如何根据python中的一天中的时间每分钟从最大值和最小值计算曝光时间

Question

我想让我的Raspberry Pi camera timelapse boxes 在夜间进行长时间曝光，在白天进行短时间曝光。我已经收集了我所在位置like this (Script here) 的日落和日出列表

它有太阳升起、中午和落下的时间。 （或者值“sun”：never_rises，或者 never_sets 代表我住的极地冬天和极地夏天。）

我的 Picamera 最大曝光时间为 6 秒，即 6000000 微秒，以便在夜间获得可用的图像。白天，我在 4000 微秒左右的曝光时间得到了很好的曝光。

我想制作一个脚本，根据当前时间，每分钟计算从 ma​​x: 6000000 到 min: 4000 的曝光时间。

我在想这样的事情：低于时间，直到日出前 2 小时，天黑，= 最大 曝光。

在从日出到白天的 2 小时内，获取从 ma​​x 到 min 的值。

分钟持续一天。

然后，在两个小时内从 min 到 ma​​x，从日落到外面，天黑了。

但我的数学能力很弱。如何计算两个小时内每分钟从 ma​​x 到 min 的平稳过渡？

如果每天的日落和升起时间相同，我可以制作一个 Excel 表格来获取可用值，但由于每天日落和升起的时间不同，这会变得很棘手。

可以在here找到用于制作延时摄影的脚本。

Answer 1

这需要一些时间来运行，因此可能有更好的方法来实现它。它假定曝光时间为 1 微秒步长，因此如果不同，只需修改 np.linspace 行。

我从最大曝光开始，在日出曝光开始线性下降到日出时的最小值前 2 小时。在日落时，它开始线性增加到日落后 2 小时的最大值。如果日落和日出之间的时间少于 4 小时，我决定根据时差调整最大曝光量。使用不同的尺度（即对数或几何）可能会有更好的结果，但这可能更多来自实验而不是编码本身。

就个人而言，我认为时间假设有点偏离，但这更多的是基于一天中的时间进行适当曝光设置的问题，而不是这里提出的问题，并且脚本可以这样调整。

import requests
import datetime
import numpy as np
import pandas as pd
import time
import plotly.graph_objects as go

max = 6000000
min = 4000
change = np.round(np.linspace(min, max, 121))
mins = pd.DataFrame({"time": pd.date_range("1/1/2021", "31/12/2021", freq="T"), "exposure": max})
url = "https://raw.githubusercontent.com/ekstremedia/raspberry-timelapse/master/scripts/solartimes.json"
data = requests.get(url).json()
sunset = None
neversets = False
for i in data:
    if not data[i]["data"]:
        if data[i]["sun"] == "never_sets":
            day = datetime.datetime.strptime(f'2021-{i}', "%Y-%d-%m")
            day_end = day + datetime.timedelta(hours=23, minutes=59)
            mins.loc[(mins["time"] >= day) & (mins["time"] <= day_end), "exposure"] = min
            if not neversets:
                new_max = int((((day-sunset).seconds/120)/120)*max)
                new_change = np.linspace(min, new_max, int(((day-sunset).seconds/120))+1)
                new_change_a = np.round(np.concatenate([new_change[:-1], new_change[::-1]]))
                try:
                    mins.loc[(mins["time"] >= sunset) & (mins["time"] <= day), "exposure"] = new_change_a
                except ValueError:
                    new_change_a = np.round(np.concatenate([new_change, new_change[::-1]]))
                    mins.loc[(mins["time"] >= sunset) & (mins["time"] <= day), "exposure"] = new_change_a
            neversets = True
    else:
        sunrise = datetime.datetime.strptime(f'2021-{i} {data[i]["sunrise"]}', "%Y-%d-%m %H:%M")
        pre_sunrise = sunrise - datetime.timedelta(hours=2)
        if neversets:
            day = datetime.datetime.strptime(f'2021-{i}', "%Y-%d-%m")
            sunrise = datetime.datetime.strptime(f'2021-{i} {data[i]["sunrise"]}', "%Y-%d-%m %H:%M")
            new_max = int((((sunrise-day).seconds/120)/120)*max)
            new_change = np.linspace(min, new_max, int(((sunrise-day).seconds/120))+1)
            new_change_a = np.round(np.concatenate([new_change[:-1], new_change[::-1]]))
            try:
                mins.loc[(mins["time"] >= day) & (mins["time"] <= sunrise), "exposure"] = new_change_a
            except ValueError:
                new_change_a = np.round(np.concatenate([new_change, new_change[::-1]]))
                mins.loc[(mins["time"] >= day) & (mins["time"] <= sunrise), "exposure"] = new_change_a
            sunset = datetime.datetime.strptime(f'2021-{i} {data[i]["sunset"]}', "%Y-%d-%m %H:%M")
            post_sunset = sunset + datetime.timedelta(hours=2)
            mins.loc[(mins["time"] >= sunrise) & (mins["time"] <= sunset), "exposure"] = min
            mins.loc[(mins["time"] >= sunset) & (mins["time"] <= post_sunset), "exposure"] = change
            neversets = False
            continue
        if sunset:
            yest_sunset = sunset
            if sunrise-yest_sunset < datetime.timedelta(hours=4):
                new_max = int((((sunrise-yest_sunset).seconds/120)/120)*max)
                new_change = np.linspace(min, new_max, int(((sunrise-yest_sunset).seconds/120))+1)
                new_change_a = np.round(np.concatenate([new_change[:-1], new_change[::-1]]))
                try:
                    mins.loc[(mins["time"] >= yest_sunset) & (mins["time"] <= sunrise), "exposure"] = new_change_a
                except ValueError:
                    new_change_a = np.round(np.concatenate([new_change, new_change[::-1]]))
                    mins.loc[(mins["time"] >= yest_sunset) & (mins["time"] <= sunrise), "exposure"] = new_change_a
                sunset = datetime.datetime.strptime(f'2021-{i} {data[i]["sunset"]}', "%Y-%d-%m %H:%M")
                post_sunset = sunset + datetime.timedelta(hours=2)
                mins.loc[(mins["time"] >= sunrise) & (mins["time"] <= sunset), "exposure"] = min
                mins.loc[(mins["time"] >= sunset) & (mins["time"] <= post_sunset), "exposure"] = change
                continue

        sunset = datetime.datetime.strptime(f'2021-{i} {data[i]["sunset"]}', "%Y-%d-%m %H:%M")
        post_sunset = sunset + datetime.timedelta(hours=2)
        mins.loc[(mins["time"] >= pre_sunrise) & (mins["time"] <= sunrise), "exposure"] = change[::-1]
        mins.loc[(mins["time"] >= sunrise) & (mins["time"] <= sunset), "exposure"] = min
        mins.loc[(mins["time"] >= sunset) & (mins["time"] <= post_sunset), "exposure"] = change

fig = go.Figure(data=go.Scattergl(x=mins["time"], y=mins["exposure"], mode='lines'))
fig.update_xaxes(rangeslider_visible=True)
fig.show()

current = datetime.datetime.now().replace(second=0, microsecond=0)
print(mins.loc[mins["time"] == current, "exposure"])

这实际上很有趣。我希望它有效。