基于Pandas和Pandas-Bokeh的学生成绩数据统计及可视化

本文以作者所在学校初一初二两个年级学生的期末考试成绩为例,详细阐述了如何利用数据分析工具Pandas对数据进行导入、清洗、分析,以及使用第三方绘图库Python-Bokeh对统计结果进行可视化输出的方法,希望它能够在学生成绩统计应用中具有较好的实用性和推广价值。

近红外二区宽谱段光学成像系统设计

针对近红外二区活体小动物荧光成像需求,解决宽谱段内多种波长同时复用问题,研究成像镜组的光学设计方法。以像差校正为设计出发点通过像差曲线的判读逐步迭代镜组结构;通过合理的光焦度分配加大后工作距离;通过玻璃材料选择优化兼顾宽谱段色差控制与能量透过率。最终获得光学系统焦距为40mm的光学结构,在工作距离范围内(200~600 mm),近红外二区波段(0.9~2.3μm)均可保证MTF>0.6@34 lp/mm,RMS点斑尺寸小于像元尺寸15μm,全视场畸变小于1%。经分辨率靶标实拍测试能够达到50μm的分辨能力。该光学设计方案提供了一种全玻璃球面透镜的解决方案,可以满足低探测阈值高质量活体小动物荧光成像需求。

基于多聚焦图像深度信息提取的背景虚化显示

针对普通相机无法拍摄出符合视觉美感的背景虚化图像问题,提出一种基于多聚焦图像深度信息提取的背景虚化算法.首先,根据图像的光学成像原理,对多聚焦图像进行热扩散方程的数学建模,对图像中的每个点自适应的初始化一个深度值;其次,根据图像每个点的热扩散系数对初始图像进行前向扩散,用数值方法来解此偏微分方程,通过正则化得到修正后的图像深度信息;最后,对图像深度信息进行分层,利用多尺度高斯滤波对不同深度层的图像进行虚化处理.本算法能够有效地提取出图像的深度信息,并且获得的背景虚化效果也能够较好地符合光学原理.

散景效果的真实感绘制

针对现有方法绘制的散景效果真实感较差的问题,提出一种基于几何光学理论的散景效果真实感绘制方法.该方法以光线传播的折射定律为基础,利用序列光线追踪方法对相机镜头的光学成像特性进行精确建模;对相机镜头的内部结构进行精确模拟,包括孔径光阑和渐晕光阑,以绘制出由孔径形状和渐晕共同作用的散景效果;利用几何光学理论和序列光线追踪方法精确计算出出射光瞳的位置和大小,以辅助光线采样,提高光线追踪效率.绘制结果表明,利用该方法能够绘制出较为逼真的散景效果,正确模拟了孔径形状和渐晕对散景效果的影响,并具有较高的光线追踪效率.

基于Python的在线考试与分析平台

受新冠疫情的影响,在线教学如火如荼,由于缺乏合适的本地化平台,在线考试的发展相对缓慢,试卷的批改和分析通常占用了教师较多的时间。针对以上问题,利用Python开发在线考试与分析平台,教师将Excel格式的题目导入平台,根据一定的规则进行自动组卷,系统自动对客观题进行判分,利用Pandas对考试成绩进行分析,并利用Bokeh进行可视化展示,便于学生进行在线考试,减轻了教师批改分析试卷的负担,简便易用。

利用条件生成对抗网络的光场图像重聚焦

目的传统的基于子视点叠加的重聚焦算法混叠现象严重,基于光场图像重构的重聚焦方法计算量太大,性能提升困难。为此,本文借助深度神经网络设计和实现了一种基于条件生成对抗网络的新颖高效的端到端光场图像重聚焦算法。方法首先以光场图像为输入计算视差图,并从视差图中计算出所需的弥散圆(circle of confusion,COC)图像,然后根据COC图像对光场中心子视点图像进行散焦渲染,最终生成对焦平面和景深与COC图像相对应的重聚焦图像。结果所提算法在提出的仿真数据集和真实数据集上与相关算法进行评价比较,证明了所提算法能够生成高质量的重聚焦图像。使用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)进行定量分析的结果显示,本文算法比传统重聚焦算法平均PSNR提升了1.82 d B,平均SSIM提升了0.02,比同样使用COC图像并借助各向异性滤波的算法平均PSNR提升了7.92 d B,平均SSIM提升了0.08。结论本文算法能够依据图像重聚焦和景深控制要求,生成输入光场图像的视差图,进而生成对应的COC图像。所提条件生成对抗神经网络模型能够依据得到的不同COC图像对输入的中心子视点进行散焦渲染,得到与之对应的重聚焦图像,与之前的算法相比,本文算法解决了混叠问题,优化了散焦效果,并显著降低了计算成本。