首先，說明一下分析圖表的計算原理，以及Count值的關系。當光線自光源射出，傳入光學系統中，并到達Exit Surface，或是您所選擇的任意觀察面上（分析模態(tài)），每一道光線的Flux都會被計算。Map Count值決定在這個面上有多少Bins或是Pixels。Bin一定是方形的，尺寸會根據觀察面的大小來決定。您會發(fā)現Count值越高，到達每個Bin的光線就越少。若在給定的Bin尺寸中（Bin Size=(Map Size)/(Map Count)，Map Size為觀察面大小）仿真光線數較少時，Map Count數一旦改變，最高亮度值及光線分布就會明顯改變。當使用Smoothing，整個Map就會將Bin數組中的Flux值，以高斯形式做均勻化處理，而高斯方程式的腰身（Waist）等于Bin Size。
/LQ:Sv7 zG
c[Z3N 最佳的Map Count數及Bin Size設罝，全看您所要仿真的模形狀況。某些狀況下，如何設罝是很明顯的。例如，仿真一個數字成像系統，而您希望能預測成像狀況，這時Map Count值就要設罝成，讓Bin Size跟成像面（如CCD，CMOS）的Pixel Size一樣大。這時，您就必須仿真足夠多的光線，使得結果較為均勻，換言之，就是讓蒙地卡羅噪聲（Monde Carlo Noise）降低到符合需求，蒙地卡羅描光計算下總是會有噪聲，這個噪聲跟1/N1/2成比例，N為光線數。
m^{
xd2 '?GQ~Bf<> 仿真照明系統時，您必須將Map Count設罝成符合于量測的接收器的尺寸，無疑地，這種狀況Map Count值會很高。若您預期光斑會依不同位置（或是角度在Candela Plot下）而快速變化，而您希望仿真這個效果，這時就要將Map Count維持較高的值。您也應該要考慮到光分布的變化實際上有多快。這對您的判斷是非常重要的，因為Bin Size決定需要多少仿真光線，而不會產生噪聲。若您熟悉信息理論（Information Theory），若光分布是Band-limit，您只要做跟采樣定理（ Sampling Theorem）規(guī)定一樣細微的采樣，或是1/ 2f （f為Band-limit頻率）這樣的Bin Size就行。根據預測最佳的Bin Size就在量測接收器的尺寸跟數據的間隔之間（Spacing of Data Points），要決定最佳Bin Size，是需要經過多次試驗跟錯誤的。
IGAzE( cUDg
