Python光学仿真学习Gauss高斯光束在空间中的分布

2024-10-20 17:54:13

import matplotlib.pyplot as plt
import numpy as np
def setLabel(ax,*args):
    ax.set_xlabel(args[0])
    ax.set_ylabel(args[1])
    if len(args)==3:
        ax.set_zlabel(args[2])
def drawGauss(w0=1,dWave=1.064):
    # 轴向坐标
    z = np.linspace(-10,10,1000).reshape(1000,1)
    # z处光斑半径
    w = np.sqrt(w0**2+z**2*dWave**2/np.pi**2/w0**2)
    theta = np.linspace(0,np.pi*2,150).reshape(1,150)
    x = w*np.cos(theta)
    y = w*np.sin(theta)
    fig =  plt.figure()
    # 三维的高斯光束等功率密度面变化图
    ax1 = fig.add_subplot(221,projection='3d')
    ax1.plot_surface(z,x,y)#,cmap=plt.get_cmap('rainbow'))
    ax1.set_title("waist shape changed by propagation")
    setLabel(ax1,"z","x","y")
    # 二维的高斯光束半径变化图
    ax3 = fig.add_subplot(223)
    ax3.plot(z,w,linewidth=1)
    ax3.plot(z,-w,linewidth=0.2)
    ax3.plot([z[0],z[-1]],[0,0],linewidth=0.5,linestyle=":")
    ax3.set_title("waist value changed by propagation")
    setLabel(ax3,"z","w")
    # Gauss光束在束腰处的切片
    X,Y = np.meshgrid(np.linspace(-5,5,100),np.linspace(-5,5,100))
    Psi = np.exp(-(X**2+Y**2)/w0**2)/w0
    ax2 = fig.add_subplot(222,projection='3d')
    ax2.plot_surface(X,Y,Psi)
    ax2.set_title("Intensity distribution on waist0")
    setLabel(ax2,"x","y","Instensity")
    # Gauss光束在束腰处的径向切片
    r = np.linspace(-5,5,200)
    Psi = np.exp(-r**2/w0**2)/w0
    ax4 = fig.add_subplot(224)
    ax4.plot(r,Psi)
    ax4.set_title("Intensity distribution on waist0")
    setLabel(ax4,"r","Instensity")
    plt.show()

如果沿着z轴方向，在不同的位置处对Gauss光束进行切片处理，则不同位置处径向功率分布如图所示

实现代码如下

import matplotlib.animation as animation
def GaussGif1d(w0=1,dWave=1.064):
    zAxis = np.arange(100)
    # 轴向坐标
    z = np.linspace(0,10,100)
    # z处的束腰半径
    w = np.sqrt(w0**2+z**2*dWave**2/np.pi**2/w0**2)
    x = np.linspace(-10,10,500)
    fig = plt.figure()
    ax = fig.gca(xlim=(-5,5),ylim=(0,1))
    ax.grid()
    line, = ax.plot([],[])
    time_text = ax.text(0.1,0.9,'',transform=ax.transAxes)
    # 初始化图像
    def init():
        line.set_data([],[])
        time_text.set_text("")
        return line, time_text
    # 图像迭代
    def animate(i):
        wi = w[i]
        Psi = np.exp(-x**2/wi**2)/wi
        line.set_data(x,Psi)
        time_text.set_text("z="+str(z[i]))
        return line, time_text
    ani = animation.FuncAnimation(fig, animate, zAxis,
        interval=200, init_func=init)
    ani.save('gauss.gif',writer='imagemagick')
    plt.show()

以上就是Python光学仿真学习Gauss高斯光束在空间中的分布的详细内容，更多关于Python光学仿真Gauss高斯光束空间分布的资料请关注我们其它相关文章！

Python光学仿真之对光的干涉理解学习

光的干涉干涉即两束光在叠加过程中出现的强度周期性变化情况,其最简单的案例即为杨氏双缝干涉. 如图所示,光从 S S S点发出,通过两个狭缝 S 1 , S 2 S_1,S_2 S1,S2,最终汇聚在右侧的干涉屏上,在不同位置处将会产生不同的相位差. import numpy as np import matplotlib.pyplot as plt #两束光叠加 waveAdd = lambda I1,I2,theta : I1+I2+2*np.sqrt(I1*I2)*np.cos(the
Python光学仿真教程实现光线追踪

目录光线追迹几何抽象光线线段与圆弧光线追迹得益于计算机的计算的能力,通过追踪具有代表性的光线的传播轨迹,可以更加精确地描述光学系统的性能,光线追迹方法也因此大展其能,诸如Zemax.tracepro等软件便都提供了相应的功能. 而建立在折射定律基础之上的光线追迹方法,对数学功底要求较低,所以比较适合作为python初学者的入门项目.在接下来的这一章,希望通过对光线追迹的实现,掌握python中的列表.元组.字典.集合等数据类型的基本概念,并且对面向对象与函数式编程有一个基本的了解.
Python光学仿真理解Jones矩阵学习

目录 Jones向量 Jones矩阵 Jones矩阵的表示 Jones向量假设光波沿z轴传播,那么其三个方向的电场分量可以表示为 Jones矩阵能够保证二维列向量形状不变的运算有无穷多种,但最符合我们直觉的一定是 2 × 2矩阵.好在这种矩阵已经可以提供足够多的运算,从而满足我们描述偏振变化的需求. 光在通过波片之后,会在不同方向产生差异性的相位延迟,对于与x轴角度为 Ψ,相位差为 Φ 的波片,其Jones矩阵为 Jones矩阵的表示为了对Jones矩阵所对应的偏振状态进行绘制,我们需要进
Python光学仿真学习处理高斯光束分布图像

目录通过python处理光斑图像 1 相关包与图像读取 2 图像截取 3显示强度 4数据拟合问题通过python处理光斑图像 1 相关包与图像读取首先需要科学计算必备包numpy和画图包matplotlib.pyplot,我们通过后者进行图像数据的读取. plt.imread读取图片之后为数据格式为numpy数组,可以通过成员函数astype将整型数据变成浮点型,有利于后期处理. plt.imshow将img的数据加载到窗口,plt.show()显示绘图窗口,默认显示为伪彩图. pyth
python光学仿真实现光线追迹折射与反射的实现

目录折射与反射平面反射平面折射 python实现弧面问题折射与反射光线与光学元件相互作用,无非只有两件事,反射和透射.而就目前看来,我们所常用的光学元件,也无非有两种表面,即平面和球面,二维化之后就简化成了射线与线段,射线与劣弧的关系. 平面反射无论从哪个角度来看,平面的反射折射都要比球面更简单,而反射问题要比折射问题更简单,所以,我们首先处理平面的反射问题. 反射定律即入射角等于反射角,心念及此,最为循规蹈矩的思路必然是先找到入射光线和平面的夹角,然后用这个夹角和平面(在二维空间
Python光学仿真学习Gauss高斯光束在空间中的分布

目录 Gauss光束强度的表达式为如图所示左上图和左下图表示激光传输过程中的其束腰半径的变化情况:右图则表示高斯光束某一横截面处激光的能量分布. 绘制代码如下 import matplotlib.pyplot as plt import numpy as np def setLabel(ax,*args): ax.set_xlabel(args[0]) ax.set_ylabel(args[1]) if len(args)==3: ax.set_zlabel(args[2]) def dra
python光学仿真学习wxpython创建手速测试程序

滚动条是什么大家自然都是知道的,可以非常直观地显示数据的变化,或者可以非常方便地改变某些数值. 此前在介绍按钮.静态文本.输入文本这三个控件时,相对来说比较乏味,所以这次我们采用需求引导的模式.假如想编写一个软件用来检测打字速度,同时能够非常直观地通过滚动条来显示出来,应该怎么写? 我们大致需要三个控件,文本输入控件用来输入文字:静态文本控件用于显示速度:滚动条用来动态地显示速度.同时,还需要知道系统的时间,总之,代码如下 import wx import time #时间模块 class te
Python光学仿真学习衍射算法初步理解

对衍射最经典的解释是Huygens-Fresnel原理,Huygens认为波阵面上每一点都会成为新的波源,这些子波源的相互干涉就形成了衍射.这显然是一种离散的观点,仿佛是专门为程序员准备的一样. 假设一束光打在一个方形孔上,这个方形孔被细分成 n×n个网格,那么每个网格都相当于是一个小孔,而这些小孔的互相干涉,即为衍射.随着网格不断被细分,最终可以逼近真实的衍射情形.那么,假设矩孔处为等相位面,其网格坐标为 (i,j),到衍射屏距离为 d d d,那么对于衍射屏上任意一点P(x,y),其光强为
python光学仿真相速度和群速度计算理解学习

目录波动模型相速度群速度从编程的角度来说,波动光学在某些情况下可以简单地理解为在光线模型的基础上,引入一个相位项. 波动模型一般来说,三个特征可以确定空间中的波场:频率.振幅和相位,故光波场可表示为: import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D z = np.arange(15,200)*10 #单位为nm x = np.arange(15,200)
Python光学仿真光的偏振编程理解学习

目录光的偏振光的偏振由于光波是横波,所以对于任意一个光波,其振幅方向与传播方向在一个固定的平面内.换言之,一束光波可以存在振幅方向不同的一群光波,对于其中一个光波而言,其振幅方向即为偏振方向. 可以画出其示意图 #偏振光演示 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D as axd def polarShow(): z = np.arange(0,5,0
Python光学仿真从Maxwell方程组到波动方程矢量算法理解学习

Maxwell方程组是十九世纪最伟大的公式,代表了传统物理学人对公式美学的孜孜追求,也影响了无数后来者的物理美学品味. 回顾历史,当1864年,Maxwell发出那篇著名的<电磁场的动力学理论>时,实则列出了二十个公式,以总结前人的物理学成果,我们将分量公式合并为矢量,可以得到八个式子,即以上符号分别表示二十年后,Heaviside对这二十个公式进行重新编排,得到了我们熟悉的形式,并将其命名为麦克斯韦方程组: 对上式中左侧两个旋度公式再取旋度,得到其中, ∇ E = 0,所以可得到波动方
python光学仿真实现光线追迹之空间关系

目录空间关系相交判定射线排序线弧关系点弧关系空间关系变化始于相遇,所以交点是一切的核心. 相交判定首先考察一束光线能否打在某个平面镜上.光线被抽象成了一个列表[a,b,c],平面镜则被抽象成为由两个点构成的线段[(x1,y1),(x2,y2)].两条直线的交点问题属于初等数学范畴,需要先将线段转换成直线的形式,然后再求交点.但是两条直线的交点可能落在线段的外面,从而不具有判定的意义. 如果我们的光学系统中有大量的光学元件,那么如果有一种方法可以快速判断光线是否与光学元件有交点,将

Python光学仿真学习Gauss高斯光束在空间中的分布

目录

相关推荐

随机推荐