עקיפה בהתקן מעגלי Diffraction by a Circular Aperture בהתקנים אופטיים רבים – ובפרט בעיניים שלנו – ה " סדק " הרלוונטי לתופעת עקיפה בגלים הוא עדשה מעגלית.

Slides:



Advertisements
Similar presentations
Completeness and Expressiveness. תזכורת למערכת ההוכחה של לוגיקה מסדר ראשון : אקסיומות 1. ) ) (( 2. )) ) (( )) ( ) ((( 3. ))) F( F( ( 4. ) v) ( ) v ((
Advertisements

1 Formal Specifications for Complex Systems (236368) Tutorial #4 Refinement in Z: data refinement; operations refinement; their combinations.
סמינריון מסדי נתונים בסביבת האינטרנט הנחיות למשתתף בסמינר.
עיבוד תמונות ואותות בעזרת מחשב
Associative memory and the medial temporal lobes Andrew Mayes, Daniela Montaldi and Ellen Mig,
מצגת מיקמק מבית nolamik הפקות.
מתמטיקה בדידה תרגול 3.
רקורסיות נושאי השיעור פתרון משוואות רקורסיביות שיטת ההצבה
Inverse kinematics (Craig ch.4) ב"ה. Pieper’s solution נתבונן ברובוט עם 6 מפרקי סיבוב כאשר שלושת הצירים של המפרקים האחרונים נחתכים. נקודת החיתוך נתונה.
תרגול 5 רקורסיות. רקורסיה קריאה של פונקציה לעצמה –באופן ישיר או באופן עקיף היתרון : תכנות של דברים מסובכים נעשה ברור ונוח יותר, מכיוון שזו למעשה צורת.
שאלות חזרה לבחינה. שאלה דיסקים אופטיים מסוג WORM (write-once-read-many) משמשים חברות לצורך איחסון כמויות גדולות של מידע באופן קבוע ומבלי שניתן לשנותו.
מה החומר למבחן ? כל החומר שנלמד בהרצאות ובתרגולים. לגבי backtracking: לא תידרשו לממש אלגוריתם, אך כן להבין או להשלים מימוש נתון. אחת משאלות המבחן מבוססת.
היום נדבר אל נושא אחד בתורת הגרפים. ובהמשך נשתמש בכלים אלו לפתרון כמה בעיות גאומטריות ובפרט להוכחת Szemeredi Trotter theorem.
Robust Characterization of Polynomials 1 Robust Characterization of polynomials “IT DOES NOT MAKE SENCE!” מרצים : אורי גרסטן יניב עזריה Ronitt Rubinfeld.
1 Formal Specifications for Complex Systems (236368) Tutorial #5 Refinement in Z: data refinement; operations refinement; their combinations.
שיחזור תמונה בעזרת סופררזולוציה.. 1. הקדמה. נתון אובייקט בעולם האמיתי. מטרה היא לקבל תמונה של האובייקט הנתון בגודל מסויים (L x L). לרשותינו נמצאית מצלמה.
עיבוד תמונות ואותות במחשב אלכסנדר ברנגולץ דואר אלקטרוני : שיטות קידוד שיטות קידוד אורך מלת קוד ואנטרופיה אורך מלת קוד ואנטרופיה קידוד.
א " ב, מילים, ושפות הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 1.
א " ב, מילים, ושפות הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 1.
Formal Specifications for Complex Systems (236368) Tutorial #6 appendix Statecharts vs. Raphsody 7 (theory vs. practice)
תורת הקבוצות חלק ב'. קבוצה בת מניה הגדרה: קבוצה אינסופית X היא ניתנת למניה אם יש התאמה חד-חד ערכית בין X לבין .
תכנות תרגול 6 שבוע : תרגיל שורש של מספר מחושב לפי הסדרה הבאה : root 0 = 1 root n = root n-1 + a / root n-1 2 כאשר האיבר ה n של הסדרה הוא קירוב.
נתחיל בחזרה על קבוע הזמן של הממברנה. Membrane (2 : מבודד (גרוע ביחס לכבל). 1) Cytoplasm : מוליך (גרוע ביחס לכבל). Extracellular medium (3 : אנו מניחים.
אנרגיה תזכורת אנרגיה: יכולת לעשות עבודה (כלומר – להפעיל כוח לאורך דרך) עובדה סך כל האנרגיה נשמר בתהליכים פיסיקאליים חשוב להבחין בין עבודה הנעשית על-ידי/כנגד.
מערכות הפעלה ( אביב 2009) חגית עטיה ©1 מערכת קבצים log-structured  ה log הוא העותק היחיד של הנתונים  כאשר משנים בלוק (data, header) פשוט כותבים את הבלוק.
א " ב, מילים, ושפות הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 1.
A. Frank File Organization Various Parameter Issues.
הקיבול איננו תלוי במטען ובפוטנציאל
הפקולטה למדעי המחשב אוטומטים ושפות פורמליות (236353)
טיב פני שטח (טפ"ש) טיב פני שטח- רמת החלקות של המשטח.
Ray 7 דוגמא אלגוריתם 1.קבל דוגמאות 2. פלט f a עבור הדוגמה a המינימלית החיובית ?
Data Structures, CS, TAU, Perfect Hashing 1 Perfect Hashing בעיה : נתונה קבוצה S של n מפתחות מתחום U השוואה ל - Hash : * טבלה קבועה (Hash רגיל - דינאמי.
תכנות תרגול 5 שבוע : הגדרת פונקציות return-value-type function-name(parameter1, parameter2, …) הגדרת סוג הערכים שהפונקציה מחזירה שם הפונקציהרשימת.
Remember Remember The 5 th of November. תרגול 2 קובץ סדרתי.
אלכסנדר ברנגולץ דואר אלקטרוני: אלכסנדר ברנגולץ דואר אלקטרוני: פעולות מורפולוגיות.
1 Data Structures, CS, TAU, Perfect Hashing בעיה: נתונה קבוצה S של n מפתחות מתחום U השוואה ל- Hash : * טבלה קבועה (Hash רגיל - דינאמי) * רוצים זמן קבוע.
רגרסיה קו רגרסיה הוא קו תיאורטי המאפשר לנו לבחון את השפעתו של משתנה מנבא אחד (או יותר) על המשתנה התלוי: במילים אחרות, מודל רגרסיה עוזר לנו לנבא על פי משתנה.
מערכים עד היום כדי לייצג 20 סטודנטים נאלצנו להגדיר עד היום כדי לייצג 20 סטודנטים נאלצנו להגדיר int grade1, grade2, …, grade20; int grade1, grade2, …, grade20;
מציגים : PP23 אודי זמבל דני זיסליס
מודל הלמידה מדוגמאות Learning from Examples קלט: אוסף של דוגמאות פלט: קונסיסטנטי עם פונקציה f ב- C ז"א קונסיסטנטי עם S ז"א מודל הלמידה מדוגמאות Learning.
עקרון ההכלה וההדחה.
יחס סדר חלקי.
עיבוד תמונות ואותות בעזרת מחשב תרגול מס' 8: Template Matching
Markov Decision Processes (MDP) תומר באום Based on ch. 14 in “Probabilistic Robotics” By Thrun et al. ב"הב"ה.
A. Frank File Organization Hardware Size Parameters.
1 מבוא למדעי המחשב סיבוכיות. 2 סיבוכיות - מוטיבציה סידרת פיבונאצ'י: long fibonacci (int n) { if (n == 1 || n == 2) return 1; else return (fibonacci(n-1)
ISO Standard Main Views. American Standard Main Views.
ניתוח בחינת הבגרות במכניקה ומעבר..... מכניקה – שאלה 3.
Points on a perimeter (Convex Hull) קורס – מבוא לעבוד מקבילי מבצעים – אריאל פנדלר יאיר ברעם.
1 גילוי מידע וזיהוי תבניות תרגול מס. 3 התפלגות נורמלית רב - מימדית Kullback-Leibler Divergence - משפט קמירות - נגזרת שנייה משפט Log sum inequality משפט.
Interpolation Functions in Matlab By Dmitriy Katsif.
- אמיר רובינשטיין מיונים - Sorting משפט : חסם תחתון על מיון ( המבוסס על השוואות בלבד ) של n מפתחות הינו Ω(nlogn) במקרה הגרוע ובממוצע. ניתן לפעמים.
פיתוח מערכות מידע Class diagrams Aggregation, Composition and Generalization.
תכנות אסינכרוני, תקשורת ופיתוח אפליקציות ל- Windows 8.1 ואפליקציות ל- Windows Phone 8 Control (Part II)
Costs and Filters Dr. Avi Rosenfeld Department of Industrial Engineering Jerusalem College of Technology
Data Structures Hanoch Levi and Uri Zwick March 2011 Lecture 3 Dynamic Sets / Dictionaries Binary Search Trees.
1 Formal Specifications for Complex Systems (236368) Tutorial #1 Course site:
. Sequence Alignment Tutorial #3 © Ydo Wexler & Dan Geiger.
Human Wayfinding in Information Networks
CNN for No-Reference Image Quality Assessment(NR-IQA)
Formal Specifications for Complex Systems (236368) Tutorial #1
ניתוח זמן ריצה (על קצה המזלג)
SQL בסיסי – הגדרה אינדוקטיבית
ניתוח זמן ריצה (על קצה המזלג)
Marina Kogan Sadetsky –
ישנן שלוש אפשרויות למצב בעדשה מרכזת
בחירת חומר גלם כתב: עמרי שרון.
למה רמת פרמי צריכה להיות קבועה בחומר שנמצא בשווי משקל?
תזכורת על מה דיברנו שיעור שעבר? בנינו אתר אינטרנט עם כותרות
סמינר בנושאים מתקדמים בעיבוד תמונה
Presentation transcript:

עקיפה בהתקן מעגלי Diffraction by a Circular Aperture בהתקנים אופטיים רבים – ובפרט בעיניים שלנו – ה " סדק " הרלוונטי לתופעת עקיפה בגלים הוא עדשה מעגלית כלשהיא. תזכורת : ה " אופי " של עקיפה בסדק קווי – אזורים עם עוצמה גבוהה ואזורים חשוכים ( קשר כמותי לפי (sin(  )/  ) 2. חתך ראדיאלי של העוצמה תמונת העקיפה ממקור נקודתי

עקיפה : מריחה (spreading) של מקור נקודתי (point source) למרות שאנו מסתכלים בעצם נקודתי אנו נתקלים כאן באחת התוצאות של עקיפה: הגודל ה"זוויתי" של התמונה גדול מהמקור עצמו. ללא הוכחה – המינימום הראשון של תמונת העקיפה של גל באורך העובר בהתקן בעל קוטר d מתקבל בזווית  המקיימת בגלל הצורה המעגלית אם <<d נקבל מינימום כבר ב  - מאוד קטן, כלומר – נראה את העצם שלנו כנקדותי....

כושר ההפרדה (resolvability) אבל אם d הוא רק מספר פעמים, המינימום הראשון יתקבל ב  - לא "כל-כך קטן": בתמונה המקור "ימרח" על-פני שטח סופי. אם יש כמה מקורות נקודתיים קרובים התמונות ה"מרוחות" שלהם תעלנה זו על-זו ולא נוכל להפריד ביניהם. קרובים = במונחים של ההפרדה הזוויתית בשדה הראייה שלנו. קריטריון כמותי : המינימום הנדרש להפרדה בין שני מקורות נקודתיים הוא שהמקסימום המרכזי של אחד יוצא על המינימום הראשון של המקור השני. זהו קריטריון Rayleigh: הסבר על הלוח....

מרחק זוויתי (angular separation) המרחק הנראה לנו בין שני מקורות תלוי במרחק האמיתי ביניהם,, ובמרחק מאיתנו אל המקורות, L. כאשר מדובר במקורות נקודתיים ( גודל פיסי אפס ) אין לנו מדד כלשהוא לקבוע את, ו- L בנפרד אלא רק את /L בקירוב sin(  )= /L ולכן עבור <<L המרחק הזוויתי הוא  ≈ /L L L L כל הקונפיוגרציו ת אפשריות !...  אבל  חד  ערכית 

דוגמא : העין האנושית כושר ההפרדה הזוויתי של העין הוא כדקת קשת אחת (דקה אחת = 1/60 של מעלה = 3  rad ) שזה כמה עשיריות מילימטר במרחק של מטר אחד. משמעות – אם נשים נקודה אדומה ונקודה צהובה בהפרדה זוויתית קטנה מ - 3  rad, העין "תזהה" נקודה כתומה אחת. עיקרון זה עומד מאחורי סגנון ה Pointillism-, המוכר מהתמונה הבאה של Seurat :

Pointillism מבוסס על ציור קפדני של הרבה מאוד נקודות בגוונים שונים זו לצד זו. כאשר מסתכלים בציור מקרוב, מבנה הנקודות ברור – ההפרדה הזוויתית  גדולה יחסית. אבל אם מתרחקים, ההפרדה הזוויתי בין הנקודות  <  R, והעין איננה יכולה לזהות נקודות נפרדות. העין (והמוח) מעבדים את התמונה המרוחה לצבע אופייני של אזור מסויים.

ומה עושים כשהעין לא מספיק טובה? אם אז במכשיר שאיננו העין אפשר לקבל הפרדה טובה יותר (  R קטן יותר ) על - ידי הגדלת גודל העדשה (d גדול יותר ) או שימוש באורכי גל קצרים יותר. במקרים רבים הגדלת העדשה איננה פרקטית, ולכן ישנו שימוש נרחב במיקרוסקופים ( וגם באמצעים אחרים ) באורכי גל קצרים מהתחום הנראה, ועיבוד ממוחשב של התמונה המתקבלת לצבעי - דמה (false-colors) לטובת הראייה שלנו. כדורית דם אנמית Scanning electron microscope