量子力学的中心概念是量子态。而根据量子态,我们可以计算出各种几率分布。下面我们将了解到,量子态比几率分布的涵义还要多。

注意:量子态不是一个物理量,而是一个描述,由此决定出各相关物理量被测量后的各种取值的几率,从而可以计算出每个相关物理量的期望值,或称平均值。而一旦作了某个物理量的测量,就得到这些可能值中的一个。同时,量子态也相应地更新为一个新的量子态,在这个量子态上,刚测得的物理量取值的几率为1。

举一个例子。光有个性质叫偏振,代表了电场振动方向,它总是位于与传播方向垂直的平面上。如果偏振方向沿着这个平面上的一个特定方向,这种光就是线偏振光。如果偏振方向在这个平面上旋转,这种光就是圆偏振光。

不同的光可以混合成非偏振或者部分偏振光。而非偏振的自然光透过偏振片,可以产生偏振方向沿着透光轴的线偏振光。如果让线偏振光垂直入射一个偏振片,它透过的强度是原来强度的θ, 即 (cosθ) * (cosθ),其中θ是光入射前的线偏振方向与偏振片透光轴方向的夹角,“*”代表相乘。

光是由光子组成的,光子服从量子力学。那么现在我们来考虑这种沿θ方向线偏振的单个的光子。它透过偏振片的几率就是θ。

这里就要解释几率的涵义了。如果有N个(N很大)同样的这种光子分别入射到这个偏振片上,也就是说,重复N次相同的过程,那么有N*θ个光子透射过去。

但是,对于每一个光子来说,我们却无法预测它究竟能否透射过去,完全不能。所以我说量子力学的几率是实质性的。

无戒21天写作训练营日更第十九天



原文发布时间为:2016.08.18
本文作者:献炜书记
本文来源:简书,如需转载请联系原作者。

### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向和速度。在数学上,光流场可以表示为像素位置和时间的一阶导数,即Ex、Ey(空间梯度)和Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函数负责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey`和`Et`分别代表沿x轴、y轴和时间轴的像素强度变化;`gray1`和`gray2`用于存储当前帧和前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化和预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性和效率。 3. **光流向量计算**:通过比较当前帧和前一帧的灰度值,计算出每个像素点的Ex、Ey和Et值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`数组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`数组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函数将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这一算法,该函数接受前一帧和当前帧的灰度图,以及窗口大小等参数,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解和优化光流算法,可以进一步提升视频分析的准确性和实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉和理解动态场景中的运动信息
微信小程序作为腾讯推出的一种轻型应用形式,因其便捷性与高效性,已广泛应用于日常生活中。以下为该平台的主要特性及配套资源说明: 特性方面: 操作便捷,即开即用:用户通过微信内搜索或扫描二维码即可直接使用,无需额外下载安装,减少了对手机存储空间的占用,也简化了使用流程。 多端兼容,统一开发:该平台支持在多种操作系统与设备上运行,开发者无需针对不同平台进行重复适配,可在一个统一的环境中完成开发工作。 功能丰富,接口完善:平台提供了多样化的API接口,便于开发者实现如支付功能、用户身份验证及消息通知等多样化需求。 社交整合,传播高效:小程序深度嵌入微信生态,能有效利用社交关系链,促进用户之间的互动与传播。 开发成本低,周期短:相比传统应用程序,小程序的开发投入更少,开发周期更短,有助于企业快速实现产品上线。 资源内容: “微信小程序-项目源码-原生开发框架-含效果截图示例”这一资料包,提供了完整的项目源码,并基于原生开发方式构建,确保了代码的稳定性与可维护性。内容涵盖项目结构、页面设计、功能模块等关键部分,配有详细说明与注释,便于使用者迅速理解并掌握开发方法。此外,还附有多个实际运行效果的截图,帮助用户直观了解功能实现情况,评估其在实际应用中的表现与价值。该资源适用于前端开发人员、技术爱好者及希望拓展业务的机构,具有较高的参考与使用价值。欢迎查阅,助力小程序开发实践。资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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