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(在二维空间中是一条直线)在空间中的斜率，由这个斜率与入射角得到出射光的斜率，然后就可以得到出射光的方程。
这个方法的问题是需要反复使用三角函数和反三角函数，而三角函数和反三角函数并非严格意义上的互为相反，所以在传参的过程中，可能会遇到一些麻烦。
相对来说，比较不容易出错的方法是，寻找入射点关于法线的对称点，那么这个对称点与交点的连线，便是出射光的方程。
平面折射
折射与反射的思路如出一辙，最原始的想法仍旧是获取入射角，然后根据折射定律求出射角，然后再按照出射角解出出射光的表达式。这个思路的难点仍旧在三角函数与反函数的转化上。
至此，我们发现折射与反射在表达形式上是相通的，如果令入射点关于法线做垂线，垂足为C，约定这条垂线与出射光线的交点为出射点B，那么出射点到垂足的距离BC与入射点到垂足的距离AC之间是满足比例关系的。当入射光线和反射光线的折射率相等时，这个比例为1，否则比例为 λ lambda λ。
我们还能发现，这个 λ lambda λ不一定有解，因为分母中有一个根号表达式，当内部的值小于0时，自然无解。这与我们的物理直觉是符合的，即并不是所有的入射光线都有折射光线，当折射光线消失的时候，就发生了全反射。
所以，当务之急是根据入射点找垂足，易得
那么对于我们所熟知的折射问题，即可令入射点关于反射平面做一次对称，再关于发现做一次定比延长线的对称，即可得到出射点。
python实现
至此，我们已经完全建立了一套反射与折射的关系，代码如下：
#得到点关于直线的对称点,k为比例系数
def getSymDot(point,line,k=1):
return tuple((np.array(getPedal(point,line))*(1+k)-point)/k)
#得到直线的垂足
def getPedal(point,line):
a,b,c=line
x0,y0 = point
y1 = (a**2*y0-a*b*x0-b*c)/(a**2+b**2)
x1 = (b**2*x0-a*b*y0-a*c)/(a**2+b**2)
return (x1,y1)
函数getSymDot即通过输入点和线来求解对称点，其思路是把点关于线对称的问题转化为点关于垂足对称的问题。所以引用了getPedal函数，这个函数通过输入一点和线来返回过点做线的垂线所得到的垂足。
所有代码都是对上述数学公式的简单复现。
def cataDioLine(abc=[1,-1,1],line=[2,-1,1],
sPoint=[],cross=[],n1=1,n2=1.5):
normal = [-line[1],line[0],line[1]*cross[0]-line[0]*cross[1]]#法线
flecDot = getSymDot(sPoint,normal)
flec=getABC([cross,flecDot])
dPara = np.sqrt(line[0]**2+line[1]**2)
dNormal = np.abs(np.array(normal).dot(list(sPoint)+[1]))/dPara#到法线距离
dPane = np.abs(np.array(line).dot(list(sPoint)+[1]))/dPara#到反射面距离
if dNormal == 0:
return flec,abc
delt = (n2/n1)**2*(1+(dPane/dNormal)**2)-1#判定全反射
if delt>0:
k =dPane/dNormal/np.sqrt(delt)
fracDot = getSymDot(sPoint,normal,k)
fracDot = getSymDot(fracDot,line)
frac = getABC([cross,fracDot])
return flec,frac
return flec,[0,0,0]
函数cataDioLine则是反射折射的实现函数。注意，在此引入的getABC并不是此前定义的通过点和角度求表达式的函数，而是通过两点转[a,b,c]的函数。
那么我们是否可以写一个同名函数来实现不同的功能呢？很遗憾的是，Python不支持函数的重载，所以只能将同名函数封装在一起：
def getABC(*par):
if len(par)==1: #此时传入的参数为点对dots=[(x0,y0),(x1,y1)]
dots = par[0]
abc = [dots[1][1]-dots[0][1],
dots[0][0]-dots[1][0],
-np.linalg.det(dots)]
return np.array(abc)/(np.sqrt(abc[0]**2+abc[1]**2))
elif len(par)==2: #此时传入的参数为点和角度(x0,y0),theta
theta,sPoint = par
a,b = [np.sin(theta),-np.cos(theta)]
c = -(a*sPoint[0]+b*sPoint[1])
return [a,b,c]
看到输入参数(*par)，我们很多人可能会产生某些不是很美妙的联想，但不要兴奋，这只是python的一种传参方式。(*args)表示将传入的参数组成一个列表args；(**kargs)表示将传入的参数组成一个字典kargs。
弧面问题
光线在弧面上的反射问题，是典型的那种看似复杂实则简单的纸老虎问题，简单到我们只要找到法线就能轻松地转化为平面问题。
所以，问题被简单地转化为求解圆的切线问题――这个切线即反射平面。由于数学过程过于简单，就不写公式了，读者可以试着看代码反推公式。
#获取过交点的圆弧的切线
def getTangent(corss=[0,1],circle=[0,0,1]):
a = corss[0]-circle[0]
b = corss[1]-circle[1]
c = -a*corss[0]-b*corss[1]
return [a,b,c]
至此，我们就可以得到一个完整的折射反射问题的求解方案：
#光在直线或弧线表面的反折射
def cataDio(abc=[1,-1,1],dots=[(0,2),(2,2)],
sPoint=[-2,-1],n1=1,n2=1.5):
cross = getCross(abc,dots,sPoint) #获取交点
if cross == []:
return [],[],[]
if len(dots)==3:
line = getTangent(cross,arc2cir(dots)) #圆上切线
elif len(dots)==2:
line = getABC(dots)
flec,frac = cataDioLine(abc,line,sPoint,cross,n1,n2)
return cross,flec,frac
当然，这里的getCross也需要重新写成不仅适合直线，而且适合弧线的形式：
def getCross(abc=[1,-1,0],dots=[[0,-1],[0,1],[0.5,0]],point=[]):
if len(dots)==3:
return getCrossArc(abc,dots,point)
if len(dots)==2:
return getCrossDots(abc,dots,point)
这时我们发现用两个点表示线段，三个点表示弧线还是比较舒服的一种做法，至少二者在表达形式上的统一似乎能为我们带来某种内心的愉悦。
以上就是python光学仿真实现光线追迹折射与反射的实现的详细内容，更多关于python光线追迹的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/m0_37816922/article/details/97885015
