其实，对于map count及smoothing设定并没有任何标准解答。最佳设定要看解决哪一种问题，另外还需要工程（技术）人员的判断。他只是一个让您可以的到正确结果的工具，让您在使用上更有弹性而已。以下提供一些指导及例子来做说明。 m2 _&rjGz
Szg<;._J
首先，说明一下分析图形的计算原理，以及count值的关系。当光线自光源射出，传入光学系统中并到达Exit surface或是您所选择的任意观察面上（分析模式），每一道光线的Flux都会被计算。Map count值决定在这个面上有多少bins或是pixels。bin一定是方形的，尺寸会根据观察面的大小来决定。您会发现count值越高，到达每个bin的光线就越少。若在给定的bin尺寸中（bin size=(map size)/(map count)，map size为观察面大小）模拟光线数较少时，map count数一旦改变最高亮度值及光线分布就会明显改变。当使用smoothing，整个Map就会将bin数组中的Flux值以高斯形式做均匀化处理。而高斯方程式的腰身（waist）等于bin size。 q!AS }rV
-Q$$2QW!
最佳的map count数及bin size设定全看您所要仿真的模型状况。某些状况下如何设定是很明显的。例如，仿真一个数字成像系统而您希望能预测成像状况，这时map count值就要设定成，让bin size跟成像面（如CCD，CMOS）的pixel size一样大。这时您就必须模拟足够多的光线使的结果较为均匀，换言之，就是让蒙地卡罗噪声（Monde Carlo noise）降低到符合需求。蒙地卡罗描光计算下总是会有噪声，这个噪声跟1/N1/2成比例，N为光线数。 ! prU!5-
1/&j'B
仿真照明系统时，您必须将map count设定成符合于量测的接收器的尺寸。无疑地这种状况map count值会很高。若您预期光斑会依不同位置（或是角度在Candela Plot下）而快速变化，而您希望模拟这个效果，这时就要将map count维持较高的值。您也应该要考虑到光分布的变化实际上有多快。这对您的判断是非常重要的，因为bin size决定了需要多少模拟光线而不会产生噪声。若您熟悉信息理论（Information theory），若光分布是band-limit，您只要做跟采样定理（Sampling theorem）规定一样细微的采样，或是1/2f（f为band-limit频率）这样的bin size就行。根据预测最佳的bin size就在量测接收器的尺寸跟数据的间隔之间（spacing of data points）。要决定最佳bin size是需要经过多次试验跟错误的。 ;^rZ"2U
l
Np/[MC
一旦您决定了最佳bin size，就必须计算足够多的光线以得到低噪声的结果（光分布）。前面提过噪声跟1/N1/2成比例而每个bin中的光线数量又跟1/M成比例，M为bin数。因为M=m2，m就是map count，所以要计算的光线数，在一个给定的噪声水平下，就跟m2成比例。你应该知道每个bin要搜集许多光线才能得到低噪声的结果，因此在不违背采样理论下尽可能让map count值低是非常重要的。例如，我们希望得到50 ray/bin在map count＝562时，必须要在Exit surface上搜集到约16,000,000条光线。这可以说是不切实际的状况。宁可选择较小的map count数，例如200，这时只需要约2,000,000条光线就行了。甚至，对您仿真的模型来说，这样的光线数还是稍微多了些。 *K+*0_
o1n c.2/0J
如何知道是否模拟了足够多的光线让噪声降到最低？还是那句老话，这要根据您自己的判断。开启smoothing功能可以让整个分析图更均匀化，但是也可能造成误判。唯一的方是就是多模拟些光线，若分析图的改变不是那么明显时，就代表光线数够多了。 Hy `r}+
RsV<*s
最后，要注意illuminance maps跟candela plots有一点差别。在illuminance maps下未开启smoothing时，你可以任意设定map count值。开启smoothing时，若map count值高于Resolution数，则在计算前将会被降低为2倍resolution数。而在Candela plots下，若smoothing数（类似map count）高于128时将会被设为128来做计算。在candela distribution plots下，这个数则被局限在最大为512，也就是对一个圆来说，每个最小的bin size为360。/512=0.7。。 =r_ S MTu
