Python_Tkinter和OpenCV模拟行星凌日传输光度测定

2023-12-21 15:44

本文主要是介绍Python_Tkinter和OpenCV模拟行星凌日传输光度测定,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!

传输光度测定

在天文学中,当相对较小的天体直接经过较大天体的圆盘和观察者之间时,就会发生凌日。 当小物体移过较大物体的表面时,较大物体会稍微变暗。 最著名的凌日是水星和金星对太阳的凌日。

借助当今的技术,天文学家可以在凌日事件期间探测到遥远恒星光线的微妙变暗。这项技术称为凌日光度测定法,可输出恒星亮度随时间变化的图。

在上图中,光曲线图上的蓝点代表恒星发出的光的测量值。 当行星没有位于恒星上方时(图中位置1),测量到的亮度最大。 (当系外行星经历其阶段时,我们将忽略从系外行星反射的光,这会略微增加恒星的表观亮度)。

当行星的前缘移动到圆盘上(位置 2)时,发出的光逐渐变暗,在光曲线中形成斜坡。 当整个行星在圆盘上可见时(位置 3),光变曲线变平,并保持平坦,直到行星开始退出圆盘的远端。 这会产生另一个斜坡(位置 4),该斜坡不断上升,直到行星完全脱离圆盘(位置 5)。 此时,光变曲线在其最大值处变平,因为恒星不再被遮挡。

由于凌日期间阻挡的光量与行星圆盘的大小成正比,因此可以使用以下公式计算行星的半径:
R p = R s 深度  R_{\mathrm{p}}=R_{\mathrm{s}} \sqrt{\text { 深度 }} Rp=Rs 深度 
其中 R p Rp Rp 是行星的半径, R s Rs Rs 是恒星的半径。 天文学家利用恒星的距离、亮度和颜色来确定恒星的半径,这与恒星的温度有关。 深度是指传输过程中亮度的总变化,如下图所示。

代码实现

以下 Python 程序使用 OpenCV 生成系外行星凌日的视觉模拟,使用 Matplotlib 绘制所得的光曲线,并将两者一起显示在仪表板中。

为了生成光曲线,我们需要能够测量亮度的变化。我们可以使用 OpenCV 通过对像素执行数学运算来做到这一点。

导入库并分配常量
import tkinter as tk
import matplotlib.pyplot as plt
import cv2 as cvIMG_HT, IMG_WIDTH = 400, 500
BLACK_IMG = cv.imread('limb_darkening.png')
EXO_RADIUS = 7
EXO_DX = 3
EXO_START_X = 40
EXO_START_Y = 230
NUM_FRAMES = 145
定义创建仪表板的函数
def create_dashb(root):fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 6))canvas = FigureCanvasTkAgg(fig, master=root)canvas_widget = canvas.get_tk_widget()canvas_widget.pack(side=tk.TOP, fill=tk.BOTH, expand=1)intensity_samples = []exo_start_x = EXO_START_Xfor _ in range(NUM_FRAMES):temp_img = BLACK_IMG.copy()cv.circle(temp_img, (exo_start_x, EXO_START_Y), EXO_RADIUS, 0, -1)intensity = temp_img.mean()intensity_samples.append(intensity)relative_brightness = calc_rel_brightness(intensity_samples)canvas.draw()root.update()root.after(3)

源代码

参阅一 - 亚图跨际
参阅二 - 亚图跨际

这篇关于Python_Tkinter和OpenCV模拟行星凌日传输光度测定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/520559

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

usaco 1.2 Transformations(模拟)

我的做法就是一个一个情况枚举出来 注意计算公式: ( 变换后的矩阵记为C) 顺时针旋转90°:C[i] [j]=A[n-j-1] [i] (旋转180°和270° 可以多转几个九十度来推) 对称:C[i] [n-j-1]=A[i] [j] 代码有点长 。。。 /*ID: who jayLANG: C++TASK: transform*/#include<

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

opencv 滚动条

参数介绍:createTrackbar( trackbarname , "hello" , &alpha_slider ,alpha_max ,  on_trackbar )  ;在标签中显示的文字(提示滑动条的用途) TrackbarName创建的滑动条要放置窗体的名字 “hello”滑动条的取值范围从 0 到 alpha_max (最小值只能为 zero).滑动后的值存放在

android-opencv-jni

//------------------start opencv--------------------@Override public void onResume(){ super.onResume(); //通过OpenCV引擎服务加载并初始化OpenCV类库,所谓OpenCV引擎服务即是 //OpenCV_2.4.3.2_Manager_2.4_*.apk程序包,存