当前位置: 首页 > news >正文

工业摄像机参数计算

在工业相机选型的时候有点懵,有一些参数都不知道咋计算的。有些概念也没有区分清楚。‘’

靶面尺寸

CMOS 或者是 CCD 使用几分之几英寸来标注的时候,这个几分之几英寸计算的是什么尺寸?

一开始我以为这个计算的就是靶面的实际对角线的尺寸,例如,1/4’’ 英寸的 CMOS 靶面,换算成毫米表示是 6.35mm,这是否就意味着靶面的对角线就是 6.35mm,然后根据普遍的 4:3 比例,就可以计算出靶面的宽高呢?

答案是错的,几分之几英寸规格的 CMOS,这个英寸的单位,并不是指实际靶面的对角线长度,而是光导摄像管的直径长度,可能大家对这个概念有点陌生,但是简单一点来理解,就是大家如果有单反的话,拆下镜头,会发现中间有一块矩形的东西,如果将那个理解为传感器的话,这个英寸所表示的,就是指镜头卡口的直径。

这个直径和靶面的实际尺寸没有固定的转换公式,类似于圆内放得下这个矩形就行了。大多数情况下,实际靶面对角线的尺寸是这个直径的 2/3。这个英寸的标注方式,更像一个粗略的分级,而不是一个具体的数值标注。

这也是为什么,即便是同样的 1/4’’ 英寸的 CMOS/CCD,不同厂家可能有不同的实际靶面尺寸。

所以几分之几英寸只能作为一个参考,实际要进行计算的时候,还是要看厂家具体的靶面宽高数据。

像元尺寸

或者叫像素尺寸,通俗来讲,就是一个像素点在传感器的实际尺寸。一般是用微米( μ m \mu m μm)来标注的,1 μ m \mu m μm 相当于 0.001 m m mm mm

像素尺寸(宽/高) = 靶面实际尺寸(宽/高) ÷ \div ÷ 分辨率(宽/高)
在这里插入图片描述

我们就以这个相机的参数来进行一个简单的计算吧。这个相机的参数是:

  • 分辨率:8856 x 5280
  • 像素尺寸:5.5 um x 5.5 um

实际靶面的宽 = ( 5.5 / 1000 ) x 8856 = 48.708 mm
实际靶面的高 = ( 5.5 / 1000 ) x 5280 = 29.04 mm

这样,我们就得到了实际靶面的尺寸为:48.708 mm x 29.04 mm 了,这个结果是否正确呢?我们来验证一下: 48.70 8 2 + 29.0 4 2 = 56.708 m m \sqrt{48.708^2 + 29.04^2} = 56.708 mm 48.7082+29.042 =56.708mm计算得到的对角线长度和上面给出的传感器尺寸是一致的。

也就是说,反过来,只要知道了传感器的尺寸和比例情况,还有像素尺寸,我们就可以计算出该相机的分辨率和像素总和了。

http://www.lryc.cn/news/224069.html

相关文章:

  • Android系统中设置TextView的行间距
  • 嵌入式养成计划-47----QT--基于QT的OpenCV库实现人脸识别功能
  • MySQL(12):MySQL数据类型
  • 哪款手机便签软件支持存储录音文件并支持转文字?
  • Health Kit申请验证有问题?解决方案全解析
  • 2007-2022年上市公司工业机器人渗透度数据
  • k8s基础环境部署
  • 家用工作站方案:ThinkBook 14 2023 版
  • 电脑篇——本地串口转TCP,TCP转虚拟串口,网络调试助手,串口调试助手
  • igbt好坏判断方法有哪些?万用表怎么测试igbt的好坏?
  • Android UI 开发·界面布局开发·案例分析
  • 2023-11-06 monetdb-事务-insert-delta缓存-分析
  • ubuntu 22.04 flameshot 截图异常的问题
  • 正点原子嵌入式linux驱动开发——Linux WIFI驱动
  • React中的“状态”(state)和“属性”(props)的区别
  • 棋牌室电脑计时灯控,棋牌室计时灯控安装,佳易王计时计费管理系统软件
  • P02项目诊断报警组件(学习操作日志记录、单元测试开发)
  • 【ARM Trace32(劳特巴赫) 使用介绍 2 - Veloce 环境中使用trace32 连接 Cortex-M33】
  • 服务器硬件有哪些组成
  • 【Git】Git基础命令操作速记
  • 使用CDN有什么好处?
  • 11.7加减计数器,可置位~,数字钟分秒,串转并,串累加转并,24位串并128,流水乘法器,一些乘法器
  • 【模型推理优化学习笔记】CUDA加速矩阵乘计算
  • 第三届 “鹏城杯”(初赛)
  • React Hooks为什么要在顶层使用?
  • Vscode Vim自动切换
  • C语言初学1:详解#include <stdio.h>
  • 5 Tensorflow图像识别(下)模型构建
  • OpenCV 图像复制和图像区域读写
  • 【分布式事务】初步探索分布式事务的概率和理论,初识分布式事的解决方案 Seata,TC 服务的部署以及微服务集成 Seata