相机小常识

2023-12-16 00:32
文章标签 相机 小常识

本文主要是介绍相机小常识,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.焦距:照相机镜头的焦距是镜头的一个非常重要的指标。

镜头焦距的长短决定了被摄物在成像介质(胶片或CCD等)上成像的大小,也就是相当于物和象的比例尺。当对同一距离远的同一个被摄目标拍摄时,镜头焦距长的所成的象大,镜头焦距短的所成的象小。根据用途的不同,照相机镜头的焦距相差非常大,有短到几毫米,十几毫米的,也有长达几米的。较常见的有8mm,15mm,24mm,28mm,35mm,50mm,85mm,105mm,135mm,200mm,400mm,600mm,1200mm等,还有长达2500mm超长焦望远镜头。

数码相机的镜头由多片镜片组成,材质则分为玻璃与塑料两类。如果数码相机镜头以玻璃为材料,很多用户及商家都说玻璃镜头透光率佳、投射图像更清晰。不过目前许多测试报告都显示,玻璃的透镜并不一定比塑料材料能带来更清晰的图像,同时玻璃镜头也可能增加相机重量,因此选购时还是应该做多面向观察,不要拘泥在镜头材质问题上。

我们来了解一下镜头和感光器件的摆设位置。如下图(请参看http://tech.sina.com.cn/digi/2004-07-26/2009393197.shtml)所示,从右至左该镜头组件依次由透镜、电子快门、透镜组1、透镜组2以及CCD组成。拍摄的影像就是沿着这条光路投射在CCD上成像的。组件中的焦距调节系统和快门系统是由透镜组1和电子快门构成的,二者是连接在一起。 在电机的带动下,透镜组1和电子快门可以前后移动,进行焦距调节,从而获得最清晰的图像,由电子快门控制曝光。多组透镜是完成光学成像的,而最后的CCD可以把光信号转换为电信号。

如果你在相机的英文规格书上看过“f =”,那么后面接的数字通常就是它的焦长,即焦距长度。如“f=8-24mm,38-115mm(相当于35mm传统相机)”,就是指这台相机的焦距长度为8-24mm,同时对角线的视角换算后相当于传统35mm相机的38-115mm焦长。一般而言,35mm相机的标准镜头焦长约是28-70mm,因此如果焦长高于70mm就代表支持望远效果,若是低于28mm就表示有广角拍摄能力。


2.传感器类型:CCD和COMS

(1)区别:
由两种感光器件的工作原理可以看出,CCD的优势在于成像质量好,但是由于制造工艺复杂,只有少数的厂商能够掌握,所以导致制造成本居高不下,特别是大型CCD,价格非常高昂。同时,这几年来,CCD从30万像素开始,一直发展到现在的600万,像素的提高已经到了一个极限。

在相同分辨率下,CMOS价格比CCD便宜,但是CMOS器件产生的图像质量相比CCD来说要低一些。到目前为止,市面上绝大多数的消费级别以及高端数码相机都使用CCD作为感应器;CMOS感应器则作为低端产品应用于一些摄像头上,若有哪家摄像头厂商生产的摄想头使用CCD感应器,厂商一定会不遗余力地以其作为卖点大肆宣传,甚至冠以“数码相机”之名。一时间,是否具有CCD感应器变成了人们判断数码相机档次的标准之一。

CMOS影像传感器的优点之一是电源消耗量比CCD低,CCD为提供优异的影像品质,付出代价即是较高的电源消耗量,为使电荷传输顺畅,噪声降低,需由高压差改善传输效果。但CMOS影像传感器将每一画素的电荷转换成电压,读取前便将其放大,利用3.3V的电源即可驱动,电源消耗量比CCD低。CMOS影像传感器的另一优点,是与周边电路的整合性高,可将ADC与讯号处理器整合在一起,使体积大幅缩小,例如,CMOS影像传感器只需一组电源,CCD却需三或四组电源,由于ADC与讯号处理器的制程与CCD不同,要缩小CCD套件的体积很困难。但目前CMOS影像传感器首要解决的问题就是降低噪声的产生,未来CMOS影像传感器是否可以改变长久以来被CCD压抑的宿命,往后技术的发展是重要关键。


(2)ccd原理
说到CCD的尺寸,其实是说感光器件的面积大小,这里就包括了CCD和CMOS。感光器件的面积大小,CCD/CMOS面积越大,捕获的光子越多,感光性能越好,信噪比越低。CCD/CMOS是数码相机用来感光成像的部件,相当于光学传统相机中的胶卷。

CCD上感光组件的表面具有储存电荷的能力,并以矩阵的方式排列。当其表面感受到光线时,会将电荷反应在组件上,整个CCD上的所有感光组件所产生的信号,就构成了一个完整的画面。

如果分解CCD,你会发现CCD的结构为三层,第一层是“微型镜头”,第二层是“分色滤色片”以及第三层“感光层”。

第一层“微型镜头”

我们知道,数码相机成像的关键是在于其感光层,为了扩展CCD的采光率,必须扩展单一像素的受光面积。但是提高采光率的办法也容易使画质下降。这一层“微型镜头”就等于在感光层前面加上一副眼镜。因此感光面积不再因为传感器的开口面积而决定,而改由微型镜片的表面积来决定。

第二层是“分色滤色片”

CCD的第二层是“分色滤色片”,目前有两种分色方式,一是RGB原色分色法,另一个则是CMYK补色分色法这两种方法各有优缺点。首先,我们先了解一下两种分色法的概念,RGB即三原色分色法,几乎所有人类眼镜可以识别的颜色,都可以通过红、绿和蓝来组成,而RGB三个字母分别就是Red, Green和Blue,这说明RGB分色法是通过这三个通道的颜色调节而成。再说CMYK,这是由四个通道的颜色配合而成,他们分别是青(C)、洋红(M)、黄(Y)、黑(K)。在印刷业中,CMYK更为适用,但其调节出来的颜色不及RGB的多。

原色CCD的优势在于画质锐利,色彩真实,但缺点则是噪声问题。因此,大家可以注意,一般采用原色CCD的数码相机,在ISO感光度上多半不会超过400。相对的,补色CCD多了一个Y黄色滤色器,在色彩的分辨上比较仔细,但却牺牲了部分影像的分辨率,而在ISO值上,补色CCD可以容忍较高的感光度,一般都可设定在800以上

第三层:感光层

CCD的第三层是“感光片”,这层主要是负责将穿过滤色层的光源转换成电子信号,并将信号传送到影像处理芯片,将影像还原。

传统的照相机胶卷尺寸为35mm,35mm为对角长度,35mm胶卷的感光面积为36 x 24mm。换算到数码相机,对角长度约接近35mm的,CCD/CMOS尺寸越大。在单反数码相机中,很多都拥有接近35mm的CCD/CMOS尺寸,例如尼康德D100,CCD/CMOS尺寸面积达到23.7 x 15.6,比起消费级数码相机要大很多,而佳能的EOS-1Ds的CMOS尺寸为36 x 24mm,达到了35mm的面积,所以成像也相对较好。

现在市面上的消费级数码相机主要有2/3英寸、1/1.8英寸、1/2.7英寸、1/3.2英寸四种。CCD/CMOS尺寸越大,感光面积越大,成像效果越好。1/1.8英寸的300万像素相机效果通常好于1/2.7英寸的400万像素相机(后者的感光面积只有前者的55%)。而相同尺寸的CCD/CMOS像素增加固然是件好事,但这也会导致单个像素的感光面积缩小,有曝光不足的可能。但如果在增加CCD/CMOS像素的同时想维持现有的图像质量,就必须在至少维持单个像素面积不减小的基础上增大CCD/CMOS的总面积。目前更大尺寸CCD/CMOS加工制造比较困难,成本也非常高。因此,CCD/CMOS尺寸较大的数码相机,价格也较高。感光器件的大小直接影响数码相机的体积重量。超薄、超轻的数码相机一般CCD/CMOS尺寸也小,而越专业的数码相机,CCD/CMOS尺寸也越大。


3.光圈:光圈是一个用来控制光线透过镜头,进入机身内感光面的光量的装置,它通常是在镜头内。表达光圈大小我们是用f值

光圈f值=镜头的焦距/镜头口径的直径

从以上的公式可知要达到相同的光圈f值,长焦距镜头的口径要比短焦距镜头的口径大。完整的光圈值系列如下:

  f1,f1.4,f2,f2.8,f4,f5.6,f8,f11,f16,f22,f32,f44,f64

  这里值得一题的是光圈f值愈小,在同一单位时间内的进光量便愈多,而且上一级的进光量刚是下一级的一倍,例如光圈从f8调整到f5.6,进光量便多一倍,我们也说光圈开大了一级。对于消费型数码相机而言,光圈f值常常介于f2.8 - f16。,此外许多数码相机在调整光圈时,可以做1/3级的调整。

  光圈及快门优先

  进阶级以上的数码相机除了提供全自动(auto)模式,通常还会有光圈优先(aperture priority)、快门优先(shutter priority)两种选项,让你在某些场合可以先决定某光圈值或某快门值,然后分别搭配适合的快门或光圈,以呈现画面不同的景深(锐利度)或效果。

  光圈先决曝光模式

  由我们先自行决定光圈f值后,相机测光系统依当时光线的情形,自动选择适当的快门速度(可为精确无段式的快门速度)以配合。设有曝光模式转盘的数码相机,通常都会在转盘上刻上’a’字母来代表光圈先决模式(见图四)。光圈先决模式适合于重视景深效果的摄影。

  由于数码相机的焦距比传统相机的焦距短很多,使镜头的口径开度小,故很难产生较窄的景深。有部份数码相机会有一特别的人像曝光模式,利用内置程序令前景及后景模糊。

这篇关于相机小常识的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/498464

相关文章

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

海鸥相机存储卡格式化如何恢复数据

在摄影的世界里,‌每一张照片都承载着独特的记忆与故事。‌然而,‌当我们不慎将海鸥相机的存储卡格式化后,‌那些珍贵的瞬间似乎瞬间消逝,‌让人心急如焚。‌但请不要绝望,‌数据恢复并非遥不可及。‌本文将详细介绍在海鸥相机存储卡格式化后,‌如何高效地恢复丢失的数据,‌帮助您重新找回那些宝贵的记忆。‌ 图片来源于网络,如有侵权请告知 一、‌回忆备份情况 ‌海鸥相机存储卡格式化如何恢复数据?在意

机器视觉硬件选型根据某项目相机镜头

一 项目总需求 1、大视野检测需求: (1)大视野: ①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm; ②产品料盘尺寸大小:565mm x 425mm; ③工作距离:880mm;检测精度:500μm; 1、大视野检测需求: (1)大视野: ①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm; ②产品料盘尺寸大小:565mm x 425mm; 工作距离:

005:VTK世界坐标系中的相机和物体

VTK医学图像处理---世界坐标系中的相机和物体 左侧是成像结果                                                    右侧是世界坐标系中的相机与被观察物体 目录 VTK医学图像处理---世界坐标系中的相机和物体 简介 1 在三维空间中添加坐标系 2 世界坐标系中的相机 3 世界坐标系中vtkImageData的参数 总结:

独立双端App《瓦格相机》的开发过程分享

前言 Hello大家好,我是灯灯,独立开发者灯灯,也是天天学藏语的灯灯,哈哈哈... 好了屁话少说,今天和大家分享一下最近自己独立制作一款应用的经验历程,希望能对刚刚起步的新手们、还有独立开发者们有所帮助。 什么样的应用 我想做的是一款能够将照片转换成文字拼成的图片应用,也就是,图片中的每一个像素点都将会被文字取代,同时对应色彩、密集程度等。 之所以想做这样的应用是因为早在我高中的时候,

相机检查内参 外参

目录 检查内参 外参 像素点投影到世界坐标系,再投回到2d坐标系: 检查内参 外参 import cv2import numpy as np# 假设我们有以下相机内参K = np.array([[418.96369417, 0.0, 489.16315478],[0.0, 419.04813353, 267.88796254],[0.0, 0.0, 1.0]], dtype=n

相机拍摄时最重要的三个参数——光圈、快门、ISO

如果你对相机只有很少了解,那么看这篇文章再好不过啦,我结合很多资料,力图用最通俗易懂的方式进行讲解。 相机拍摄时最重要的3个参数就是——光圈、快门、ISO 次重要的参数有——焦距、景深、曝光   在介绍光圈、快门、ISO之前,必须先介绍曝光。曝光准确的照片:   过曝的照片:   欠曝的照片:   我们把一张完美曝光的照片理解成一桶刚刚装满的水,不

猫猫学iOS之二维码学习,快速打开相机读取二维码

猫猫分享,必须精品 原创文章,欢迎转载。转载请注明:翟乃玉的博客 地址:http://blog.csdn.net/u013357243 上一篇文章写了怎么生成二维码,这儿就说说怎么读取吧,反正也很简单,iOS封装的太强大了 步骤呢就是这样: 读取二维码需要导入AVFoundation框架#import <AVFoundation/AVFoundation.h> 1:利用摄像头识别二维码

sM4040B科学级显微制冷相机特性

sM4040B科学级显微制冷相机特性 sM4040B搭载了 GSENSE4040BSI 3.2 英寸图像传感器,针对传感器固有的热噪声,专门设计了高效制冷模块,使得相机传感器的工作温度比环境温度低达 35-40 度。针对制冷相机常见的低温结雾现象设计了防结雾机制,确保传感器和滤光片表面在低温情况下不会结雾。sM4040B的视频与图像数据通过 USB3 或CameraLink 超高速传输接口传

blender中获取虚拟相机渲染图片上每像素对应的纹理上的像素值

示例图: 相机渲染出图后,图片上每个像素点中对应的纹理的像素值。获取这个对应关系存到数据库 基本思路是 从相机圆心发射射线接触到物体时获取接触点(三维坐标)所在三角面,通过这个三角面的三个顶点坐标及其三个纹理坐标,通过重心坐标求出接触点所对应的纹理坐标。在发射射线时,通过相机分辨率中某一点的二维坐标(即渲染出图后图片上的坐标)转三维坐标,结合相机圆心确认射线方向。至此【图片上每个像素点中