Python实现矩形孔的夫朗和费衍射图样输出

时间: 2024-02-12 11:06:38 浏览: 146

以下是 Python 实现矩形孔的夫朗和费衍射图样输出的示例代码:

import numpy as np
import matplotlib.pyplot as plt

def rect(x, y, w, h):
    return np.logical_and(np.logical_and(x >= -w/2, x <= w/2), np.logical_and(y >= -h/2, y <= h/2))

def fraunhofer_rect(wavelength, a, L, N):
    x = np.linspace(-a/2, a/2, N)
    y = np.linspace(-a/2, a/2, N)
    X, Y = np.meshgrid(x, y)
    aperture = rect(X, Y, L, L)
    aperture_ft = np.fft.fftshift(np.fft.fft2(aperture))
    pattern = np.abs(aperture_ft)**2
    dx = x[1] - x[0]
    dy = y[1] - y[0]
    kx = 2*np.pi*np.fft.fftshift(np.fft.fftfreq(N, dx))
    ky = 2*np.pi*np.fft.fftshift(np.fft.fftfreq(N, dy))
    KX, KY = np.meshgrid(kx, ky)
    scaling = 1.0/(wavelength*L)
    pattern = np.fft.fftshift(pattern)
    pattern = pattern/scaling**2
    return pattern, kx, ky

def fresnel_rect(wavelength, a, L, N, z):
    x = np.linspace(-a/2, a/2, N)
    y = np.linspace(-a/2, a/2, N)
    X, Y = np.meshgrid(x, y)
    aperture = rect(X, Y, L, L)
    aperture_ft = np.fft.fftshift(np.fft.fft2(aperture))
    dx = x[1] - x[0]
    dy = y[1] - y[0]
    kx = 2*np.pi*np.fft.fftshift(np.fft.fftfreq(N, dx))
    ky = 2*np.pi*np.fft.fftshift(np.fft.fftfreq(N, dy))
    KX, KY = np.meshgrid(kx, ky)
    scaling = np.exp(1j*np.pi*wavelength*z*(KX**2 + KY**2))
    pattern_ft = aperture_ft*scaling
    pattern = np.abs(np.fft.ifft2(np.fft.ifftshift(pattern_ft)))**2
    dxp = wavelength*z/(L*N*dx)
    dyp = wavelength*z/(L*N*dy)
    xp = np.linspace(-wavelength*z/L, wavelength*z/L, N)
    yp = np.linspace(-wavelength*z/L, wavelength*z/L, N)
    return pattern, xp, yp

# Fraunhofer diffraction
pattern, kx, ky = fraunhofer_rect(633e-9, 0.1, 2e-3, 1024)
plt.imshow(pattern, extent=[kx.min(), kx.max(), ky.min(), ky.max()], cmap='gray')
plt.xlabel('kx (1/m)')
plt.ylabel('ky (1/m)')
plt.title('Fraunhofer diffraction pattern')
plt.show()

# Fresnel diffraction
pattern, xp, yp = fresnel_rect(633e-9, 0.1, 2e-3, 1024, 1.0)
plt.imshow(pattern, extent=[xp.min(), xp.max(), yp.min(), yp.max()], cmap='gray')
plt.xlabel('x (m)')
plt.ylabel('y (m)')
plt.title('Fresnel diffraction pattern (z = 1 m)')
plt.show()

这段代码中,rect 函数用于生成矩形孔的孔径函数,fraunhofer_rect 函数用于计算矩形孔的 Fraunhofer 衍射图样,fresnel_rect 函数用于计算矩形孔的 Fresnel 衍射图样。在主程序中,我们先输出 Fraunhofer 衍射图样,然后输出 Fresnel 衍射图样。你可以根据自己的需要修改函数的输入参数来生成不同的图像。

向AI提问 loading 发送消息图标

相关推荐

zip
1.版本:matlab2014/2019a/2021a,内含运行结果,不会运行可私信 2.领域:智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,更多内容可点击博主头像 3.内容:标题所示,对于介绍可点击主页搜索博客 4.适合人群:本科,硕士等教研学习使用 5.博客介绍:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可si信 %% 开发者:Matlab科研助手 %% 更多咨询关注天天Matlab微信公众号 ### 团队长期从事下列领域算法的研究和改进: ### 1 智能优化算法及应用 **1.1 改进智能优化算法方面(单目标和多目标)** **1.2 生产调度方面** 1.2.1 装配线调度研究 1.2.2 车间调度研究 1.2.3 生产线平衡研究 1.2.4 水库梯度调度研究 **1.3 路径规划方面** 1.3.1 旅行商问题研究(TSP、TSPTW) 1.3.2 各类车辆路径规划问题研究(vrp、VRPTW、CVRP) 1.3.3 机器人路径规划问题研究 1.3.4 无人机三维路径规划问题研究 1.3.5 多式联运问题研究 1.3.6 无人机结合车辆路径配送 **1.4 三维装箱求解** **1.5 物流选址研究** 1.5.1 背包问题 1.5.2 物流选址 1.5.4 货位优化 ##### 1.6 电力系统优化研究 1.6.1 微电网优化 1.6.2 配电网系统优化 1.6.3 配电网重构 1.6.4 有序充电 1.6.5 储能双层优化调度 1.6.6 储能优化配置 ### 2 神经网络回归预测、时序预测、分类清单 **2.1 bp预测和分类** **2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ##### 2.10 DBN预测和分类 ##### 2.11 FNN预测 ##### 2.12 DELM预测和分类 ##### 2.13 BIlstm预测和分类 ##### 2.14 宽度学习预测和分类 ##### 2.15 模糊小波神经网络预测和分类 ##### 2.16 GRU预测和分类 ### 3 图像处理算法 **3.1 图像识别** 3.1.1 车牌、交通标志识别(新能源、国内外、复杂环境下车牌) 3.1.2 发票、身份证、银行卡识别 3.1.3 人脸类别和表情识别 3.1.4 打靶识别 3.1.5 字符识别(字母、数字、手写体、汉字、验证码) 3.1.6 病灶识别 3.1.7 花朵、药材、水果蔬菜识别 3.1.8 指纹、手势、虹膜识别 3.1.9 路面状态和裂缝识别 3.1.10 行为识别 3.1.11 万用表和表盘识别 3.1.12 人民币识别 3.1.13 答题卡识别 **3.2 图像分割** **3.3 图像检测** 3.3.1 显著性检测 3.3.2 缺陷检测 3.3.3 疲劳检测 3.3.4 病害检测 3.3.5 火灾检测 3.3.6 行人检测 3.3.7 水果分级 **3.4 图像隐藏** **3.5 图像去噪** **3.6 图像融合** **3.7 图像配准** **3.8 图像增强** **3.9 图像压缩** ##### 3.10 图像重建 ### 4 信号处理算法 **4.1 信号识别** **4.2 信号检测** **4.3 信号嵌入和提取** **4.4 信号去噪** ##### 4.5 故障诊断 ##### 4.6 脑电信号 ##### 4.7 心电信号 ##### 4.8 肌电信号 ### 5 元胞自动机仿真 **5.1 模拟交通流** **5.2 模拟人群疏散** **5.3 模拟病毒扩散** **5.4 模拟晶体生长** ### 6 无线传感器网络 ##### 6.1 无线传感器定位(Dv-Hop定位优化、RSSI定位优化) ##### 6.2 无线传感器覆盖优化 ##### 6.3 无线传感器通信及优化(Leach协议优化) ##### 6.4 无人机通信中继优化(组播优化)

大家在看

recommend-type

SD Specifications Part 1 - Physical Layer Specification 4.0

SD Specifications Part 1 Physical Layer Simplified Specification Version 4.10 January 22, 2013
recommend-type

ORAN协议 v04.00

ORAN协议 v04.00
recommend-type

以下为转载Plasma工作原理介紹-plasma等离子处理

 以下为转载 Plasma工作原理介紹 工作原理 清洁效果的检验  Pull and Shear tests  Water contact angle measurement  Auger Electron Spectroscopic Analysis Plasma机构原理圖 Plasma產生的原理 Plasma產生的條件 Ar/O2 Plasma的原理 Plasma Process Plasma Parameter--(pc32系列) Plasma 功效 早期,日本为了迎合高集成度的电子制造技术,开始使用超薄镀金技术,镀金厚度小于0.05mm。但问题也随之而来,当DM工艺后,经过烘烤,使原镀金层下的Ni元素会上移到表面。在随后的WB工艺中由于这些Ni元素及其他沾污会导致着线不佳现象,甚至着不上线(漏线,少线,第一点剥离,第二点剥离)。Plasma清洗机也就随之出现。 初版----劉卓 更新版----彭齊全
recommend-type

100万条虚拟游戏人物等级数据

游戏人物id、姓名、等级、性别、血量,魔力、力量,智力,体力,精神这十个就是我们需要生成的相关数据,具体生成数据教程可以看我的文章https://editor.csdn.net/md/?articleId=128610064
recommend-type

集成运放电路-multisim14仿真教程

13.6 集成运放电路 由分立元件构成的电路具有电子设计上灵活性大的优点,但缺点是功耗大、稳定性差、可靠性差, 此外,设计本身较复杂。集成电路采用微电子技术构成具有特定功能的电路系统模块,与分立元件构成 的电路相比,性能有了很大提高,电子设计也更为简单。 集成运算放大器是高增益、高输入阻抗、低输出阻抗、直接耦合的线性放大集成电路,功耗低、稳 定性好、可靠性高。可以通过外围元器件的连接构成放大器、信号发生电路、运算电路、滤波器等电路。 以集成运放μA741 为例,图 13.6-1 是μA741 的管脚示意图及实物照片。 图 13.6-1 集成运放μA741 管脚示意图及实物照片

最新推荐

recommend-type

Python实现图片查找轮廓、多边形拟合、最小外接矩形代码

本篇文章将深入探讨如何使用Python的OpenCV库来实现这些功能,包括图片查找轮廓、多边形拟合以及计算最小外接矩形。 首先,我们来看轮廓查找。在给定的代码中,`cv2.findContours()`函数被用来从灰度图像中找到轮廓...
recommend-type

python实现逆序输出一个数字的示例讲解

这个示例展示了如何在Python中利用基础操作和逻辑判断实现一个逆序数字输出的函数,它涵盖了负数、零以及大数的处理,同时考虑到了数字的溢出问题。这样的函数在实际编程中具有广泛的应用,特别是在处理数据序列或...
recommend-type

Python 实现日志同时输出到屏幕和文件

本文将详细介绍如何在Python中实现日志同时输出到屏幕(控制台)和文件。 首先,让我们理解Python中的`logging`模块。这是Python内置的日志系统,提供了一种灵活的方式来记录程序运行过程中的信息。它允许我们设置...
recommend-type

python实现录屏功能(亲测好用)

Python 实现录屏功能是一种实用的技术,尤其在教学、演示或者游戏录制场景中。本文将详细介绍如何利用Python来创建一个简单的录屏程序,并解决可能出现的问题。首先,我们需要安装一些必要的第三方库,包括Pillow、...
recommend-type

python实现异常信息堆栈输出到日志文件

本篇文章将深入探讨如何利用Python的`traceback`模块和`logging`模块,将异常信息和堆栈跟踪输出到日志文件。 首先,我们需要了解Python的异常处理机制。在Python中,我们使用`try/except`块来捕获可能发生的异常。...
recommend-type

ASP.NET高级编程学习资料合集下载指南

ASP.NET是一个强大的用于构建Web应用程序的框架,它是.NET Framework的一部分,由微软公司开发。在理解标题中提及的“ASP.NET高级编程”之前,我们需要先掌握ASP.NET的基础概念和编程基础,然后再深入探讨它的高级特性。 标题中提到的“ASP.NET完全入门”和“ASP.NET深入编程”以及“ASP.NET中文手册”等文件名暗示了学习ASP.NET的多个阶段。首先是完全入门,即了解ASP.NET的基本概念、工作原理和它的架构。其次是深入了解,包括学习ASP.NET的高级功能和一些特殊的编程技巧。最后是一份中文手册,提供了详细的参考和说明,便于快速查找和理解具体技术点。 描述中列举了一系列文档和手册的名称,涵盖了ASP.NET的不同方面。例如,“ASP.NET 程序设计基础篇”显然是针对ASP.NET编程的初级到中级内容,而“ASP.NET高级编程.pdf”则专注于高级主题,这些可能包括性能优化、安全性、缓存策略、高级数据处理等。此外,“C#高级编程.pdf”和“C#完全手册.pdf”等文档说明了ASP.NET的一个关键组件——C#语言,它是ASP.NET开发中常用的编程语言。C#语言的高级特性是构建复杂应用程序不可或缺的部分,包括但不限于LINQ查询、异步编程模式、泛型等。 在进一步阐述这些知识点之前,需要注意的是,ASP.NET的高级编程不仅包括编写代码,还涉及到架构设计、性能调优、安全性策略、部署和维护等方面。高级编程通常要求开发者对底层框架有深入的理解,并且能够运用设计模式和最佳实践来解决实际问题。 具体来说,ASP.NET的高级编程可能会涉及以下知识点: 1. MVC(Model-View-Controller)架构模式:这是一种常用的设计模式,用于分离应用程序的不同部分,即模型、视图和控制器。在ASP.NET中,这意味着将数据处理(模型)、用户界面(视图)和用户交互(控制器)分离开来,以提高应用程序的可维护性和可扩展性。 2. Web API:ASP.NET Web API允许开发者创建HTTP服务,这些服务可以支持各种客户端,包括浏览器和移动设备。这对于构建可交互的Web应用程序和RESTful服务至关重要。 3. Entity Framework:这是一个对象关系映射(ORM)框架,允许开发者使用.NET语言编写数据库相关的代码,而不需要直接编写SQL语句。Entity Framework支持高级特性,如延迟加载、存储过程和复杂查询等。 4. 缓存技术:ASP.NET提供了多种缓存机制,比如输出缓存、数据缓存、分布式缓存等,以提高应用程序的响应速度和性能。在高级编程中,合理使用缓存技术是一个重要的议题。 5. 安全性:安全性是Web开发中非常关键的一环,涉及认证、授权、防止跨站脚本攻击(XSS)、跨站请求伪造(CSRF)等。ASP.NET提供了多种内建的安全机制,如Windows认证、表单认证、OAuth等。 6. 性能优化:包括了解如何使用IIS(Internet Information Services)服务器进行应用程序部署、配置、监控和故障排除。此外,性能调优可能还包括优化数据库查询、减少网络请求和管理应用程序生命周期等。 7. 单元测试和代码质量:在进行高级编程时,编写测试用例以保证代码质量是非常重要的。ASP.NET支持单元测试框架,如NUnit或 MSTest,帮助开发者保证应用程序各个部分按预期工作。 最后,文件列表中的“实用必读.txt”可能是一份指南或阅读材料的清单,为开发者提供了重要的资源和学习路径。而“ASP.NET 高级编程”可能是一个压缩包文件,包含了与ASP.NET高级编程相关的所有资源文件,为开发者提供了一个集成的学习环境。 通过深入学习这些知识点和资源,开发者可以构建出健壮、可维护和高性能的ASP.NET应用程序,满足企业级应用的需求。
recommend-type

个人信息保护全攻略:如何在网络安全法框架下确保用户数据安全

# 摘要 随着网络技术的快速发展,个人信息保护成为全球关注的焦点。本文旨在全面分析网络安全法背景与个人信息保护的法律法规基础,探讨国内外个人信息保护标准的差异,并通过案例分析加深对法律挑战的理解。此外,本文还深入讨论了加密技术、访问控制和安全事件监测等技术手段在保护个人信息中的应用,以及企业在实践中的保护策略。最后,本文展望了新兴技术对个人信息保护的影响、持续教育的必要性,以及政策监管和国际合作的未来
recommend-type

飞机票订票系统DFD

### 飞机票订票系统的数据流图 (DFD) 设计 #### 背景介绍 数据流图是一种用于描述系统逻辑功能、数据流动和处理过程的图形化工具[^1]。对于飞机票订票系统而言,数据流图可以帮助清晰地展示用户操作流程、后台数据处理以及与其他外部实体之间的交互。 #### 系统概述 飞机票订票系统通常由以下几个主要部分组成: - 用户界面:供乘客查询航班信息并提交订单。 - 后台管理系统:负责处理用户的请求、更新数据库状态以及生成票据。 - 外部接口:连接航空公司或其他第三方服务提供商以获取实时航班信息。 这些组成部分可以通过多级数据流图来详细描绘,具体可分为顶层(L0)、第一层(L1)及更深层
recommend-type

DWZ富客户端框架v1.0.1发布: 界面组件实现与源码下载

### DWZ富客户端框架v1.0.1(含源码)知识点详解 #### 1. DWZ框架概述 DWZ富客户端框架是一个基于jQuery的UI组件库,它允许开发者利用纯HTML、CSS和JavaScript技术构建丰富的Web用户界面。该框架的主要设计目标是提供一套简洁、高效且易于使用的界面组件集合,从而简化富客户端应用的开发过程。 #### 2. jQuery基础 jQuery是一个快速、小巧、功能丰富的JavaScript库,其设计的初衷是简化HTML文档遍历、事件处理、动画和Ajax交互,它已成为开发Web应用的标准库之一。DWZ框架作为jQuery的扩展,要求开发者具备一定的jQuery基础,以便能够更加熟练地运用DWZ框架。 #### 3. 框架特性 - **纯前端技术实现**:DWZ框架完全由HTML、CSS和JavaScript构成,无需额外的服务器端代码,这使得其非常易于部署和维护。 - **丰富的UI组件**:框架提供了一系列预制的UI组件,如按钮、输入框、表格、分页等,可直接应用于页面上。 - **高定制性**:开发者可以基于DWZ框架的组件进行二次开发,以满足特定项目的个性化需求。 - **兼容性**:框架旨在兼容主流浏览器,如IE、Chrome、Firefox等,并保证在不同环境下用户界面的一致性。 #### 4. 部署与使用 - **环境要求**:要运行DWZ富客户端框架,需要在服务器上部署Apache或IIS等Web服务器软件。 - **快速入门**:开发者可以从下载源码后,直接在支持的Web服务器上部署并打开index.html文件,访问内置的demo来了解框架的基本使用方法。 - **定制开发**:框架支持定制化开发,允许开发者根据具体需求进行扩展或调整组件。 #### 5. 在线资源 - **在线演示地址**:通过访问提供的在线演示地址,开发者可以查看框架效果和功能。 - **开源代码下载**:框架开源了,源码可在Google Code下载,为开发者提供了透明化的参考和深入学习的可能。 - **开发者联系方式**:为了方便交流和反馈,开发者公布了联系邮箱,便于社区贡献和问题解决。 #### 6. 标签说明 - **DWZ富客户端框架**:这个标签表明了该框架的核心功能,即提供丰富的富客户端界面组件。 - **界面组件**:这是一个更具体的标签,直接指明了框架所提供的是一系列可复用的用户界面组件,这些组件涵盖了表单、导航、数据展示等多个方面。 #### 7. 文件压缩包说明 - **dwz-demo**:该文件名称暗示着压缩包内可能包含的是DWZ框架的演示示例。用户可以通过该示例来了解如何使用框架中的不同组件,以及它们的工作方式和效果。 #### 8. 开发与维护 - **开源协作**:作为一个开源项目,DWZ框架鼓励社区成员积极参与,无论是提出建议、修复bug还是添加新特性,社区的力量都是推动项目发展的重要因素。 - **持续改进**:项目维护者表明会在后续版本中根据用户反馈继续调整和完善框架功能,这表明了项目具有持续更新和改进的活力。 #### 9. 适用场景 DWZ富客户端框架适用于需要快速构建具有良好交互性和丰富用户界面的应用场景,特别适合前端开发者在Web项目中使用,以减少开发时间和提高用户交互体验。 #### 10. 结语 DWZ富客户端框架提供了简单易用、功能全面的前端组件,它的开源特性和活跃的社区支持保证了其长期的维护与发展。对于希望在Web项目中实现高效交互和高用户体验的开发者而言,DWZ框架无疑是一个值得考虑的优秀选择。
recommend-type

【揭秘车辆重识别】:深入理解VeRi-776数据集及其在深度学习中的关键作用(权威解析)

# 摘要 车辆重识别技术是智能交通和安全监控系统的重要组成部分,它允许系统在不同时间和不同地点识别同一车辆。随着深度学习技术的发展,车辆重识别技术取得了显著进展。本文首先概述了车辆重识别技术的基础知识,随后深入探讨了深度学习模型在车辆特征提取和相似性度量中的应用,并对VeRi-776数据集进行了详细的解析,包括数据集结构、挑战与特性以及预处理方法。此外,本文还展示了深度学习在车辆重识别中的实际应用案例,分析了应用中遇到的问题和优化策略,并展望了该技术的未来发展方向和社会意义,最后提供了一个综合案例研究与实践指南,旨在为相关领域的研究和实践提供指导和参考。 # 关键字 车辆重识别;深度学习;卷
手机看
程序员都在用的中文IT技术交流社区

程序员都在用的中文IT技术交流社区

专业的中文 IT 技术社区,与千万技术人共成长

专业的中文 IT 技术社区,与千万技术人共成长

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

客服 返回
顶部