# 信息光学（下）介绍信息光学的基础知识

### 第8章 空间滤波

本章是傅里叶光学最具应用价值的章节之一，建立在第3章（传递函数）和第4章（部分相干理论）的基础上，讨论如何在光学系统的**频谱面**上对光场进行有目的的调制（滤波），从而改变像的性质。核心思想：像 = 物的频谱 × 滤波函数 → 反变换。

**核心思想链：**
$$\text{物} \xrightarrow{\text{FT}} \text{频谱} \xrightarrow{\times H(f_x,f_y)} \text{滤波后频谱} \xrightarrow{\text{FT}^{-1}} \text{滤波后的像}$$

---

#### 8.1 空间滤波的基本原理

##### 8.1.1 阿贝成像理论

**阿贝二次衍射成像理论（1873）：**

德国物理学家恩斯特·阿贝（Ernst Abbe）提出了一种全新的成像理论，将成像过程分解为**两步衍射**过程：

**第一步：分频（分解）**

物面上的光场分布经照明后，发出各种方向的平面波分量。透镜将这些不同方向的平面波会聚到其**后焦面**（频谱面）上的不同位置：

$$\tilde{U}_f(f_x, f_y) = \mathcal{F}\{U_o(x, y)\}$$

频谱面上的每一点对应物面上某一空间频率分量。高频对应大角度（偏离光轴远的点），低频对应小角度（靠近光轴的点）。

**第二步：合成（再衍射）**

频谱面上各点发出的球面波在像面上再次干涉叠加，合成出物体的像：

$$U_i(x_i, y_i) = \mathcal{F}^{-1}\{\tilde{U}_f(f_x, f_y)\}$$

**阿贝理论的革命性意义：**

| 传统几何光学观点 | 阿贝波动光学观点 |
|-----------------|-----------------|
| 物点→透镜→像点（一一对应） | 物→频谱（分解）→像（合成） |
| 成像 = 光线的折射聚焦 | 成像 = 两次傅里叶变换 |
| 无法解释分辨率极限 | 自然导出衍射极限 |
| 无法处理周期结构 | 天然适合周期结构分析 |

**阿贝-波特实验（1894）：**

阿贝的学生波特用实验验证了阿贝理论：
- 用正交光栅（二维周期结构）作为物体
- 在透镜后焦面（频谱面）上观察到规则的点阵（二维频谱）
- 用狭缝挡住频谱面上的某些点 → 像的结构发生相应变化
- 挡住水平方向的频谱点 → 像中水平条纹消失
- 挡住垂直方向的频谱点 → 像中垂直条纹消失

**结论：频谱面上的每一点确实对应物面上特定方向和频率的结构信息！**

##### 8.1.2 空间滤波的傅里叶分析

**4f系统（标准空间滤波系统）：**

最经典的空间滤波光路是**4f系统**（两个透镜，焦距均为 $f$）：

```
物面 → [透镜1] → 频谱面 → [透镜2] → 像面
  0      f          2f         3f        4f
```

**数学描述：**

**物面：** $U_o(x, y)$

**频谱面（透镜1的后焦面）：**

$$\tilde{U}_f(x_f, y_f) = \frac{e^{i2kf}}{i\lambda f} \iint U_o(x, y) e^{-i\frac{2\pi}{\lambda f}(x_f x + y_f y)} dx dy$$

$$= \frac{e^{i2kf}}{i\lambda f} \cdot \mathcal{F}\{U_o\}\Big|_{f_x = \frac{x_f}{\lambda f}, f_y = \frac{y_f}{\lambda f}}$$

**在频谱面放置滤波器 $H(x_f, y_f)$：**

滤波后的频谱：

$$\tilde{U}_f'(x_f, y_f) = H(x_f, y_f) \cdot \tilde{U}_f(x_f, y_f)$$

**像面（透镜2的后焦面）：**

$$U_i(x_i, y_i) = \mathcal{F}^{-1}\{\tilde{U}_f'\} = \mathcal{F}^{-1}\{H \cdot \mathcal{F}\{U_o\}\}$$

**卷积定理：**

$$U_i(x_i, y_i) = U_o(-x_i, -y_i) \ast h(x_i, y_i)$$

其中 $h(x, y) = \mathcal{F}^{-1}\{H(f_x, f_y)\}$ 是滤波器的**脉冲响应**（点扩散函数）。

**常见滤波器类型：**

| 滤波器 | 传递函数 $H(f_x, f_y)$ | 效果 |
|--------|----------------------|------|
| 低通 | $\text{rect}(\frac{f_x}{2B})\text{rect}(\frac{f_y}{2B})$ | 模糊/平滑 |
| 高通 | $1 - \text{rect}(\frac{f_x}{2B})\text{rect}(\frac{f_y}{2B})$ | 边缘增强 |
| 方向滤波 | 仅通过某一方向的频率 | 提取特定方向结构 |
| 带通 | 只通过某一频率环带 | 提取周期结构的特定频率 |

**低通滤波示例：**

滤波器为圆孔（只允许低频通过）：

$$H(f_x, f_y) = \text{circ}\left(\frac{\sqrt{f_x^2 + f_y^2}}{B}\right)$$

像 = 物与 sinc 函数的卷积 → 高频成分被抑制 → 像变模糊，细节消失。

**高通滤波示例：**

滤波器为圆孔的补集（挡住低频，通过高频）：

$$H(f_x, f_y) = 1 - \text{circ}\left(\frac{\sqrt{f_x^2 + f_y^2}}{B}\right)$$

像中的缓慢变化被抑制 → 边缘和细节被增强。

**方向滤波示例：**

滤波器为一条狭缝（只允许某一方向的频率通过）：

$$H(f_x, f_y) = \text{rect}\left(\frac{f_x \cos\theta + f_y \sin\theta}{2B}\right) \cdot \text{rect}\left(\frac{-f_x \sin\theta + f_y \cos\theta}{2\varepsilon}\right)$$

（狭缝方向与 $\theta$ 垂直）

效果：像中只保留与狭缝垂直方向的结构。

---

#### 8.2 系统与滤波器

##### 8.2.1 空间滤波系统

**4f系统的详细分析：**

**光路构成：**

- 光源（通常为激光，经扩束准直）
- 物面（输入面）
- 透镜 L₁（焦距 $f$）
- 频谱面（L₁的后焦面 = L₂的前焦面）
- 透镜 L₂（焦距 $f$）
- 像面（输出面）

**为什么是4f？**

- 物到 L₁：距离 $f$ → 满足傅里叶变换条件
- L₁到频谱面：距离 $f$ → L₁的后焦面
- 频谱面到 L₂：距离 $f$ → L₂的前焦面
- L₂到像面：距离 $f$ → 满足傅里叶变换条件
- 总长度：$4f$（故称4f系统）

**像的倒立：**

4f系统经过两次傅里叶变换：

$$U_i(x_i, y_i) = U_o(-x_i, -y_i) \ast h(x_i, y_i)$$

负号表示像是**倒立的**（与几何光学结论一致）。

**相干 vs 非相干4f系统：**

| 特征 | 相干4f系统 | 非相干4f系统 |
|------|-----------|-------------|
| 光源 | 激光（空间相干） | 扩展光源（空间非相干） |
| 处理对象 | 复振幅 $U(x,y)$ | 光强 $I(x,y)$ |
| 滤波函数 | $H(f_x, f_y)$（复函数） | $|H(f_x, f_y)|^2$（实函数） |
| 线性关系 | 对复振幅线性 | 对光强线性 |
| 滤波器类型 | 振幅+相位均可调制 | 只能调制光强 |

**相干滤波的优势：**

相干滤波可以同时调制振幅和相位，灵活性远大于非相干滤波。例如：
- 相位对比滤波（将相位变化转为振幅变化）
- 匹配滤波（复共轭滤波）
- 微分滤波

##### 8.2.2 空间滤波器

**滤波器的制作技术：**

**1. 振幅型滤波器：**

- 金属膜 + 光刻：在玻璃基板上镀金属膜，光刻出透光的图案
-  photographic film：用照相底片记录滤波图案
- 液晶空间光调制器（SLM）：实时可编程

**2. 相位型滤波器：**

- 在透明基板上制作浮雕结构，引入空间变化的相位延迟
- 相息图技术
- 光折变晶体

**3. 复合型滤波器（振幅+相位）：**

- 全息法制作：用光学全息记录目标滤波函数的复振幅
- 计算全息法：用计算机设计并输出

**常用滤波器的透过率函数：**

**低通滤波器（圆孔）：**

$$H(f_x, f_y) = \text{circ}\left(\frac{\sqrt{f_x^2 + f_y^2}}{B}\right)$$

物理实现：在频谱面上放一个圆孔光阑。

**高通滤波器（圆屏）：**

$$H(f_x, f_y) = 1 - \text{circ}\left(\frac{\sqrt{f_x^2 + f_y^2}}{B}\right)$$

物理实现：在频谱面中心放一个小圆屏（挡住零频和低频）。

**带通滤波器（环带）：**

$$H(f_x, f_y) = \text{circ}\left(\frac{r}{B_2}\right) - \text{circ}\left(\frac{r}{B_1}\right)$$

物理实现：两个同心圆环之间的透光带。

**方向滤波器（狭缝）：**

$$H(f_x, f_y) = \text{rect}\left(\frac{x_f \cos\theta + y_f \sin\theta}{W}\right) \cdot \text{rect}\left(\frac{-x_f \sin\theta + y_f \cos\theta}{\varepsilon}\right)$$

物理实现：一条可旋转的狭缝。

**匹配滤波器（复函数）：**

$$H(f_x, f_y) = \tilde{O}^*(f_x, f_y)$$

其中 $\tilde{O}$ 是目标物的频谱。必须用全息方法制作。

---

#### 8.3 空间滤波应用举例

##### 8.3.1 策尼克相衬显微镜

**问题背景：**

生物细胞、细菌等透明样品对光的吸收极小（振幅几乎不变），但会引入相位延迟。在普通显微镜下，相位变化无法被眼睛或相机感知（人眼和探测器只能响应光强），因此透明样品"看不见"。

**策尼克的解决方案（1934，1953年获诺贝尔奖）：**

将相位变化转换为振幅（光强）变化，使透明样品可见。

**原理分析：**

透明样品的透过率：

$$t(x, y) = e^{i\phi(x, y)} \approx 1 + i\phi(x, y) \quad (\text{当 } \phi \ll 1 \text{ 时})$$

其中：
- "1"：直接透射光（零频成分）
- "$i\phi(x,y)$"：被样品调制的光（高频成分，携带相位信息）

**在频谱面上的分离：**

- 零频成分集中在频谱面中心（一个亮点）
- 相位调制成分分布在零频周围

**相衬滤波器：**

在频谱面中心放置一个**相移板**（Phase Plate），只对零频成分引入 $\pi/2$ 的相位延迟：

$$H(f_x, f_y) = \begin{cases} e^{i\pi/2} = i, & f_x^2 + f_y^2 < r_0^2 \text{（中心区域）} \\ 1, & \text{其他区域} \end{cases}$$

**滤波后的像：**

$$U_i \approx i \cdot 1 + i\phi(x, y) = i(1 + \phi(x, y))$$

光强：

$$I_i = |U_i|^2 \approx (1 + \phi)^2 \approx 1 + 2\phi$$

**关键结果：**

像的光强直接正比于样品的相位分布 $\phi(x, y)$！相位信息被转换成了可见的光强变化。

**正相衬 vs 负相衬：**

- 正相衬：相移板引入 $+\pi/2$ → 相位超前的区域变亮
- 负相衬：相移板引入 $-\pi/2$ → 相位超前的区域变暗

**相移板的实现：**

在玻璃板上刻一个浅坑（深度 $d = \frac{\lambda}{4(n-1)}$），使通过该区域的光产生 $\pi/2$ 的附加相位。

##### 8.3.2 补偿滤波器

**像差补偿滤波：**

成像系统存在像差时，传递函数为 $H_{ab}(f_x, f_y) = |H_{ab}|e^{i\phi_{ab}}$。在频谱面放置补偿滤波器：

$$H_{comp}(f_x, f_y) = H_{ab}^{-1}(f_x, f_y) = \frac{1}{|H_{ab}|}e^{-i\phi_{ab}}$$

总传递函数：$H_{total} = H_{ab} \cdot H_{comp} = 1$（理想成像）

**实际困难：**
- $|H_{ab}|$ 可能为零（截止频率以外），无法补偿
- 需要精确知道系统的像差函数
- 振幅补偿（$1/|H_{ab}|$）难以实现（需要负吸收）

**纯相位补偿（波前校正）：**

如果像差主要是相位型的（如大气湍流、光学元件面形误差），只需补偿相位：

$$H_{comp} = e^{-i\phi_{ab}(f_x, f_y)}$$

这正是**自适应光学**的基本原理。

---

#### 8.4 傅里叶变换透镜

##### 傅里叶变换透镜的作用

在空间滤波系统中，透镜的核心功能是实现傅里叶变换。但**普通透镜**并不完全满足理想傅里叶变换的要求：

**普通透镜的问题：**

1. **相位因子残留：**

普通透镜后焦面上的场为：

$$U_f(x_f, y_f) = \frac{e^{i2kf}}{i\lambda f} e^{i\frac{k}{2f}(x_f^2 + y_f^2)} \iint U_o(x, y) e^{-i\frac{2\pi}{\lambda f}(x_f x + y_f y)} dx dy$$

注意前面有一个**二次相位因子** $e^{i\frac{k}{2f}(x_f^2 + y_f^2)}$，这不是严格的傅里叶变换。

2. **消除方法：** 将物体放在透镜的前焦面上，则相位因子自动消失（严格傅里叶变换）。

3. **像差问题：** 普通透镜对轴上点校正了像差，但傅里叶变换要求对大角度（离轴）的平面波也能精确聚焦 → 需要专门的**傅里叶变换透镜**。

##### 8.4.1 傅里叶透镜的截止频率、空间带宽积和视场

**截止频率：**

透镜的孔径限制了可以通过的最高空间频率。

对于直径为 $D$ 的透镜，焦距 $f$：

$$f_{cutoff} = \frac{D}{2\lambda f} = \frac{\text{NA}}{\lambda}$$

其中 $\text{NA} = \frac{D}{2f}$ 是透镜的数值孔径。

**空间带宽积（SBP）：**

$$\text{SBP} = (\text{视场}) \times (\text{带宽}) = (2x_{max}) \times (2f_{cutoff})$$

对于一维：$\text{SBP}_x = \frac{2x_{max} \cdot D}{\lambda f}$

对于二维：$\text{SBP} = \text{SBP}_x \times \text{SBP}_y$

SBP 表示系统能同时处理的最大独立信息量。

**视场（Field of View）：**

物体最大尺寸受限于透镜孔径。物面上偏离光轴距离为 $x_o$ 的点，其主光线通过透镜边缘时：

$$x_{max} \leq \frac{D}{2}$$

（严格限制取决于具体光路安排）

**傅里叶透镜的设计权衡：**

| 参数 | 增大方法 | 副作用 |
|------|---------|--------|
| 截止频率 | 增大 NA（增大 D/减小 f） | 减小视场 |
| 视场 | 增大 D/增大 f | 增大体积和成本 |
| SBP | 增大 D | 增大尺寸和重量 |

##### 8.4.2 傅里叶透镜对校正像差的要求

**普通透镜 vs 傅里叶变换透镜：**

普通摄影透镜：校正轴上点和近轴区域的像差（物像共轭关系）。

傅里叶变换透镜：需要将**不同入射角的平面波**精确会聚到焦面上的对应点 → 校正要求完全不同。

**具体像差校正要求：**

**1. 球差（Spherical Aberration）：**

必须校正。球差会导致不同孔径的光线聚焦在不同位置，频谱点模糊，降低滤波精度。

**2. 彗差（Coma）：**

必须校正。彗差使离轴频谱点产生不对称的拖尾，影响方向滤波的精度。

**3. 像散（Astigmatism）：**

必须校正。像散使频谱点在不同方向上的聚焦位置不同。

**4. 场曲（Field Curvature）：**

**不必完全校正。** 频谱面本身可以是曲面（只要探测器/滤波器能适配）。

**5. 畸变（Distortion）：**

必须严格控制。畸变使频谱面上点的位置发生非线性偏移，即 $x_f \neq \lambda f \cdot f_x$，破坏频率与位置的线性对应关系。

傅里叶变换透镜的畸变要求：**< 0.1%**（普通透镜可容忍 1-2%）。

**6. 色差（Chromatic Aberration）：**

对相干光（单色激光）系统不是问题。对白光系统需要校正。

**傅里叶变换透镜的设计特点：**

- 对称结构（有利于消除畸变和倍率色差）
- 大视场、大孔径
- 通常由多片透镜组合而成
- 设计时以频谱面的波前误差为优化目标（而非像面的点列图）

##### 8.4.3 傅里叶变换透镜的结构

**典型结构类型：**

**1. 双透镜对称结构：**

```
物面 → [透镜组A] → 频谱面 → [透镜组B] → 像面
```

两个完全对称的透镜组，分别完成正变换和逆变换。

优点：对称性好，畸变自然消除

**2. 单透镜结构（简化型）：**

仅用于要求不高的场合（如教学演示）。

**3. 复杂多片结构（高性能）：**

用于科研和工业级空间滤波系统，由8-12片透镜组成。

**常见商业傅里叶变换透镜规格：**

| 参数 | 典型值 |
|------|--------|
| 焦距 | 50-500 mm |
| 有效孔径 | 20-100 mm |
| NA | 0.05-0.2 |
| 视场 | 20-50 mm |
| 畸变 | < 0.05% |
| 工作波段 | 可见光（或特定激光波长） |

**使用注意事项：**

1. 物体必须精确位于前焦面上（误差 < 焦距的 0.1%）
2. 频谱面必须精确位于后焦面上
3. 入射光必须是平行光（准直良好）
4. 滤波器的位置精度应优于频谱点尺寸的 1/10

---

### 第9章 波前调制

本章讨论如何对光波的波前（振幅、相位、偏振）进行**主动控制和调制**。这是现代光信息处理、全息显示、自适应光学和光通信等领域的核心技术。从传统照相胶片的感光特性，到现代空间光调制器（SLM），再到微纳尺度的衍射光学元件（DOE），波前调制技术经历了从被动记录到主动控制、从宏观器件到微纳器件的发展历程。

---

#### 9.1 照相胶片

虽然照相胶片看似是"老技术"，但它是理解**光记录介质**物理机制的基础，也是制作空间滤波器、全息图的重要工具。

##### 9.1.1 胶片处理的物理过程

**照相胶片的结构：**

照相胶片由以下几层组成（从上到下）：

1. **保护层**：明胶薄层，防止划伤
2. **感光乳剂层**：核心层，厚度约 5-20 μm
   - 包含大量**卤化银微晶**（AgBr、AgCl、AgI等），尺寸约 0.1-2 μm
   - 微晶分散在明胶基质中
3. **结合层**：使乳剂层粘附在基片上
4. **片基**：透明基底（醋酸纤维素或聚酯薄膜），厚度约 100-200 μm
5. **防光晕层**：防止反射光造成二次曝光

**曝光过程（物理化学机制）：**

卤化银晶体吸收光子后发生光电效应：

$$\text{Ag}^+ + e^- \rightarrow \text{Ag}$$

被释放的电子在晶格缺陷处（感光中心）俘获，形成银原子团簇（潜影中心）。含有潜影中心的微晶在显影过程中优先被还原。

**显影过程：**

显影液（还原剂）将**已曝光**的卤化银微晶还原为金属银：

$$\text{Ag}^+ + \text{还原剂} \rightarrow \text{Ag} \downarrow + \text{氧化产物}$$

未曝光的微晶不被显影。

**定影过程：**

定影液（硫代硫酸钠，俗称"海波"）溶解未曝光的卤化银：

$$\text{AgBr} + 2\text{Na}_2\text{S}_2\text{O}_3 \rightarrow \text{Na}_3[\text{Ag}(\text{S}_2\text{O}_3)_2] + \text{NaBr}$$

溶解后的物质被水洗去除。

**最终结果：**

胶片上形成了由金属银颗粒构成的密度分布图像——**负片**（曝光越多的地方越暗）。

##### 9.1.2 H-D 曲线

**H-D曲线（Hurter-Driffield曲线）**是描述胶片曝光量与光密度关系的特性曲线，是理解胶片感光性能的核心工具。

**定义：**

- 横轴：曝光量的对数 $\log_{10} E$（$E = I \cdot t$，光强×时间）
- 纵轴：光密度 $D$

**光密度的定义：**

$$D = \log_{10}\left(\frac{I_0}{I_t}\right) = -\log_{10} T$$

其中：
- $I_0$：入射光强
- $I_t$：透射光强
- $T = I_t/I_0$：透射率

**H-D曲线的典型形状（S形曲线）：**

```
D ↑
  |                    ___（饱和区/肩部）
  |                  /
  |                 /  ← 直线段（工作区）
  |                /
  |    ___        /
  |   /          /
  |  /（趾部）  /
  | /
  +------------------→ log₁₀E
     曝光量增加 →
```

**曲线各区域的特点：**

| 区域 | 特点 | 用途 |
|------|------|------|
| **趾部**（Toe） | 低曝光区，曲线平缓 | 灵敏度低，不宜使用 |
| **直线段**（Linear） | D与logE成线性关系 | **主要工作区** |
| **肩部**（Shoulder） | 高曝光区，曲线平缓 | 饱和，不宜使用 |
| **反转区**（极少使用） | 极高曝光时D反而下降 | 太阳化效应 |

**直线段的数学描述：**

$$D = D_0 + \gamma \log_{10} E$$

其中：
- $D_0$：最小密度（灰雾密度）
- $\gamma$：**反差系数**（曲线直线段的斜率）

$$\gamma = \frac{dD}{d(\log_{10} E)} = \tan\theta$$

**γ 的物理意义：**

- $\gamma > 1$：高反差胶片（硬调），对比度大，灰度层次少
- $\gamma = 1$：正常反差，透射率与曝光量成反比
- $\gamma < 1$：低反差胶片（软调），对比度小，灰度层次丰富

**胶片的感光度（ISO/ASA）：**

感光度定义为达到某一基准密度所需曝光量的倒数。ISO值越大，胶片越灵敏，所需曝光量越小。

**胶片的其他重要参数：**

| 参数 | 含义 |
|------|------|
| 分辨率 | 每毫米可分辨的线对数（lp/mm） |
| 颗粒度 | 银颗粒的统计起伏（噪声） |
| 光谱灵敏度 | 对不同波长光的响应 |
| 动态范围 | 直线段对应的曝光量范围 |

##### 9.1.3 胶片用于非相干光学系统中

在非相干（白光）成像系统中，胶片记录的是**光强**分布，透过率 $T(x, y)$ 与曝光量 $E(x, y)$ 的关系为：

$$T(x, y) = 10^{-D(x, y)} = 10^{-D_0} \cdot E^{-\gamma}(x, y)$$

**线性化条件：**

要使胶片在非相干系统中线性记录光强（$T \propto 1/E$），需要：

$$\gamma = 1$$

此时：

$$T = 10^{-D_0} \cdot \frac{1}{E}$$

即在胶片的工作区，透射率与曝光量成反比。

**实际应用中的校正：**

由于实际胶片的 $\gamma$ 通常不等于1，需要通过以下方式校正：
- 选择 $\gamma \approx 1$ 的胶片
- 控制曝光量在直线段中段
- 后期数字校正

##### 9.1.4 胶片用于相干光学系统中

在相干（激光）光学系统中，胶片调制的是**复振幅**（主要是振幅），而非光强。

**振幅透过率的定义：**

$$t(x, y) = \sqrt{T(x, y)} = 10^{-D(x,y)/2}$$

**胶片的 γ 与振幅调制的关系：**

在相干系统中，振幅透过率与曝光量的关系：

$$t = 10^{-D/2} = 10^{-D_0/2} \cdot E^{-\gamma/2}$$

要使振幅透过率与曝光量成线性关系（$t \propto E$），需要：

$$-\frac{\gamma}{2} = 1 \quad \Rightarrow \quad \gamma = -2$$

这在物理上不可能（$\gamma$ 为正数）。因此，胶片在相干系统中**不能实现严格的线性振幅调制**。

**实际做法：**

利用胶片工作区的一小段近似线性区域，通过偏置曝光（Bias Exposure）使工作点位于合适位置：

$$t(E) \approx t_0 + \beta(E - E_B)$$

其中 $E_B$ 是偏置曝光量，$\beta = \left.\frac{dt}{dE}\right|_{E_B}$。

##### 9.1.5 调制传递函数

**调制传递函数（MTF）**是描述成像系统（包括胶片）对不同空间频率的传递能力的函数。

**MTF的定义：**

$$\text{MTF}(f) = \frac{C_{out}(f)}{C_{in}(f)}$$

其中 $C$ 是对比度（调制深度）：

$$C = \frac{I_{max} - I_{min}}{I_{max} + I_{min}}$$

**物理含义：**

- $\text{MTF} = 1$：该频率的信号完全无损失地传递
- $\text{MTF} = 0$：该频率的信号完全丢失
- MTF 随频率增大而下降

**胶片的MTF特性：**

胶片的MTF下降主要由以下因素引起：

1. **银颗粒的有限尺寸**：颗粒越大，高频响应越差
2. **光散射**：乳剂层内的光散射（H-D曲线的"肩部"和"趾部"）
3. **卤化银晶体的光扩散**：光在乳剂层中的横向扩散

**典型胶片的MTF曲线：**

- 高速胶片（ISO 400+）：颗粒大 → MTF下降快，截止频率低（~50 lp/mm）
- 低速胶片（ISO 25-100）：颗粒细 → MTF下降慢，截止频率高（~200-500 lp/mm）
- 全息干板（特殊）：分辨率可达 3000-5000 lp/mm

**系统MTF：**

整个成像系统的MTF是各环节MTF的乘积：

$$\text{MTF}_{system}(f) = \text{MTF}_{lens}(f) \times \text{MTF}_{film}(f) \times \text{MTF}_{other}(f)$$

**MTF与分辨率的关系：**

- 截止频率（$\text{MTF} \to 0$）：理论极限分辨率
- 实用分辨率（$\text{MTF} = 0.1$）：实际可用分辨率

---

#### 9.2 空间光调制器

空间光调制器（Spatial Light Modulator, SLM）是波前调制的核心器件——能够用电信号（或光信号）实时控制光场的空间分布（振幅、相位或偏振）。

##### 9.2.1 概述

**空间光调制器的定义：**

SLM是一种二维阵列器件，由大量独立可控的像素组成，每个像素可以独立调制通过它的光的某个属性（振幅、相位、偏振方向）。

**SLM与胶片的核心区别：**

| 特征 | 胶片 | SLM |
|------|------|-----|
| 写入方式 | 光化学（曝光） | 电信号/光信号 |
| 擦除/重写 | 不可逆（一次性） | 可实时刷新（kHz-GHz） |
| 响应时间 | 分钟级（化学处理） | μs-ms级 |
| 线性度 | 需要校正 | 可数字控制 |
| 应用灵活性 | 低 | 极高 |

**SLM的分类（按调制方式）：**

| 调制类型 | 调制量 | 典型器件 |
|---------|--------|---------|
| 振幅型 | 光强/透过率 | 液晶光阀、DMD |
| 相位型 | 光程差/相位 | LCOS、变形镜 |
| 偏振型 | 偏振方向 | 液晶器件 |

**SLM的分类（按驱动方式）：**

- **电控**：液晶SLM、DMD（数字微镜器件）
- **光控**：光电导液晶光阀、光折变晶体
- **热控**：热光效应SLM
- **磁控**：磁光调制器

**SLM的主要性能参数：**

| 参数 | 含义 | 典型值 |
|------|------|--------|
| 像素数 | 空间分辨率 | $1920 \times 1080$ ~ $4096 \times 4096$ |
| 像素间距 | 像素尺寸 | 3-20 μm |
| 填充因子 | 有效面积/总面积 | 70%-95% |
| 刷新率 | 每秒可更新的帧数 | 60 Hz - 数kHz |
| 相位调制范围 | 最大相位延迟 | $2\pi$（理想） |
| 振幅调制范围 | 透过率范围 | 0-100% |
| 波长范围 | 工作波段 | 可见光/红外/紫外 |

**SLM的主要应用：**

- 全息显示（加载CGH图样）
- 自适应光学（波前校正）
- 光镊（产生复杂光阱）
- 光束整形（产生涡旋光、贝塞尔光等）
- 光学信息处理（实时空间滤波）
- 量子光学（产生纠缠态）

##### 9.2.2 液晶光阀

**液晶光阀（Liquid Crystal Light Valve, LCLV）**是最早的实用化空间光调制器之一。

**液晶的基本物理：**

液晶是介于液态和晶态之间的物质状态，分子具有取向有序性但位置无序性。

**向列相液晶的旋光效应：**

向列相液晶分子呈棒状，具有各向异性折射率：
- 寻常光折射率 $n_o$（沿短轴方向）
- 非寻常光折射率 $n_e$（沿长轴方向）

当液晶分子在两个平行基板之间扭曲90°排列时（扭曲向列型，TN），入射光的偏振方向随液晶分子的扭曲而旋转90°。

**TN型液晶光阀的工作原理：**

**结构：**

```
玻璃基板（带透明电极ITO）
├── 取向层（摩擦方向：水平）
├── 液晶层（扭曲90°，厚度 ~5-10 μm）
├── 取向层（摩擦方向：垂直）
└── 玻璃基板（带光电导层）
```

**工作方式：**

- **无电压时**：液晶分子扭曲90°，入射偏振光的偏振方向被旋转90°，通过检偏器 → 亮态
- **有电压时**：液晶分子沿电场方向排列，失去旋光能力，偏振方向不变，被检偏器阻挡 → 暗态

**透过率与电压的关系：**

$$T(V) = \sin^2\left(\frac{\pi}{2} \cdot \frac{V - V_{th}}{V_{sat} - V_{th}}\right)$$

其中 $V_{th}$ 为阈值电压，$V_{sat}$ 为饱和电压。

**光控LCLV（光电导型）：**

用光电导材料（如CdS、a-Si）代替下电极，光照射到光电导层上产生载流子，降低局部电阻，从而在液晶层产生局部电压变化 → 实现**光写入、光读出**。

**LCLV的特点：**

- 优点：结构相对简单、成本低
- 缺点：响应时间较慢（ms级）、分辨率有限

##### 9.2.3 磁光空间调制器

**磁光效应（法拉第效应）：**

当线偏振光通过置于磁场中的磁光材料时，偏振面会发生旋转，旋转角为：

$$\theta = V \cdot B \cdot L$$

其中：
- $V$：费尔德（Verdet）常数（材料特性）
- $B$：磁感应强度
- $L$：光在材料中传播的距离

**磁光调制器的工作原理：**

利用微型电磁线圈阵列（每个像素一个线圈）产生局部磁场，控制通过该像素的光的偏振旋转角度。配合检偏器即可将偏振旋转转化为振幅调制。

**磁光材料：**

- 钇铁石榴石（YIG，Y₃Fe₅O₁₂）
- 铽镓石榴石（TGG）
- 磁性薄膜（Fe、Co合金薄膜）

**特点：**

- 响应速度快（μs级）
- 耐辐射、耐高温
- 但驱动电流大、功耗高
- 分辨率受线圈尺寸限制

**主要应用：**

- 高速光开关
- 激光防护
- 空间光互连

##### 9.2.4 可变形反射镜空间光调制器

**可变形反射镜（Deformable Mirror, DM）**是一种通过机械变形反射面来调制光波**相位**的器件。

**工作原理：**

反射镜的表面形状可以被多个致动器（Actuator）独立驱动而变形。每个致动器对应镜面上的一个区域，通过控制各致动器的位移量，可以在镜面上形成任意的面形（相位分布）。

**相位调制原理：**

镜面局部变形量 $\Delta h$ 引起的相位变化：

$$\Delta\phi = \frac{4\pi}{\lambda} \cdot \Delta h$$

（因子2是因为光往返经过反射面）

**致动器类型：**

| 类型 | 原理 | 特点 |
|------|------|------|
| 压电陶瓷（PZT） | 逆压电效应 | 响应快、精度高、位移小 |
| 电磁致动器 | 电磁力 | 位移大、响应较慢 |
| 静电致动器 | 静电力 | 集成度高、电压高 |
| 热致动器 | 热膨胀 | 简单、响应慢 |

**可变形镜的分类：**

- **连续镜面DM**：反射面是一整块薄镜，致动器在背面推拉
- **分立镜面DM**（Segmented DM）：反射面由多个独立的小镜面拼接而成

**主要性能参数：**

| 参数 | 典型值 |
|------|--------|
| 致动器数量 | 37 ~ 数千个 |
| 最大变形量 | 几μm ~ 十几μm |
| 响应带宽 | 100 Hz ~ 数kHz |
| 表面精度 | λ/20 ~ λ/100 |

**应用领域：**

- **自适应光学**（天文望远镜校正大气湍流）
- 激光光束质量控制
- 视网膜成像（校正人眼像差）
- 光通信（大气信道补偿）

##### 9.2.5 LCOS空间光调制器

**LCOS（Liquid Crystal on Silicon）**是目前应用最广泛的SLM技术之一，结合了液晶调制和CMOS集成电路的优势。

**结构：**

```
┌─────────────────────────────────┐
│  玻璃保护窗（带AR膜）           │
│  透明电极（ITO）               │
│  液晶层（~2-5 μm）            │
│  像素电极（Al，反射式）       │
│  CMOS驱动芯片（含控制电路）   │
│  硅衬底                       │
└─────────────────────────────────┘
```

**工作原理：**

- CMOS芯片的每个像素包含一个反射电极和驱动晶体管
- 液晶层位于反射电极和透明电极之间
- 电压施加在液晶层上，控制液晶分子的取向
- 光从透明侧入射，经液晶层→反射电极→液晶层→出射
- 往返两次经过液晶层，相位调制效率翻倍

**LCOS的类型：**

**相位型LCOS：**

- 液晶分子平行于基片排列（平行排列，Homogeneous）
- 通过电压控制液晶分子的倾角，改变有效折射率
- 实现 $0 \sim 2\pi$ 的纯相位调制
- 用于全息显示、光束整形

**振幅型LCOS：**

- 在LCOS前后加偏振片
- 液晶的偏振旋转效应转化为振幅调制
- 用于显示、空间滤波

**LCOS的优势：**

| 优势 | 说明 |
|------|------|
| 高填充因子 | >90%（CMOS工艺成熟） |
| 高分辨率 | 可达 $4K \times 4K$ 像素 |
| 纯相位调制 | 衍射效率高 |
| 低驱动电压 | CMOS集成驱动电路 |
| 体积小 | 芯片级器件 |
| 成本可控 | 半导体批量制造 |

**LCOS的局限性：**

- 相位响应非线性，需要校准（查表校正）
- 存在"闪烁"效应（fringing field，相邻像素间电场畸变）
- 对波长敏感（设计波长固定的相位调制量，换波长需要重新校准）
- 刷新率有限（液晶响应时间限制，通常60-240 Hz）

**高速LCOS（铁电液晶LCOS）：**

使用铁电液晶（FLC）代替向列相液晶：
- 响应时间：μs级（比向列相快1000倍）
- 但只能实现二值相位调制（0或$\pi$）
- 用于高速全息显示

---

#### 9.3 衍射光学元件

衍射光学元件（Diffractive Optical Element, DOE）是利用微纳结构表面产生的衍射效应来实现光波调制的器件，代表了波前调制技术从"宏观"走向"微纳"的发展方向。

##### 9.3.1 微光学与二元光学

**微光学（Micro-optics）：**

微光学是研究和制作特征尺寸在微米量级的光学元件的学科。与传统光学元件（透镜、棱镜等）相比：

| 特征 | 传统光学 | 微光学 |
|------|---------|--------|
| 尺寸 | mm-cm级 | μm-mm级 |
| 原理 | 折射/反射 | 折射/衍射/混合 |
| 功能 | 单一（聚焦/成像） | 多元（阵列/复合功能） |
| 集成度 | 低 | 高（可大规模集成） |
| 重量/体积 | 大 | 极小 |

**二元光学（Binary Optics）：**

二元光学是微光学的重要分支，其特点是：

- 元件表面结构由**二值（或多级）台阶**构成
- 用**半导体工艺**（光刻+刻蚀）制作
- 可实现任意波前调制（透镜、分束器、光束整形等）

**"二元"的含义：**

- 最初：每个位置只有两种状态（透/不透、高/低）→ 二值
- 扩展：多个二值掩模叠加 → 多级台阶（4级、8级、16级...）
- 极限：台阶数 → ∞ → 连续表面（折射透镜）

**二元光学的核心优势：**

- **轻量化**：薄膜结构，重量远小于传统透镜
- **多功能集成**：一个元件可实现多种光学功能
- **可批量制造**：半导体工艺，成本低
- **设计自由度大**：不受传统光学表面（球面/非球面）的限制
- **特殊功能**：传统光学无法实现的功能（如涡旋相位板、拓扑荷元件）

##### 9.3.2 二元光学的产生和发展

**历史沿革：**

| 时期 | 标志性进展 |
|------|-----------|
| 1948年 | 伽博发明全息术（波动光学的新纪元） |
| 1960年代 | 计算全息出现（用计算机设计衍射元件） |
| 1970年代 | 微电子技术成熟，光刻工艺用于光学元件制作 |
| 1980年代 | **Veldkamp正式提出"二元光学"概念** |
| 1990年代 | 多级衍射元件（闪耀光栅、多台阶透镜）实用化 |
| 2000年代 | 亚波长结构（超构表面）出现 |
| 2010年代至今 | 超构透镜（Metalens）突破性发展 |

**二元光学的技术驱动力：**

1. **半导体工业的溢出效应**：光刻、刻蚀、薄膜沉积等工艺成熟
2. **计算机设计能力的提升**：优化算法（GS算法、遗传算法等）
3. **应用需求**：光通信、激光加工、AR/VR显示等

**二元光学与传统光学设计哲学的对比：**

| 对比项 | 传统光学设计 | 二元光学设计 |
|--------|-------------|-------------|
| 设计变量 | 曲率、厚度、材料 | 表面浮雕分布 |
| 优化方法 | 像差系数最小化 | 衍射效率最大化 |
| 制造方法 | 研磨/抛光/注塑 | 光刻/刻蚀 |
| 设计自由度 | 有限（多项式表面） | 几乎无限（逐点设计） |

##### 9.3.3 二元光学元件的设计

**设计问题的数学表述：**

已知：
- 输入光场 $U_{in}(x, y)$
- 期望的输出光场 $U_{out}(x', y')$

求：元件的透过率函数 $t(x, y)$，使得

$$U_{out} = \mathcal{P}\{U_{in} \cdot t\}$$

其中 $\mathcal{P}$ 表示传播算子（傅里叶变换、菲涅耳衍射等）。

**设计方法分类：**

**1. 解析法（Analytical Method）：**

当输入和输出之间的关系有解析解时，直接计算透过率函数。

典型例子：**二元透镜（Fresnel Zone Plate）**

透镜的相位函数：

$$\phi(r) = -\frac{\pi r^2}{\lambda f} \mod 2\pi$$

二元化（二值相位）：

$$\phi_{binary}(r) = \begin{cases} 0, & \cos\left(\frac{\pi r^2}{\lambda f}\right) \geq 0 \\ \pi, & \text{否则} \end{cases}$$

即：交替的透明环和不透明环（Fresnel波带片）。

**2. 迭代傅里叶变换算法（Gerchberg-Saxton算法）：**

GS算法是最经典的迭代优化算法，用于设计纯相位元件：

```
初始化：随机相位 φ₀(x,y)
迭代：
  ① 正向传播到输出面：U_out = F{exp(iφₙ)}
  ② 替换振幅为期望振幅：U'_out = A_target · exp(i·arg(U_out))
  ③ 反向传播回元件面：U_in = F⁻¹{U'_out}
  ④ 替换振幅为输入振幅：U'_in = A_in · exp(i·arg(U_in))
  ⑤ φₙ₊₁ = arg(U'_in)
  直到收敛
```

**3. 直接二元搜索算法（DBS）：**

将元件面离散化为二值像素阵列，逐个像素翻转，接受使评价函数改善的翻转。

**4. 模拟退火/遗传算法：**

全局优化方法，适合复杂目标函数的优化，但计算量大。

**典型二元光学元件的设计：**

**（1）二元菲涅耳透镜：**

相位函数：$\phi(r) = -\frac{\pi r^2}{\lambda f}$

N级台阶近似：

$$\phi_N(r) = \frac{2\pi}{N} \cdot \text{floor}\left(\frac{N \cdot \phi(r)}{2\pi}\right)$$

衍射效率：

$$\eta = \text{sinc}^2\left(\frac{1}{N}\right)$$

| 台阶数 N | 衍射效率 |
|:---:|:---:|
| 2 | 40.5% |
| 4 | 81.0% |
| 8 | 95.0% |
| 16 | 98.7% |

**（2）达曼光栅（Dammann Grating）：**

产生等强度多光束分束。设计变量为二值光栅的跃变点位置，优化目标是各衍射级次的强度均匀性。

**（3）涡旋相位板：**

产生携带轨道角动量的涡旋光束：

$$\phi(\theta) = l \cdot \theta$$

其中 $l$ 为拓扑荷（整数），$\theta$ 为方位角。

##### 9.3.4 二元光学元件的制作

**制作流程（以硅基DOE为例）：**

```
硅片 → 清洗 → 涂胶 → 曝光（光刻）→ 显影 → 刻蚀 → 去胶 → 检测
```

**关键工艺步骤：**

**1. 光刻（Photolithography）：**

- 涂覆光刻胶（正胶或负胶）
- 用掩模版进行紫外曝光
- 显影后形成图形化的光刻胶掩模
- 最小特征尺寸：~0.5 μm（紫外光刻）

**2. 刻蚀（Etching）：**

- **干法刻蚀**（反应离子刻蚀RIE）：
  - 各向异性好（垂直刻蚀）
  - 刻蚀深度精确可控
  - 适合制作多级台阶
- **湿法刻蚀**：
  - 各向同性（侧向腐蚀）
  - 成本低
  - 适合大批量生产

**3. 多级台阶的制作（N级需要log₂N次掩模）：**

以4级台阶为例（需2次掩模）：
- 第一次掩模：刻蚀深度 $d_1 = \frac{\lambda}{2(n-1)}$（对应$\pi$相位）
- 第二次掩模：刻蚀深度 $d_2 = \frac{\lambda}{4(n-1)}$（对应$\pi/2$相位）
- 两次掩模的图形互不重叠，叠加后形成4级台阶

**4. 其他制作技术：**

| 技术 | 分辨率 | 特点 |
|------|--------|------|
| 电子束曝光 | ~10 nm | 超高分辨率，无需掩模，适合研发 |
| 激光直写 | ~1 μm | 灵活，适合中小批量 |
| 纳米压印 | ~10 nm | 低成本大批量 |
| 灰度光刻 | ~1 μm | 一次曝光形成连续浮雕 |
| 飞秒激光加工 | ~100 nm | 三维结构，适合体积DOE |

**质量检测：**

- 表面形貌：原子力显微镜（AFM）、扫描电子显微镜（SEM）
- 光学性能：衍射效率测量、波前测试（干涉仪）

---

### 第10章 相干光学处理

本章是傅里叶光学理论的综合应用章，建立在第3章（线性系统理论）、第4章（衍射与傅里叶光学）和第8章（空间滤波）的基础上，讨论如何利用**相干光**（激光）对图像信息进行各种数学运算和处理。核心优势：相干光处理是对**复振幅**进行操作，可以同时处理振幅和相位，实现非相干系统无法完成的功能。

---

#### 10.1 图像相减

图像相减（Image Subtraction）是光学信息处理中最经典的应用之一，目的是比较两幅图像的差异——相同的部分抵消为零，不同的部分保留。

##### 10.1.1 空域编码频域解码相减方法

**基本原理：**

将两幅图像 $A(x,y)$ 和 $B(x,y)$ 编码为一个合成图像，使它们在频谱面上占据不同的空间频率通道，然后在频域中通过滤波实现相减。

**编码步骤：**

**第一步：光栅调制（载频搬移）**

将图像 A 与正交光栅相乘（调制到载频 $+f_0$）：

$$A'(x) = A(x) \cdot [1 + \cos(2\pi f_0 x + \phi)]$$

将图像 B 与同一光栅但相位相反调制（调制到载频 $-f_0$）：

$$B'(x) = B(x) \cdot [1 + \cos(2\pi f_0 x - \phi)]$$

**第二步：叠加编码图像**

$$I_{encode}(x) = A'(x) + B'(x)$$

**频谱分析：**

对编码图像做傅里叶变换：

$$\mathcal{F}\{I_{encode}\} = \tilde{A}(f_x) + \frac{1}{2}\tilde{A}(f_x - f_0)e^{i\phi} + \frac{1}{2}\tilde{A}(f_x + f_0)e^{-i\phi}$$

$$+ \tilde{B}(f_x) + \frac{1}{2}\tilde{B}(f_x - f_0)e^{-i\phi} + \frac{1}{2}\tilde{B}(f_x + f_0)e^{i\phi}$$

整理后，频谱包含以下成分：
- 零频区：$\tilde{A}(f_x) + \tilde{B}(f_x)$（两图像频谱之和）
- $+f_0$ 区：$\frac{1}{2}[\tilde{A}e^{i\phi} + \tilde{B}e^{-i\phi}]$
- $-f_0$ 区：$\frac{1}{2}[\tilde{A}e^{-i\phi} + \tilde{B}e^{i\phi}]$

**解码（滤波相减）：**

在频谱面的 $+f_0$ 处放置滤波器 $H = e^{-i\phi} - e^{i\phi} = -2i\sin\phi$：

$$\tilde{U}_{out} = e^{-i\phi} \cdot \tilde{A}e^{i\phi} - e^{i\phi} \cdot \tilde{B}e^{-i\phi} = \tilde{A} - \tilde{B}$$

逆傅里叶变换后：

$$U_{out}(x) = A(x) - B(x)$$

**结果：** 输出光强正比于两图像的差值的平方。

##### 10.1.2 正弦光栅滤波器相减方法

**Johns 和 Kozma 方法（1962）：**

更简洁的图像相减方案，只需一个正弦光栅作为滤波器。

**制作编码图像：**

将两幅图像 A 和 B 并排曝光在同一张胶片上，中间夹入一个正弦光栅。两次曝光之间，光栅移动半个周期（相位变化 $\pi$）。

**第一次曝光（图像 A）：**

$$E_1(x) = A(x) \cdot t_g(x)$$

其中 $t_g(x) = \frac{1}{2}[1 + \cos(2\pi f_0 x)]$ 是光栅透过率。

**第二次曝光（图像 B，光栅移动半周期）：**

$$E_2(x) = B(x) \cdot t_g(x + \frac{1}{2f_0}) = B(x) \cdot \frac{1}{2}[1 - \cos(2\pi f_0 x)]$$

**编码图像：**

$$I(x) = E_1(x) + E_2(x) = \frac{1}{2}[A(x) + B(x)] + \frac{1}{2}[A(x) - B(x)]\cos(2\pi f_0 x)$$

**频谱面上的成分：**

$$\tilde{I}(f_x) = \frac{1}{2}[\tilde{A}(f_x) + \tilde{B}(f_x)] + \frac{1}{4}[\tilde{A}(f_x - f_0) - \tilde{B}(f_x - f_0)] + \frac{1}{4}[\tilde{A}(f_x + f_0) - \tilde{B}(f_x + f_0)]$$

**滤波相减：**

在 $+f_0$ 或 $-f_0$ 处放一个通光小孔（只让一侧的边带通过）：

$$\tilde{U}_{out} = \frac{1}{4}[\tilde{A}(f_x - f_0) - \tilde{B}(f_x - f_0)]$$

逆变换后：

$$U_{out}(x) = \frac{1}{4}[A(x) - B(x)] \cdot e^{i 2\pi f_0 x}$$

光强分布：

$$I_{out}(x) = \frac{1}{16}[A(x) - B(x)]^2$$

**应用：**

- 医学影像：比较同一患者治疗前后的X光片
- 遥感：检测地表变化（建筑物增减、植被变化）
- 工业检测：产品与标准模板的差异检测

---

#### 10.2 匹配滤波与图像识别

匹配滤波（Matched Filtering）是光学模式识别的核心技术——在一个复杂场景中自动"找到"目标物体的位置。

##### 10.2.1 匹配空间滤波器

**匹配滤波器的概念：**

匹配滤波器是信号检测理论中的最优滤波器——在加性白噪声背景下，使输出信噪比最大化的滤波器。

**一维信号中的匹配滤波器：**

输入信号：$s(t) + n(t)$（信号+噪声）

匹配滤波器的传递函数：

$$H(f) = k \cdot S^*(f) e^{-i 2\pi f t_0}$$

其中 $S(f) = \mathcal{F}\{s(t)\}$ 是信号的频谱，$S^*(f)$ 是其复共轭，$t_0$ 是时间延迟。

**二维空间匹配滤波器（光学）：**

目标图像：$o(x, y)$

匹配滤波器的透过率函数：

$$H(f_x, f_y) = k \cdot \tilde{O}^*(f_x, f_y) = k \cdot |\tilde{O}(f_x, f_y)| e^{-i\phi(f_x, f_y)}$$

其中 $\tilde{O}(f_x, f_y) = \mathcal{F}\{o(x, y)\}$ 是目标图像的傅里叶变换。

**滤波过程：**

输入场景 $s(x, y)$（含目标和噪声）→ 傅里叶变换 → 乘以 $H(f_x, f_y)$ → 逆变换

输出：

$$g(x, y) = \mathcal{F}^{-1}\{\tilde{S}(f_x, f_y) \cdot \tilde{O}^*(f_x, f_y)\}$$

$$= s(x, y) \ast o(-x, -y)$$

这就是 $s(x,y)$ 和 $o(x,y)$ 的**互相关函数**：

$$g(x, y) = \iint s(\xi, \eta) \cdot o(\xi - x, \eta - y) d\xi d\eta = R_{so}(x, y)$$

**匹配滤波的物理含义：**

匹配滤波的输出 = 输入场景与目标的**互相关**！

- 当输入场景中**存在目标**时，在目标所在位置 $(x_0, y_0)$ 处，互相关函数出现**尖锐的峰值**
- 峰值位置 = 目标在场景中的位置
- 峰值高度 = 匹配程度（相似度）

**信噪比分析：**

输出信噪比（峰值信号功率/噪声功率）：

$$\text{SNR}_{out} = \frac{|R_{so}(0, 0)|^2}{\text{噪声方差}} = \frac{\iint |S(f_x, f_y)|^2 df_x df_y}{N_0/2}$$

匹配滤波器在所有线性滤波器中使 $\text{SNR}_{out}$ 达到最大值。

##### 10.2.2 用全息制作复数滤波器

**问题：**

匹配滤波器 $H(f_x, f_y) = \tilde{O}^*(f_x, f_y)$ 是一个**复值函数**（既有振幅调制，也有相位调制）。但实际的光学元件只能实现实非负的透过率 $0 \leq t \leq 1$。

**解决方案：用全息方法制作复数滤波器（Vander Lugt 滤波器，1964）。**

**制作步骤：**

**第一步：记录目标频谱的全息图**

1. 将目标图像 $o(x, y)$ 放在透镜 L₁ 的前焦面上
2. 用平面波照明，在 L₁ 的后焦面上得到目标的频谱 $\tilde{O}(f_x, f_y)$
3. 同时引入一束离轴平面参考光 $R(f_x, f_y) = A_r e^{i 2\pi f_y \cdot y_f}$（沿 $y$ 方向倾斜）
4. 频谱与参考光干涉，记录在全息干板上

**记录面上的光强：**

$$I(f_x, f_y) = |\tilde{O} + R|^2 = |\tilde{O}|^2 + |R|^2 + \tilde{O}R^* + \tilde{O}^*R$$

$$= |\tilde{O}|^2 + A_r^2 + A_r\tilde{O}(f_x, f_y)e^{-i 2\pi f_y y_f} + A_r\tilde{O}^*(f_x, f_y)e^{i 2\pi f_y y_f}$$

**第二步：显影得到全息图**

全息图的透过率正比于光强：

$$t(f_x, f_y) = t_0 + \beta I(f_x, f_y)$$

**第三步：用原参考光照射全息图（再现）**

$$U_{out} = R \cdot t = A_r e^{i 2\pi f_y y_f} \cdot [t_0 + \beta(|\tilde{O}|^2 + A_r^2)] + \beta A_r \tilde{O} + \beta A_r^2 \tilde{O}^* e^{i 2\pi f_y y_f}$$

各项含义：
- 第1项：0级衍射（直透光），沿参考光方向
- 第2项：+1级衍射，正比于 $\tilde{O}$（原始频谱）
- 第3项：-1级衍射，正比于 $\tilde{O}^* e^{i 2\pi f_y y_f}$

**关键发现：**

-1级衍射光正好正比于 $\tilde{O}^*$ 乘以载频相因子！这正是我们需要的**匹配滤波器**。

**Vander Lugt 滤波器的使用：**

1. 将制作好的全息图（Vander Lugt 滤波器）精确放回频谱面的原位置
2. 输入待识别场景 $s(x, y)$
3. 场景频谱 $\tilde{S}$ 通过滤波器：

$$\tilde{S}(f_x, f_y) \cdot \tilde{O}^*(f_x, f_y) \cdot e^{i 2\pi f_y y_f}$$

4. 逆变换后，在像面上出现互相关峰值，位置偏移 $y_f$（载频引入的偏移，便于观察）

##### 10.2.3 图像识别

**Vander Lugt 相关器（光学模式识别系统）：**

完整的光路为4f系统：

```
输入场景 → [L₁] → 频谱面（Vander Lugt滤波器）→ [L₂] → 相关输出面
```

**输入场景：**

$$s(x, y) = o(x-x_0, y-y_0) + n(x, y)$$

（目标 $o$ 出现在位置 $(x_0, y_0)$，加上背景噪声 $n$）

**输出面光强分布：**

$$I_{out}(x, y) = |s \ast o(-x, -y)|^2 = |R_{so}(x-x_0, y-y_0)|^2$$

**识别判据：**

- 输出面上出现**亮斑**（自相关峰值）的位置 $(x_0, y_0)$ 就是目标在场景中的位置
- 峰值的锐度由目标的自相关函数决定：

$$R_{oo}(0, 0) = \iint |o(x, y)|^2 dx dy = \text{目标总能量}$$

$$R_{oo}(x, y) \text{ 在 } (x, y) \neq (0,0) \text{ 时迅速衰减}$$

**识别能力的限制因素：**

| 因素 | 影响 |
|------|------|
| 目标旋转 | 匹配滤波器对旋转敏感，旋转后相关性大幅下降 |
| 目标缩放 | 尺寸变化导致失配 |
| 背景噪声 | 降低峰值信噪比 |
| 目标部分遮挡 | 峰值降低，但仍可识别（鲁棒性好） |

**优点：**
- 实时识别（光速处理）
- 并行处理（整个场景同时处理）
- 对噪声和遮挡有较好鲁棒性

##### 10.2.4 联合变换相关识别

**联合变换相关器（Joint Transform Correlator, JTC）**是 Vander Lugt 相关器的替代方案，不需要制作复数滤波器。

**JTC 的原理：**

**第一步：联合输入**

将目标图像 $o(x, y)$ 和待识别场景 $s(x, y)$ **并排放置**在输入面上：

$$U_{in}(x, y) = o(x+a, y) + s(x-a, y)$$

（两图像中心相距 $2a$）

**第二步：傅里叶变换**

在频谱面上：

$$\tilde{U}_{in}(f_x, f_y) = \tilde{O}(f_x, f_y)e^{i 2\pi f_x a} + \tilde{S}(f_x, f_y)e^{-i 2\pi f_x a}$$

**第三步：平方律探测（CCD 记录）**

频谱面的光强：

$$I(f_x, f_y) = |\tilde{U}_{in}|^2 = |\tilde{O}|^2 + |\tilde{S}|^2 + \tilde{O}\tilde{S}^* e^{i 4\pi f_x a} + \tilde{O}^*\tilde{S} e^{-i 4\pi f_x a}$$

**第四步：再次傅里叶变换**

对 $I(f_x, f_y)$ 做逆傅里叶变换：

$$g(x', y') = \mathcal{F}^{-1}\{|\tilde{O}|^2\} + \mathcal{F}^{-1}\{|\tilde{S}|^2\} + R_{os}(x'+2a, y') + R_{so}(x'-2a, y')$$

**输出面包含四项：**

| 项 | 位置 | 含义 |
|----|------|------|
| $\mathcal{F}^{-1}\{|\tilde{O}|^2\}$ | 中心 | 目标的自相关 |
| $\mathcal{F}^{-1}\{|\tilde{S}|^2\}$ | 中心 | 场景的自相关 |
| $R_{os}(x'+2a, y')$ | $x' = -2a$ | 互相关（交叉项） |
| $R_{so}(x'-2a, y')$ | $x' = +2a$ | **互相关（交叉项）← 识别信号** |

**识别信号：**

在 $x' = \pm 2a$ 处出现互相关峰值。若场景中存在目标，则在 $+2a$ 处出现尖锐亮斑。

**JTC 与 Vander Lugt 的对比：**

| 对比项 | Vander Lugt 相关器 | JTC |
|--------|-------------------|-----|
| 滤波器制作 | 需要制作复数全息滤波器 | 不需要（实时记录） |
| 实时性 | 滤波器需预先制作 | 完全实时 |
| 灵活性 | 每种目标需一个滤波器 | 更换目标方便 |
| 信噪比 | 较高 | 略低 |
| 光路复杂度 | 中等 | 更简单 |

---

#### 10.3 不变的图样识别光学方法

标准匹配滤波器对目标的旋转和缩放非常敏感——目标旋转几度就可能无法识别。本节介绍几种实现**旋转不变**和**尺度不变**识别的方法。

##### 10.3.1 梅林相关器

**梅林变换（Mellin Transform）：**

梅林变换是一种积分变换，具有**尺度不变性**——函数缩放后，其梅林变换只产生一个相位因子。

一维梅林变换定义：

$$M(s) = \int_0^\infty f(x) x^{s-1} dx \quad (s = \sigma + i\omega)$$

**尺度不变性证明：**

若 $g(x) = f(ax)$（$a>0$ 为缩放因子），则：

$$M_g(s) = \int_0^\infty f(ax) x^{s-1} dx = a^{-s} \int_0^\infty f(u) u^{s-1} du = a^{-s} M_f(s)$$

$$|M_g(s)| = a^{-\sigma} |M_f(s)|$$

当 $\sigma = 0$（即 $s = i\omega$）时：

$$|M_g(i\omega)| = |M_f(i\omega)|$$

**结论：梅林变换的模对尺度变化不变！**

**梅林相关器的实现：**

**第一步：对数-极坐标变换**

将输入图像从直角坐标 $(x, y)$ 变换为对数-极坐标 $(\ln r, \theta)$：

$$r = \sqrt{x^2 + y^2}, \quad \theta = \arctan(y/x)$$

$$u = \ln r, \quad v = \theta$$

**坐标变换的效果：**

| 原坐标中的变换 | 对数-极坐标中的效果 |
|--------------|-------------------|
| 缩放：$(x, y) \to (ax, ay)$ | $u \to u + \ln a$（仅平移！） |
| 旋转：$\theta \to \theta + \Delta\theta$ | $v \to v + \Delta\theta$（仅平移！） |

**关键突破：** 缩放和旋转在 $(u, v)$ 坐标中都变成了**平移**！

**第二步：标准匹配滤波**

在对数-极坐标域中，用普通的匹配滤波器即可实现旋转和尺度不变的识别。

##### 10.3.2 圆谐波相关

**圆谐波展开（Circular Harmonic Expansion）：**

将图像在极坐标中展开为角向的傅里叶级数：

$$f(r, \theta) = \sum_{n=-\infty}^{\infty} f_n(r) e^{in\theta}$$

其中第 $n$ 阶圆谐波系数：

$$f_n(r) = \frac{1}{2\pi} \int_0^{2\pi} f(r, \theta) e^{-in\theta} d\theta$$

**旋转性质：**

若图像旋转角度 $\alpha$：

$$f(r, \theta - \alpha) = \sum_{n} f_n(r) e^{in(\theta - \alpha)} = \sum_{n} [f_n(r) e^{-in\alpha}] e^{in\theta}$$

每个圆谐波分量只获得一个相位因子 $e^{-in\alpha}$，其模不变。

**旋转不变匹配滤波器：**

选择某一阶圆谐波分量 $f_m(r)$ 作为滤波器的设计基础：

$$H(f_x, f_y) = \tilde{f}_m^*(\rho) e^{-im\phi}$$

其中 $(\rho, \phi)$ 是频谱面的极坐标。

**识别输出：**

当输入图像旋转 $\alpha$ 时，输出峰值的位置不变，但峰值的相位变化 $m\alpha$。通过检测峰值的**相位**还可以确定目标的旋转角度。

##### 10.3.3 合成判别式函数

**合成判别式函数（Synthetic Discriminant Function, SDF）**的思路：不用单一目标的图像来设计滤波器，而是用目标的**多个视角/旋转版本**的线性组合来设计一个"合成"滤波器，使其对所有版本都能产生足够高的相关峰。

**设计方法：**

设目标的 $N$ 个训练图像为 $\{o_1, o_2, \ldots, o_N\}$。

合成滤波器：

$$h(x, y) = \sum_{i=1}^N a_i o_i(x, y)$$

系数 $\{a_i\}$ 通过求解线性方程组确定，使：

$$h \ast o_j = c \quad (\text{对所有 } j = 1, 2, \ldots, N)$$

即滤波器对每个训练图像的响应都等于同一常数 $c$。

**矩阵形式：**

$$\mathbf{R}\mathbf{a} = \mathbf{u}$$

其中 $\mathbf{R}$ 是训练图像之间的互相关矩阵，$\mathbf{u}$ 是期望响应向量（通常为全1向量）。

**优点：**

- 对目标的视角变化、旋转、形变有较好容忍度
- 设计简单（只需线性代数运算）

---

#### 10.4 模糊图像的复原

图像在获取或传输过程中可能因各种原因变得模糊（运动模糊、离焦模糊、大气湍流等）。本节介绍如何用相干光学方法进行**图像复原（Image Restoration）**。

##### 10.4.1 逆滤波器

**退化模型：**

模糊图像的形成为：

$$g(x, y) = f(x, y) \ast h(x, y) + n(x, y)$$

其中：
- $f(x,y)$：原始清晰图像
- $h(x,y)$：退化系统的点扩散函数（PSF）
- $n(x,y)$：加性噪声
- $g(x,y)$：观测到的模糊图像

**频域表达：**

$$\tilde{G}(f_x, f_y) = \tilde{F}(f_x, f_y) \cdot \tilde{H}(f_x, f_y) + \tilde{N}(f_x, f_y)$$

**逆滤波（Inverse Filtering）：**

设计滤波器 $H_{inv} = 1/\tilde{H}$，使：

$$\tilde{F}_{est} = \tilde{G} \cdot \frac{1}{\tilde{H}} = \tilde{F} + \frac{\tilde{N}}{\tilde{H}}$$

**理想情况（无噪声）：**

$$\tilde{F}_{est} = \tilde{F} \quad \Rightarrow \quad \text{完美复原}$$

**实际情况（有噪声）：**

$$\tilde{F}_{est} = \tilde{F} + \frac{\tilde{N}}{\tilde{H}}$$

**逆滤波的致命问题：**

在 $\tilde{H}$ 接近零的频率处（通常是高频区），$\frac{\tilde{N}}{\tilde{H}} \to \infty$，噪声被无限放大，复原结果完全被噪声淹没。

**典型退化函数的例子：**

**（1）匀速直线运动模糊：**

$$h(x) = \begin{cases} 1/a, & 0 \leq x \leq a \\ 0, & \text{其他} \end{cases}$$

$$\tilde{H}(f_x) = \text{sinc}(a f_x)$$

零点出现在 $f_x = n/a$（$n = \pm 1, \pm 2, \ldots$）。

**（2）离焦模糊：**

$$h(r) = \begin{cases} \frac{1}{\pi R^2}, & r \leq R \\ 0, & r > R \end{cases}$$

$$\tilde{H}(\rho) = \frac{2J_1(2\pi R\rho)}{2\pi R\rho}$$

（Airy 函数，有无穷多个零点）

##### 10.4.2 维纳滤波器

**维纳滤波器（Wiener Filter）**是均方误差意义下的最优线性滤波器，在逆滤波的基础上加入了对噪声的抑制。

**设计准则：**

使复原图像与原始图像之间的均方误差最小：

$$\min \mathbb{E}\left[|f(x,y) - f_{est}(x,y)|^2\right]$$

**维纳滤波器的传递函数：**

$$H_W(f_x, f_y) = \frac{\tilde{H}^*(f_x, f_y)}{|\tilde{H}(f_x, f_y)|^2 + S_N(f_x, f_y)/S_F(f_x, f_y)}$$

其中：
- $S_F(f_x, f_y)$：原始图像的功率谱
- $S_N(f_x, f_y)$：噪声的功率谱

**与逆滤波的对比：**

$$H_W = \frac{1}{\tilde{H}} \cdot \frac{|\tilde{H}|^2}{|\tilde{H}|^2 + S_N/S_F}$$

第二项为**正则化因子**（也称维纳系数）：

$$W(f_x, f_y) = \frac{|\tilde{H}|^2}{|\tilde{H}|^2 + S_N/S_F} = \frac{1}{1 + \frac{S_N/S_F}{|\tilde{H}|^2}}$$

**行为分析：**

| 情况 | $W$ 的值 | 滤波器行为 |
|------|---------|-----------|
| $|\tilde{H}|^2 \gg S_N/S_F$（信号强于噪声） | $W \approx 1$ | 接近逆滤波，全力复原 |
| $|\tilde{H}|^2 \ll S_N/S_F$（噪声主导） | $W \approx 0$ | 抑制该频率，不放大噪声 |
| $\tilde{H} \to 0$（退化函数零点） | $W \to 0$ | 完全抑制，避免噪声发散 |

**简化形式（常系数近似）：**

如果 $S_N/S_F$ 近似为常数 $K$：

$$H_W \approx \frac{\tilde{H}^*}{|\tilde{H}|^2 + K}$$

**光学实现：**

维纳滤波器是复值函数，需要用全息方法（类似 Vander Lugt 滤波器）制作。

**其他改进的复原方法：**

| 方法 | 改进点 |
|------|--------|
| 约束最小二乘方滤波 | 用平滑性约束替代功率谱先验 |
| 最大熵复原 | 信息论方法，最大化图像熵 |
| Lucy-Richardson 算法 | 迭代方法，适用于泊松噪声 |
| 盲去卷积 | 同时估计 PSF 和原始图像 |

---

#### 10.5 合成孔径雷达

合成孔径雷达（Synthetic Aperture Radar, SAR）是利用光学信号处理原理对雷达回波数据进行处理的经典应用，是傅里叶光学在微波波段的最重要应用之一。

##### 10.5.1 合成孔径概念

**传统雷达的距离分辨率与方位分辨率：**

- **距离分辨率**（Range Resolution）：由脉冲宽度决定
  $$\Delta R = \frac{c\tau}{2}$$
  （$\tau$ 为脉冲宽度）

- **方位分辨率**（Azimuth Resolution）：由天线波束宽度决定
  $$\Delta x = R \cdot \theta_B = R \cdot \frac{\lambda}{D}$$
  （$D$ 为天线孔径，$R$ 为斜距）

**问题：** 要提高方位分辨率，需要增大天线孔径 $D$。但机载/星载平台无法携带巨大的天线。

**合成孔径的思想：**

利用雷达平台的运动，将一个小天线在不同位置接收到的信号**等效合成**为一个大孔径天线的效果。

**等效原理：**

- 小天线（实际孔径 $d$）在飞行过程中依次经过位置 $x_1, x_2, \ldots, x_N$
- 将这些位置的回波信号相干叠加
- 等效孔径 = 合成孔径长度 $L_s = N \cdot \Delta x$（飞行距离）
- 等效方位分辨率：$\Delta x_{eq} \approx \frac{d}{2}$（与距离和波长无关！）

**惊人的结论：合成孔径雷达的方位分辨率只取决于实际天线尺寸的一半，与距离无关！**

##### 10.5.2 航向信息的记录

**SAR 数据记录方式：**

雷达回波信号包含两个维度的信息：
- **快时间**（脉冲内时间）→ 距离维信息
- **慢时间**（脉冲间时间/航向位置）→ 方位维信息

**信号模型：**

设目标在位置 $(x_0, R_0)$，雷达沿 $x$ 方向以速度 $v$ 飞行。

雷达到目标的瞬时距离：

$$R(x) = \sqrt{R_0^2 + (x - x_0)^2} \approx R_0 + \frac{(x - x_0)^2}{2R_0}$$

回波信号（复数表示）：

$$s(x) = A \cdot \exp\left(-i\frac{4\pi}{\lambda} R(x)\right) \approx A \cdot \exp\left(-i\frac{4\pi R_0}{\lambda}\right) \cdot \exp\left(-i\frac{2\pi}{\lambda R_0}(x - x_0)^2\right)$$

**关键发现：**

回波信号是一个**线性调频信号（Chirp Signal）**，其相位为二次函数：

$$\phi(x) = -\frac{2\pi}{\lambda R_0}(x - x_0)^2$$

这恰好等价于一个**透镜的相位变换**！

**等效透镜焦距：**

$$\frac{2\pi}{\lambda f_{eq}} = \frac{2\pi}{\lambda R_0} \quad \Rightarrow \quad f_{eq} = R_0$$

**光学处理的思路：**

SAR 回波数据记录在胶片上（光密度正比于回波强度），形成一个**一维光栅**。用激光照射这个"光栅"，配合柱面透镜即可实现聚焦（即方位压缩）。

---

### 第11章 非相干光学处理

本章与第10章"相干光学处理"形成对比和互补，讨论以**非相干光**（自然光、白光、LED等）作为光源的光学信息处理方法。核心优势在于：**没有相干噪声（散斑）**，系统稳定性要求低，更适合工程实用化。

---

#### 11.1 相干与非相干光学处理

##### 11.1.1 相干与非相干光学处理的比较

**两种处理方式的根本区别：**

| 比较项 | 相干光学处理 | 非相干光学处理 |
|--------|-------------|---------------|
| 光源 | 激光（空间相干） | 白光/LED/自然光（空间非相干） |
| 处理对象 | 复振幅 $U(x,y)$ | 光强 $I(x,y)$ |
| 系统线性关系 | 对复振幅线性 | 对光强线性 |
| 叠加原理 | 振幅叠加（含相位干涉） | 强度叠加（无干涉） |
| 脉冲响应 | $h(x,y)$（复函数） | $|h(x,y)|^2$（实非负函数） |
| 传递函数 | 相干传递函数（CTF）= 光瞳函数 | 光学传递函数（OTF）= CTF的自相关 |
| 滤波器类型 | 复值滤波器（振幅+相位） | 只能为正实函数 |
| 噪声类型 | 散斑噪声严重 | 无散斑，仅有散粒噪声 |
| 系统稳定性 | 需防震平台（波长量级） | 无严格要求 |
| 适用场景 | 实验室研究、全息 | 工程实用、工业检测 |

**相干处理的独特能力：**

- 可处理**相位信息**（如相衬显微、全息）
- 可实现复数滤波（匹配滤波、逆滤波）
- 可做严格的傅里叶变换

**非相干处理的独特能力：**

- 天然对**非负实函数**做卷积/相关
- 可用白光光源，系统简单可靠
- 无相干噪声干扰

**OTF（光学传递函数）的性质：**

非相干系统的OTF是相干系统光瞳函数的自相关：

$$\text{OTF}(f_x, f_y) = \frac{\iint P(x', y') P^*(x'-\lambda d_i f_x, y'-\lambda d_i f_y) dx' dy'}{\iint |P(x', y')|^2 dx' dy'}$$

其中 $P(x,y)$ 是光瞳函数。

OTF的重要性质：
- $\text{OTF}(0,0) = 1$（归一化）
- $|\text{OTF}(f_x, f_y)| \leq 1$（非相干系统只会降低对比度）
- OTF的截止频率是CTF的**两倍**（非相干分辨率更高）

##### 11.1.2 非相干光学处理系统的噪声抑制

**非相干系统的噪声来源：**

- **散粒噪声**（光子统计涨落）：不可消除，是物理极限
- **探测器噪声**（暗电流、读出噪声）
- **光源涨落噪声**
- **背景杂散光**

**相干散斑噪声在非相干系统中的消失：**

相干散斑（Speckle）源于大量随机相位散射光的干涉。在非相干照明下：
- 不同点光源之间无固定相位关系
- 强度直接叠加，不产生干涉条纹
- 散斑完全消失

**信噪比改善：**

用空间非相干扩展光源照明，等效于对散斑图样做空间平均：

$$\text{SNR}_{incoherent} \propto \sqrt{N_{photon}}$$

其中 $N_{photon}$ 为接收到的总光子数。扩展光源面积越大，散斑对比度越低。

---

#### 11.2 基于几何光学的非相干处理系统

##### 11.2.1 成像

**几何光学成像模型：**

在非相干成像系统中，物体上每一点发出的光经透镜会聚到像面上的对应点。理想成像时物像一一对应。

**实际成像（考虑衍射和像差）：**

像面光强分布 = 物面光强分布与系统点扩散函数（PSF）的卷积：

$$I_i(x, y) = I_o(x, y) \ast \text{PSF}(x, y)$$

其中 $\text{PSF}(x,y) = |h(x,y)|^2$，$h(x,y)$ 是相干脉冲响应（光瞳函数的傅里叶变换）。

**非相干成像的频率响应：**

$$\tilde{I}_i(f_x, f_y) = \tilde{I}_o(f_x, f_y) \cdot \text{OTF}(f_x, f_y)$$

OTF = $\mathcal{F}\{\text{PSF}\}$

##### 11.2.2 无运动元件的卷积和相关运算

**卷积运算的几何光学实现：**

在非相干系统中，卷积 = 物函数与PSF的卷积。关键思想：**设计系统的PSF使其等于所需的卷积核**。

**方法一：在光瞳面放置振幅掩模**

光瞳函数 $P(x,y)$ 决定了PSF：

$$\text{PSF}(x,y) = |\mathcal{F}\{P(x,y)\}|^2$$

通过设计光瞳面的透过率分布，可以间接控制PSF的形状。

**方法二：双光栅卷积**

将两个光栅叠放在成像光路中：

- 光栅1（物体侧）的透过率 = $f(x)$
- 光栅2（像面侧）的透过率 = $g(x)$
- 两光栅之间有一漫射器（消除相干性）

输出光强正比于 $f(x) \ast g(-x)$，即互相关。

**相关运算：**

相关与卷积的区别在于一个函数是否翻转。通过适当的光路安排（如反射镜），可实现相关运算。

**优点（无运动元件）：**
- 无需机械扫描
- 处理速度快（光速）
- 适合实时处理

**缺点：**
- 只能处理非负实函数
- 设计光瞳函数受限（$0 \leq |P| \leq 1$）

##### 11.2.3 用散焦系统得到脉冲响应的综合

**散焦系统的PSF：**

当像面偏离理想聚焦位置时，点光源在像面上形成一个模糊圆斑（弥散圆）。

弥散圆半径：

$$R = \frac{D}{2} \cdot \frac{|\Delta z|}{d_i}$$

其中 $D$ 为入瞳直径，$\Delta z$ 为离焦量，$d_i$ 为像距。

**离焦PSF的表达式：**

$$\text{PSF}_{defocus}(x, y) = \begin{cases} \frac{1}{\pi R^2}, & x^2 + y^2 \leq R^2 \\ 0, & x^2 + y^2 > R^2 \end{cases}$$

即均匀圆斑。

**利用离焦综合任意PSF：**

如果将光瞳面分割为多个区域，每个区域有不同的透过率和相位，则离焦时的PSF可以是这些区域的贡献之和。

**广义原理（波前编码）：**

在光瞳面放置特殊的相位掩模（如立方相位板 $\phi(x,y) = \alpha(x^3 + y^3)$），使PSF对离焦不敏感，然后在数字域做反卷积恢复。这就是**波前编码（Wavefront Coding）**技术。

---

#### 11.3 基于衍射的非相干处理——非相干频域综合

##### 11.3.1 切趾术

**切趾术（Apodization）**是通过修改光瞳函数的振幅分布来改变系统PSF的旁瓣结构的技术。

**问题背景：**

理想光瞳（均匀圆形）的PSF是Airy斑：

$$\text{PSF}(r) = \left[\frac{2J_1(\pi D r/\lambda f)}{\pi D r/\lambda f}\right]^2$$

Airy斑有较高的旁瓣（第一旁瓣约为主瓣的1.75%），在天文观测中会淹没邻近的暗星。

**切趾的目的：**

- 压低旁瓣（提高对比度）
- 代价：主瓣变宽（分辨率略有下降）

**常见切趾函数：**

| 切趾函数 | 光瞳透过率 $P(r)$ | 效果 |
|---------|-------------------|------|
| 均匀（无切趾） | $P = 1$ | Airy斑，旁瓣高 |
| 余弦切趾 | $P(r) = \cos(\frac{\pi r}{2R})$ | 旁瓣显著降低 |
| 高斯切趾 | $P(r) = e^{-ar^2}$ | 无旁瓣，主瓣较宽 |
| Lanczos窗 | 接近最优 | 旁瓣极低 |

**数学原理：**

PSF = $|\mathcal{F}\{P(r)\}|^2$

- 光瞳函数越平滑（边缘渐变为0）→ 频谱的旁瓣越低
- 光瞳函数越陡峭（阶跃边缘）→ 频谱的旁瓣越高（Gibbs现象）

**应用：**

- 天文望远镜（观测暗弱天体）
- 光谱仪（提高谱线分辨率）
- 激光束整形

##### 11.3.2 沃耳特(Wolter)最小强度检出滤波器

**沃耳特滤波器的目的：**

在非相干成像系统中，检测微弱信号（低对比度目标）的存在。

**基本原理：**

沃耳特滤波器通过在光瞳面上设计特殊的振幅分布，使系统的OTF在特定频率处达到**最小值**（甚至零点）。当输入图像中含有该频率的成分时，输出对比度极低（被"滤除"）。

**反转使用：**

如果在滤波器前先将目标频谱做预调制，使得目标频率成分移到OTF的最大值处，而背景移到OTF的最小值处 → 目标信号相对于背景的信噪比大幅提高。

---

#### 11.4 白光光学信息处理技术

白光（宽谱光源）光学处理结合了非相干系统的"无散斑"优势和频域处理的能力。

##### 11.4.1 白光光学处理的基本原理

**白光光源的特殊性：**

白光是多色光（宽谱），时间相干性极低。不同波长成分之间不相干，同一波长的不同方向之间也不相干。

**白光系统的处理原理：**

虽然白光没有空间相干性，但在**色散系统**中，不同波长的光在空间中分开，每个波长成分独立地进行傅里叶变换和处理，最后再叠加。

**白光处理系统的核心元件——色散元件：**

- 光栅（Grating）：将白光色散为光谱
- 棱镜（Prism）：波长→空间位置的映射

**白光4f处理系统：**

```
白光光源 → 狭缝 → [L₁] → 频谱面（光栅色散）→ [L₂] → 输出面
```

在频谱面上：
- 一个方向（如 $x$ 方向）：空间频率编码（来自物体的结构）
- 垂直方向（如 $y$ 方向）：波长色散（来自光源的谱宽）

**白光处理的优势：**

- 每个波长独立处理 → 无散斑
- 不同波长的处理结果在输出面叠加 → 可实现**彩色编码**
- 光源便宜（卤素灯、白光LED），无需激光器

##### 11.4.2 实时假彩色编码

**假彩色编码的概念：**

将灰度图像（黑白图像）通过光学处理转换为彩色图像，使不同灰度等级对应不同颜色，增强图像的可视性和信息可读性。

**白光假彩色编码的原理：**

**编码步骤：**

1. 将输入灰度图像用**光栅**进行空间调制：
   $$t(x) = a + b \cdot g(x) \cdot \cos(2\pi f_0 x)$$
   其中 $g(x)$ 是图像的灰度分布。

2. 白光通过光栅后，不同波长的一级衍射角不同：
   $$\sin\theta = \frac{\lambda}{d}$$

3. 在频谱面上放置彩色滤波器：
   - 红光区域：高通滤波
   - 绿光区域：带通滤波
   - 蓝光区域：低通滤波

4. 输出面上的彩色像：
   - 图像的高频成分（边缘、细节）→ 红色
   - 中频成分 → 绿色
   - 低频成分（均匀背景）→ 蓝色

**实时假彩色编码的实现：**

用白光光源 + 实时空间光调制器（LCOS）+ 色散光栅，可实现视频帧率的实时假彩色编码。

**应用：**

- 医学影像增强（X光片、超声图像的伪彩色显示）
- 遥感图像的地物分类
- 红外热像的可视化

---

#### 11.5 相位调制假彩色编码

这是白光信息处理中一种特殊的编码技术——用**相位调制**（而非振幅调制）来编码灰度信息。

##### 11.5.1 光栅抽样

**光栅抽样的原理：**

将连续图像用一维或二维光栅进行空间抽样，使图像信息被"载"到光栅的各衍射级次上。

**一维光栅抽样：**

$$t(x) = g(x) \cdot \sum_{n=-\infty}^{\infty} c_n e^{i 2\pi n f_0 x}$$

其中 $c_n$ 是光栅的傅里叶系数。

频谱：

$$\tilde{T}(f_x) = \sum_n c_n \tilde{g}(f_x - n f_0)$$

即原图像频谱被复制到各个衍射级次 $n f_0$ 处。

**二维光栅抽样（正交光栅）：**

频谱被复制到二维网格的各个节点上。

##### 11.5.2 漂白处理

**漂白（Bleaching）的概念：**

将振幅型光栅（吸收型）转化为相位型光栅（透明但有相位调制）的处理过程。

**物理机制：**

- 振幅型光栅：银颗粒分布不均匀 → 透过率变化
- 漂白液将银颗粒转化为透明化合物 → 振幅调制消失
- 但化合物与基片折射率不同 → 产生相位调制

**漂白后的透过率：**

$$t_{bleach}(x) = e^{i\phi(x)} \approx 1 + i\phi(x)$$

其中 $\phi(x)$ 正比于原光栅的振幅分布。

**漂白处理的优点：**

- 光能利用率高（无吸收，透过率接近100%）
- 衍射效率提高
- 适合白光处理系统（不引入色散吸收）

##### 11.5.3 白光信息处理系统中的滤波解调

**解调的基本思想：**

在白光处理系统中，经过编码和滤波后的信号需要通过解调恢复为可视图像。

**白光解调的光路：**

```
编码输入 → [L₁] → 频谱面（滤波）→ [L₂] → 输出面（解调像）
```

**频率-波长映射关系：**

白光系统中一个独特的现象是**空间频率与波长的交叉耦合**：

$$x_f = \lambda f \cdot f_x$$

其中 $x_f$ 是频谱面上的位置，$\lambda$ 是波长，$f_x$ 是空间频率。

这意味着：
- 同一空间频率 → 不同波长 → 频谱面上不同位置
- 同一频谱面位置 → 不同波长对应不同空间频率

**解调滤波器的设计：**

利用上述映射关系，在频谱面上放置的滤波器可以同时对空间频率和波长进行联合调制，实现：
- 边缘增强（高通）
- 平滑去噪（低通）
- 假彩色编码（波长选择性滤波）

---

### 第12章 几个变换在光学中的应用

本章将多种重要的数学变换引入光学信息处理领域，展示了光学系统不仅能实现标准的傅里叶变换，还能实现分数傅里叶变换、几何变换、Hankel变换、Radon变换、Hough变换和小波变换等丰富的数学操作。这些变换为光学信号处理、图像识别、三维重建和医学成像等应用提供了强大的理论基础。

---

#### 12.1 分数傅里叶变换

分数傅里叶变换（Fractional Fourier Transform, FrFT）是传统傅里叶变换的推广，是近年来光学信息处理中最重要的发展之一。

##### 12.1.1 分数傅里叶变换的定义

**从旋转角度理解傅里叶变换：**

传统傅里叶变换可以理解为在**相空间**（位置-频率空间）中将信号旋转90°：

$$\mathcal{F}\{f(x)\} = \int_{-\infty}^{\infty} f(x) e^{-i 2\pi f_x x} dx$$

分数傅里叶变换则是将信号旋转一个**任意角度** $\alpha = p \cdot \frac{\pi}{2}$（$p$ 为任意实数）：

$$\mathcal{F}^p\{f(x)\} = \int_{-\infty}^{\infty} K_p(x', x) f(x) dx$$

其中 $K_p(x', x)$ 是分数傅里叶变换的**核函数**：

$$K_p(x', x) = A_\alpha \exp\left[i\pi\left(x^2 \cot\alpha - 2xx'\csc\alpha + x'^2 \cot\alpha\right)\right]$$

其中：
- $\alpha = p \cdot \frac{\pi}{2}$（旋转角）
- $A_\alpha = \frac{\exp[-i\frac{\pi}{4}\text{sgn}(\sin\alpha)]}{\sqrt{|\sin\alpha|}}$
- $p$：分数阶次（$p=1$ 时还原为标准傅里叶变换）

**整数阶次的特例：**

| $p$ 值 | $\alpha$ | 变换结果 |
|--------|----------|---------|
| 0 | 0 | 恒等变换（原信号） |
| 1 | $\pi/2$ | 标准傅里叶变换 |
| 2 | $\pi$ | 信号反转 $f(-x)$ |
| 3 | $3\pi/2$ | 逆傅里叶变换 |
| 4 | $2\pi$ | 回到原信号 |

**分数阶的连续性：**

$p$ 可以是任意实数，因此 FrFT 构成一个**连续群**（旋转群 SO(2) 在信号空间上的表示）。

##### 12.1.2 分数傅里叶变换的几个基本性质

**1. 可加性（旋转角可加）：**

$$\mathcal{F}^{p_1}\{\mathcal{F}^{p_2}\{f\}\} = \mathcal{F}^{p_1 + p_2}\{f\}$$

这是 FrFT 最核心的性质——两次分数傅里叶变换等价于一次阶次相加的变换。

**2. 可逆性：**

$$\mathcal{F}^{-p}\{\mathcal{F}^p\{f\}\} = f(x)$$

逆变换的阶次为负。

**3. 线性：**

$$\mathcal{F}^p\{a f_1 + b f_2\} = a \mathcal{F}^p\{f_1\} + b \mathcal{F}^p\{f_2\}$$

**4. 帕塞瓦尔定理：**

$$\int_{-\infty}^{\infty} |\mathcal{F}^p\{f\}(x')|^2 dx' = \int_{-\infty}^{\infty} |f(x)|^2 dx$$

能量守恒。

**5. 与标准傅里叶变换的关系：**

$$\mathcal{F}^p = \mathcal{F} \cdot \mathcal{F}^{p-1}$$

**6. 分数阶卷积定理：**

存在分数阶卷积的定义，使得：

$$\mathcal{F}^p\{f \circledast_p g\} = \mathcal{F}^p\{f\} \cdot \mathcal{F}^p\{g\}$$

**7. 缩放性质：**

若 $g(x) = f(ax)$，则 $\mathcal{F}^p\{g\}$ 的表达式可通过坐标变换得到。

##### 12.1.3 用透镜系统实现分数傅里叶变换

**FrFT的光学实现是本领域最重要的结果之一。**

**标准傅里叶变换的光学实现回顾：**

物体放在透镜的前焦面上 → 后焦面上得到标准傅里叶变换。

**分数傅里叶变换的光学实现：**

**方法一：单透镜系统（Lohmann Type I）**

```
输入面 → [距离 d₁] → [透镜 f] → [距离 d₂] → 输出面
```

当满足以下条件时，输出面得到输入信号的分数傅里叶变换：

$$d_1 = d_2 = f \sin\alpha$$

其中 $\alpha = p \cdot \frac{\pi}{2}$。

变换的阶次由距离决定：

$$p = \frac{2}{\pi} \arcsin\left(\frac{d}{f}\right)$$

当 $d = f$ 时，$p = 1$，回到标准傅里叶变换。

**方法二：双透镜系统（Lohmann Type II）**

```
输入面 → [距离 d] → [透镜 f₁] → [距离 L] → [透镜 f₂] → [距离 d] → 输出面
```

通过选择适当的 $f_1$、$f_2$、$d$、$L$，可实现任意阶次的 FrFT。

**物理意义：**

FrFT 对应于光场在**相空间**（Wigner分布空间）中的旋转。标准傅里叶变换是旋转90°，分数傅里叶变换是旋转任意角度。

**Wigner分布与FrFT：**

信号的 Wigner 分布函数：

$$W(x, f_x) = \int_{-\infty}^{\infty} f\left(x + \frac{\tau}{2}\right) f^*\left(x - \frac{\tau}{2}\right) e^{-i 2\pi f_x \tau} d\tau$$

FrFT 的作用就是在 $(x, f_x)$ 相空间中将 Wigner 分布旋转角度 $\alpha$：

$$W_p(x', f_{x'}) = W(x'\cos\alpha - f_{x'}\sin\alpha, \, x'\sin\alpha + f_{x'}\cos\alpha)$$

**FrFT的应用：**

| 应用领域 | 具体应用 |
|---------|---------|
| 信号处理 | 非平稳信号的时频分析 |
| 光学加密 | 以分数阶次 $p$ 作为密钥 |
| 模式识别 | 在最佳分数阶域中识别 |
| 光束整形 | 高斯光束的传输变换 |
| 通信 | 抗多径干扰的调制方式 |

---

#### 12.2 几何变换

##### 12.2.1 几何变换定义和种类

**几何变换（Geometric Transformation）**是指对图像进行坐标变换（而非灰度变换）的操作。

**一般形式：**

$$(x', y') = T(x, y)$$

其中 $T$ 是坐标映射函数。

**常见的几何变换类型：**

| 变换类型 | 坐标映射 | 自由度 | 典型应用 |
|---------|---------|--------|---------|
| 平移 | $x' = x+a, y' = y+b$ | 2 | 图像配准 |
| 旋转 | $x' = x\cos\theta - y\sin\theta$ | 1 | 目标对齐 |
| 缩放 | $x' = ax, y' = by$ | 2 | 图像缩放 |
| 仿射变换 | $x' = ax+by+c$ | 6 | 透视校正 |
| 投影变换（单应性） | 8参数分式线性 | 8 | 图像拼接 |
| 极坐标变换 | $r=\sqrt{x^2+y^2}, \theta=\arctan(y/x)$ | — | 旋转不变识别 |
| 对数-极坐标变换 | $\ln r, \theta$ | — | 尺度+旋转不变 |

##### 12.2.2 广义几何变换

**广义几何变换**超越简单的坐标映射，包括非线性变换和任意映射。

**数学描述：**

输出图像：$g(x', y') = f(T^{-1}(x', y'))$

其中 $T^{-1}$ 是反向映射（从输出坐标回到输入坐标）。

**非线性几何变换的例子：**

**桶形畸变/枕形畸变：**

$$r' = r(1 + k r^2)$$

其中 $k>0$ 为桶形畸变，$k<0$ 为枕形畸变。

**极坐标→直角坐标映射（用于旋转不变识别）：**

将图像从 $(x, y)$ 变换到 $(u, v) = (\ln\sqrt{x^2+y^2}, \arctan(y/x))$。

旋转在原图中对应 $\Delta\theta$，在 $(u,v)$ 空间中对应 $v$ 方向的平移。

##### 12.2.3 几何变换的光学实现

**用光学系统实现几何变换的优势：**

- 光速并行处理（整个图像同时变换）
- 无需数字化和计算机运算

**实现方法：**

**1. 光纤束（Fiber Bundle）方法：**

将输入端的光纤按一种几何排列，输出端按另一种排列 → 实现坐标映射。

例如：输入端按直角网格排列，输出端按极坐标排列 → 实现直角→极坐标变换。

**2. 空间光调制器（SLM）方法：**

用两个SLM配合透镜系统，通过相位调制实现坐标变换。

**3. 折射/反射光学元件：**

特殊面形的透镜或反射镜可以实现特定的几何变换。

例如：轴锥镜（Axicon）实现直角→极坐标的光场变换。

**4. 全息方法：**

用计算全息图编码所需的坐标映射关系。

---

#### 12.3 Hankel 变换

##### 12.3.1 Hankel 变换的数学定义

**Hankel 变换**是傅里叶变换在**圆对称**条件下的特殊形式，也称为**傅里叶-贝塞尔变换**。

**定义：**

对于圆对称函数 $f(r)$（仅依赖于径向坐标 $r = \sqrt{x^2+y^2}$），其零阶Hankel变换为：

$$\mathcal{H}\{f(r)\} = F(\rho) = 2\pi \int_0^\infty f(r) J_0(2\pi\rho r) r dr$$

其中 $J_0$ 是零阶第一类贝塞尔函数。

**逆变换：**

$$f(r) = 2\pi \int_0^\infty F(\rho) J_0(2\pi\rho r) \rho d\rho$$

Hankel 变换是**自逆的**（与傅里叶变换类似）。

**$n$ 阶Hankel变换：**

$$\mathcal{H}_n\{f(r)\} = F_n(\rho) = 2\pi \int_0^\infty f(r) J_n(2\pi\rho r) r dr$$

##### 12.3.2 极坐标下的傅里叶变换

**与二维傅里叶变换的关系：**

二维傅里叶变换的一般形式：

$$\mathcal{F}\{f(x,y)\} = \iint_{-\infty}^{\infty} f(x,y) e^{-i 2\pi(f_x x + f_y y)} dx dy$$

转换到极坐标：

- 空域：$x = r\cos\theta$，$y = r\sin\theta$
- 频域：$f_x = \rho\cos\phi$，$f_y = \rho\sin\phi$

$$f_x x + f_y y = r\rho(\cos\theta\cos\phi + \sin\theta\sin\phi) = r\rho\cos(\theta-\phi)$$

**当 $f(x,y)$ 是圆对称的**（即 $f(x,y) = f(r)$）：

$$\mathcal{F}\{f(r)\} = \int_0^\infty \int_0^{2\pi} f(r) e^{-i 2\pi r\rho\cos(\theta-\phi)} r d\theta dr$$

利用贝塞尔函数的积分表达式：

$$J_0(z) = \frac{1}{2\pi} \int_0^{2\pi} e^{-iz\cos\theta} d\theta$$

得到：

$$\mathcal{F}\{f(r)\} = 2\pi \int_0^\infty f(r) J_0(2\pi\rho r) r dr = \mathcal{H}\{f(r)\}$$

**结论：圆对称函数的二维傅里叶变换 = 其零阶Hankel变换。**

**重要性质：**

圆对称函数的傅里叶变换仍然是圆对称的，且只需计算一维积分（而非二维）。

**光学中的典型例子：**

**（1）圆孔的傅里叶变换：**

$$f(r) = \text{circ}(r/a)$$

$$\mathcal{F}\{f(r)\} = \pi a^2 \cdot \frac{2J_1(2\pi a\rho)}{2\pi a\rho}$$

这就是著名的 Airy 图案的振幅分布。

**（2）高斯光束：**

$$f(r) = \exp(-r^2/w_0^2)$$

$$\mathcal{F}\{f(r)\} = \pi w_0^2 \exp(-\pi^2 w_0^2 \rho^2)$$

高斯函数的傅里叶变换仍为高斯函数。

**（3）轴锥镜（Axicon）：**

轴锥镜产生的光场沿轴向的分布需要用Hankel变换来描述。

---

#### 12.4 Radon 变换

##### 12.4.1 Radon 变换的定义

**Radon 变换**是将二维函数沿**所有可能的直线**进行线积分所得到的变换，是计算机断层成像（CT）的数学基础。

**定义：**

对于二维函数 $f(x, y)$，其 Radon 变换定义为沿直线 $L(s, \theta)$ 的线积分：

$$\mathcal{R}\{f\}(s, \theta) = \iint_{-\infty}^{\infty} f(x, y) \delta(x\cos\theta + y\sin\theta - s) dx dy$$

$$= \int_{-\infty}^{\infty} f(s\cos\theta - t\sin\theta, \, s\sin\theta + t\cos\theta) dt$$

其中：
- $s$：直线到原点的距离（有正负）
- $\theta$：直线法线与 $x$ 轴的夹角
- $\delta$：Dirac δ 函数

**物理含义：**

$\mathcal{R}\{f\}(s, \theta)$ 是函数 $f(x,y)$ 沿方向 $\theta$、距原点距离为 $s$ 的直线上所有值的积分。

**投影图（Sinogram）：**

将 $\mathcal{R}\{f\}(s, \theta)$ 对不同的 $s$ 和 $\theta$ 画成二维图，称为**投影图**或**正弦图**（Sinogram）。

名称来源：一个点源 $(x_0, y_0)$ 的 Radon 变换为：

$$\mathcal{R}\{\delta(x-x_0, y-y_0)\} = \delta(s - x_0\cos\theta - y_0\sin\theta)$$

在 $(s, \theta)$ 平面上这是一条**正弦曲线**。

##### 12.4.2 像的重构

**从 Radon 变换恢复原图像（逆 Radon 变换）：**

这是 CT 成像的核心问题——从各个角度的投影数据重建物体的截面图像。

**中心切片定理（Central Slice Theorem）：**

这是连接 Radon 变换和傅里叶变换的桥梁。

**定理内容：**

函数 $f(x,y)$ 沿角度 $\theta$ 的 Radon 变换的一维傅里叶变换，等于 $f(x,y)$ 的二维傅里叶变换在角度 $\theta$ 方向上的切片：

$$\mathcal{F}_{1D}\{\mathcal{R}\{f\}(s, \theta)\} = \mathcal{F}_{2D}\{f(x,y)\}(\rho\cos\theta, \rho\sin\theta)$$

**证明思路：**

$$\int_{-\infty}^{\infty} \mathcal{R}\{f\}(s, \theta) e^{-i 2\pi\rho s} ds$$

$$= \iint f(x,y) e^{-i 2\pi\rho(x\cos\theta + y\sin\theta)} dx dy$$

$$= \tilde{f}(\rho\cos\theta, \rho\sin\theta)$$

**重建算法：**

**滤波反投影（Filtered Back-Projection, FBP）：**

1. 对每个角度的投影 $\mathcal{R}\{f\}(s, \theta)$ 做一维傅里叶变换
2. 乘以滤波器 $|\rho|$（斜坡滤波器）
3. 逆傅里叶变换
4. 对所有角度进行反投影（Back-projection）

$$f(x, y) = \int_0^\pi \left[\mathcal{R}\{f\}(s, \theta) \ast h(s)\right]_{s = x\cos\theta + y\sin\theta} d\theta$$

其中 $h(s)$ 是斜坡滤波器的冲激响应。

**光学实现 Radon 变换的方法：**

1. **扫描法：** 用狭缝光束逐线扫描物体，累加得到线积分
2. **全息法：** 用体全息存储实现投影的并行获取
3. **透镜阵列法：** 用柱面透镜阵列同时获取多个角度的投影

---

#### 12.5 Hough 变换

##### 12.5.1 Hough 变换定义

**Hough 变换**是一种用于检测图像中直线、圆等几何形状的变换方法，最初由 Paul Hough 于1962年提出用于粒子轨迹检测。

**直线检测的 Hough 变换：**

图像中的一条直线可以用参数方程表示：

$$x\cos\theta + y\sin\theta = s$$

Hough 变换的思想是：图像空间中的一个点 $(x_0, y_0)$ 对应参数空间 $(s, \theta)$ 中的一条正弦曲线：

$$s(\theta) = x_0\cos\theta + y_0\sin\theta$$

图像空间中共线的多个点对应的正弦曲线在参数空间中**交于同一点** $(s_0, \theta_0)$。

**检测步骤：**

1. 将参数空间 $(s, \theta)$ 离散化为累加器数组
2. 对图像中的每个边缘点，在参数空间中画出对应的正弦曲线
3. 沿该曲线对所有累加器单元加1
4. 累加器中的局部最大值即对应图像中的直线参数

**圆检测的 Hough 变换：**

圆的参数方程：$(x-a)^2 + (y-b)^2 = r^2$

参数空间为三维 $(a, b, r)$，原理相同但计算量更大。

##### 12.5.2 Hough 变换的光学实现

**光学实现 Hough 变换的优势：**

- 并行处理（所有边缘点同时参与）
- 高速（光速）
- 适合实时检测

**光学实现方法：**

**方法一：空间光调制器 + 柱面透镜**

1. 将边缘检测后的图像加载到SLM上
2. 用柱面透镜系统在光学上实现 $(x, y) \to (s, \theta)$ 的坐标映射
3. 在输出面上，直线对应的参数处出现亮斑

**方法二：全息方法**

用计算全息图编码 Hough 变换的映射关系，光通过全息图后直接在输出面得到 Hough 空间。

**光学 Hough 变换的应用：**

- 工业检测中的直线/圆检测
- 医学图像中的血管检测
- 遥感图像中的道路检测
- 机器人视觉中的导航线检测

---

#### 12.6 光学小波变换

##### 12.6.1 从短时傅里叶变换到小波变换

**傅里叶变换的局限性：**

傅里叶变换给出信号的全局频率成分，但**丢失了时间（位置）信息**——无法知道某个频率成分出现在信号的什么位置。

**短时傅里叶变换（STFT）：**

引入滑动窗口函数 $w(t)$：

$$\text{STFT}\{f\}(\tau, f) = \int_{-\infty}^{\infty} f(t) w(t-\tau) e^{-i 2\pi f t} dt$$

窗口 $w(t-\tau)$ 在 $\tau$ 处截取信号的一小段，做局部傅里叶分析。

**STFT的局限：**

窗口宽度固定 → 时间分辨率和频率分辨率不可兼得（Heisenberg不确定原理）：

$$\Delta t \cdot \Delta f \geq \frac{1}{4\pi}$$

- 窗口窄 → 时间分辨率好，频率分辨率差
- 窗口宽 → 频率分辨率好，时间分辨率差

**小波变换的突破：**

小波变换使用**可变宽度的窗口**：
- 分析高频成分时使用窄窗口（时间分辨率高）
- 分析低频成分时使用宽窗口（频率分辨率高）

这正是信号分析中所需的行为——高频瞬变事件需要精确定位时间，低频缓变成分需要精确确定频率。

##### 12.6.2 小波变换

**连续小波变换（CWT）的定义：**

$$W_f(a, b) = \frac{1}{\sqrt{|a|}} \int_{-\infty}^{\infty} f(t) \psi^*\left(\frac{t-b}{a}\right) dt$$

其中：
- $\psi(t)$：母小波函数（Mother Wavelet）
- $a$：尺度参数（$a>0$，对应频率的倒数）
- $b$：平移参数（对应时间位置）
- $\frac{1}{\sqrt{|a|}}$：能量归一化因子

**母小波的要求：**

$$\int_{-\infty}^{\infty} \psi(t) dt = 0 \quad \text{（零均值，波动性）}$$

$$C_\psi = \int_0^\infty \frac{|\Psi(\omega)|^2}{\omega} d\omega < \infty \quad \text{（允许条件）}$$

其中 $\Psi(\omega) = \mathcal{F}\{\psi(t)\}$。

**二维小波变换（图像处理）：**

$$W_f(a, b_x, b_y, \theta) = \frac{1}{a} \iint f(x,y) \psi^*\left(\frac{R_\theta(x-b_x, y-b_y)}{a}\right) dx dy$$

其中 $R_\theta$ 是旋转算子。

**小波变换与傅里叶变换的对比：**

| 对比项 | 傅里叶变换 | 小波变换 |
|--------|-----------|---------|
| 基函数 | 正弦波（无限延伸） | 小波（有限支撑） |
| 时频分辨率 | 固定 | 自适应（多分辨率） |
| 局部性 | 无 | 有 |
| 适合信号 | 平稳信号 | 非平稳信号 |
| 奇异性检测 | 差 | 好 |

##### 12.6.3 小波函数

**常用的小波函数：**

**（1）Haar小波（最简单）：**

$$\psi(t) = \begin{cases} 1, & 0 \leq t < 1/2 \\ -1, & 1/2 \leq t < 1 \\ 0, & \text{其他} \end{cases}$$

特点：不连续，计算简单，适合阶跃信号。

**（2）Daubechies小波（dbN）：**

正交小波，具有紧支撑和 vanishing moments。

**（3）Mexican Hat（墨西哥帽）小波：**

$$\psi(t) = \frac{2}{\sqrt{3\sigma}\pi^{1/4}} \left(1 - \frac{t^2}{\sigma^2}\right) e^{-t^2/(2\sigma^2)}$$

是高斯函数的二阶导数。

**（4）Morlet小波：**

$$\psi(t) = e^{i\omega_0 t} e^{-t^2/2}$$

是调制的复高斯函数，最接近短时傅里叶变换的窗口。

**（5）Marr小波（DOG）：**

高斯函数的导数族。

**多分辨率分析（MRA）：**

Mallat 提出多分辨率分析理论，将小波变换理解为信号在不同尺度下的逐层分解：

$$f(x) = \text{近似（低频）} + \sum_{j} \text{细节（高频，尺度 } j\text{)}$$

二维图像的 MRA 分解：
- LL：低频近似（缩小版原图）
- LH：水平细节（水平边缘）
- HL：垂直细节（垂直边缘）
- HH：对角细节（对角边缘）

##### 12.6.4 光学小波变换

**光学实现小波变换的意义：**

- 高速并行处理
- 适合实时图像处理
- 可用于光学模式识别和特征提取

**光学实现方法：**

**方法一：联合变换相关器（JTC）方法**

将小波函数作为参考图像，用 JTC 系统计算输入图像与小波函数的互相关，得到小波系数。

**方法二：Vander Lugt 相关器方法**

制作小波函数的匹配滤波器（Vander Lugt 滤波器），输入图像通过滤波器后的输出即为小波系数。

**方法三：衍射光学元件（DOE）方法**

设计 DOE 使其脉冲响应等于特定尺度的小波函数。多个 DOE 级联实现多尺度分解。

**方法四：光折变晶体方法**

利用光折变晶体的动态全息特性，实时记录小波函数，实现自适应小波变换。

**光学小波变换的优势：**

- 不同尺度的小波可以并行处理（空间复用）
- 光速运算
- 适合大图像实时处理

##### 12.6.5 光学 Morlet 小波变换的实例

**Morlet 小波的特殊价值：**

Morlet 小波 $\psi(t) = e^{i\omega_0 t} e^{-t^2/2}$ 本质上是一个**带通滤波器**（中心频率 $\omega_0$，带宽由高斯包络决定）。

在光学中，Morlet 小波变换等价于用一组**Gabor滤波器**（不同尺度和方向）对图像进行滤波。

**光学实现（基于4f系统）：**

在4f系统的频谱面上放置 Morlet 小波的傅里叶变换作为滤波器：

$$\Psi(\omega) = e^{-(\omega-\omega_0)^2/2}$$

这是一个高斯带通滤波器，中心在 $\omega_0$。

**多尺度多方向分解：**

用多个不同尺度和方向的 Morlet 滤波器并行滤波：

- 尺度 $a$ → 控制滤波器的带宽
- 方向 $\theta$ → 控制滤波器的取向

**应用实例：**

- **纹理分析：** 不同尺度和方向的 Morlet 小波系数构成纹理特征向量
- **边缘检测：** 小波系数大的位置对应图像边缘
- **图像压缩：** 保留大系数，舍弃小系数
- **去噪：** 阈值处理小波系数

---

### 第13章 数字光计算

本章是傅里叶光学和信息光学的延伸，探讨如何将光学技术应用于数字计算和信息处理领域。与传统的电子数字计算不同，数字光计算利用光子的物理特性（如并行性、高带宽、互不干扰等）来实现逻辑运算、矩阵计算、数据互连和海量存储，是突破传统电子计算机物理瓶颈（如散热、带宽限制、时钟延迟）的重要前沿方向。

---

#### 13.1 光学逻辑运算

光学逻辑运算旨在用光器件（如非线性光学元件、半导体光放大器、干涉仪等）替代晶体管，实现基本的布尔逻辑运算（如与、或、非、异或）。

**基本原理：**
利用光场的**非线性相互作用**或**干涉效应**：
- **干涉原理**：两个同频率、同相位的光束相干相长（逻辑“1”），反相位则相消（逻辑“0”）。
- **非线性吸收/折射**：在高光强下，材料的透过率或折射率发生突变，实现光开关功能（类似电子三极管的开关特性）。
- **双稳态器件**：在特定输入范围内，器件存在两个稳定的输出状态，可用于存储二进制数据。

---

#### 13.2 离散模拟光学处理器

虽然数字计算精度高，但某些大规模数学运算（如矩阵乘法、卷积）在电子芯片上耗时巨大。离散模拟光学处理器利用光学系统的天然并行性，可以在单次光传输过程中完成海量数据的模拟计算。

##### 13.2.1 信息和系统的离散表示
在光学系统中，连续的模拟光场通过空间光调制器（SLM）和光电探测器（CCD/CMOS）被离散化，表示为数字矩阵或矢量。

##### 13.2.2 串行矩阵-矢量乘法器
利用**一维光调制器**和**柱面透镜**系统，通过时间上的串行输入和空间上的并行光学累加，实现矩阵与矢量的乘法运算。这种方式对系统同步性和时间分辨率要求极高。

##### 13.2.3 并行的非相干光矩阵-矢量乘法器
利用**二维SLM**和非相干光照明：
- 矩阵元素由SLM的透过率或反射率表示。
- 矢量数据由输入光强阵列表示。
- 通过柱面透镜组在探测器上进行一维光学求和（积分）。
- 优势在于整个矩阵-矢量乘积在一个光传输周期内同时完成。

##### 13.2.4 外积处理器
利用两束光在空间上的交叉分布实现矢量外积运算：
$$\mathbf{C} = \mathbf{a} \otimes \mathbf{b}$$
其中 $\mathbf{a}$ 和 $\mathbf{b}$ 分别调制两个正交方向的光强分布，其乘积在探测器二维阵列上直接形成矩阵 $\mathbf{C}$。这是构建神经网络光学加速器的核心技术之一。

---

#### 13.3 光学互连

在传统超大规模集成电路（VLSI）中，金属导线互连的电阻、电容延迟和串扰已成为系统性能的瓶颈。光学互连利用光子代替电子进行芯片内或芯片间的数据传输。

##### 13.3.1 自由空间光互连
- **原理**：利用微透镜阵列、分束器或全息光学元件，在自由空间中实现光束的定向传输和路由。
- **优点**：带宽极高、无电磁干扰（EMI）、空间交叉互不干扰（可实现三维立体互连）。

##### 13.3.2 光纤和集成光波导光互连
- **原理**：利用光波导（如硅光子芯片上的二氧化硅/硅波导）将光信号约束在亚微米尺度内进行引导传输。
- **优点**：结构紧凑，可与现有半导体工艺兼容，适合芯片级（On-chip）和板级（Board-level）高密度互连。

---

#### 13.4 光存储

随着数据量的爆炸式增长，传统磁存储和半导体存储面临容量和寿命的限制。光存储利用光的物理特性实现高密度、长寿命的数据保存。

##### 13.4.1 光盘存储器
利用激光在光敏介质上烧蚀出微米级或纳米级的“凹坑（Pits）”或改变其相变状态（如CD、DVD、Blu-ray），通过反射光强的变化读取二进制数据。其存储容量受限于光斑的衍射极限（$\approx \lambda/2\text{NA}$）。

##### 13.4.2 光全息存储
- **原理**：利用体全息技术在光折变晶体（如铌酸锂 $\text{LiNbO}_3$）中记录数据的干涉条纹。通过改变参考光的角度或波长，可以在同一体积内复用存储成百上千张全息图（角度复用或波长复用）。
- **优势**：
  - 三维体存储，理论容量可达 TB 级甚至 PB 级。
  - 数据以“页（Page）”为单位并行读写，传输速率极高。
  - 寿命长达数十年。

---

#### 13.5 光计算机

光计算机（Optical Computer）是结合了上述光学逻辑、模拟处理器、光互连和光存储技术的终极计算系统。

**光计算机的分类：**
1. **全光数字计算机**：利用光学逻辑门实现二进制计算（目前处于实验室探索阶段，受限于光学非线性效应的能耗和体积）。
2. **光电混合计算机**：用光进行高速互连和矩阵/模拟运算，用电子进行逻辑控制和结果存储（如当前的光神经网络加速器，是目前最实用的商业化方向）。
3. **量子光计算机**：利用光子的量子态（偏振、路径等）进行量子计算，具有极强的并行求解能力（如“九章”量子计算机）。

---

### 第14章 光学三维传感

本章系统性地介绍了利用光学手段获取物体三维空间形貌（深度、表面轮廓）的核心理论与技术。与传统的接触式三维测量（如三坐标测量机 CMM）相比，光学三维传感具有**非接触、高精度、高速度、大面积测量**等无可比拟的优势，广泛应用于工业检测、逆向工程、生物医学和机器人视觉等领域。

---

#### 14.1 主动三维传感的基本概念

**被动三维传感**（如双目立体视觉）通过被动接收环境光成像，依赖图像特征匹配，在无纹理或光照不足区域极易失效。
**主动三维传感**（Active 3D Sensing）则是向被测物体主动投射人工调制光（如点、线、面结构光），通过测量光波在被测表面反射或散射后的几何变化或相位变化，来高精度地解算三维形貌。

##### 14.1.1 主动照明的三维传感方法
根据信息载体和探测原理的不同，主要分为：
* **基于几何三角测量原理**：利用几何投影和成像关系（如激光三角法、结构光法）。
* **基于光飞行时间原理（TOF）**：测量光脉冲或调制光波在空间传播的时间延迟（如 TOF 相机、激光雷达）。
* **基于干涉原理**：利用相干光的干涉条纹变化测量微小高度（如白光干涉、相移干涉）。

##### 14.1.2 三种基本的结构照明方式
1. **点扫描照明**：使用单点激光束逐点扫描物体表面。
2. **线扫描（片光）照明**：将激光束展开为光片，逐线扫描物体表面。
3. **面结构照明**：一次性将整个编码图案（如格雷码、正弦条纹）投射到物体表面，实现单帧或数帧快速获取三维形貌。

##### 14.1.3 三维传感系统的基本组成
一个典型的主动三维传感系统通常由以下模块组成：
* **光源与投影模块**（激光器、DLP投影仪等）
* **光电接收模块**（CCD/CMOS 图像传感器）
* **同步控制模块**（控制投影与拍摄的时序）
* **信号处理与三维重构算法模块**（进行相位解算、几何标定与点云生成）

---

#### 14.2 采用单光束的三维传感

单光束传感最典型的代表是**激光三角法（Laser Triangulation）**。

##### 14.2.1 基本原理与计算公式
利用三角形相似原理：
1. 激光束以入射角 $\theta$ 投射到物体表面形成漫反射光斑。
2. 接收透镜将光斑成像在光电探测器（如线阵 CCD）上。
3. 当物体表面有高度起伏 $\Delta h$ 时，光斑在探测器上的像发生位移 $\Delta x$。

通过几何关系，高度 $h$ 的计算公式为：
$$h = \frac{L \cdot \Delta x}{D \pm \Delta x \sin\theta}$$
其中 $L$ 为接收透镜到探测器距离，$D$ 为基准光路参数。

##### 14.2.2 散斑对激光三角法精度的影响
激光具有高度的空间相干性，在粗糙表面反射时会产生随机的相干干涉，形成**激光散斑（Speckle）**。
* **影响**：散斑使探测器上的光斑中心发生随机漂移，导致测量高度产生随机噪声，严重制约了三角法的极限测量精度。
* **抑制方法**：采用多模激光（降低相干性）、多光源时间平均、或通过空间/角度去相关技术。

##### 14.2.3 测量实例（鞋楦三维面形测量）
展示了激光三角法在制鞋工业中“鞋楦（shoe last）”三维数字化中的具体应用，替代了传统的机械接触式卡尺测量，大幅提高了设计效率和定制精度。

##### 14.2.4 基于激光同步扫描的三维面形测量
为了提高单光束扫描的速度，采用高速振镜或旋转多面棱镜实现激光束的高速偏转，配合探测器的同步采集，实现快速三维面形重建。

---

#### 14.3 采用激光片光的三维传感

将单点激光扩展为一束**激光片光（Laser Sheet）**，一次获取物体表面的一条线轮廓（Line Profile）。

##### 14.3.1 激光片光的产生
通常采用**柱面透镜（Cylindrical Lens）**。柱面透镜在单一方向上具有光焦度，而在垂直方向上无光焦度，从而将圆形截面的激光束在单一方向上发散，形成扇形的片光。

##### 14.3.2 测量原理
本质上仍属于三角测量法，但探测器（面阵相机）的整行像素同时记录片光在物体表面弯曲的形貌。配合物体或传感器的相对一维机械运动，即可扫描拼接出完整的三维点云。

##### 14.3.3 测量实例
介绍了激光片光在大型构件、轨道平整度等工业场景中的实际测量方案。

---

#### 14.4 相位测量剖面术

**相位测量剖面术（Phase Measuring Profilometry, PMP）**，又称相移结构光技术，是目前工业界应用最广泛、精度最高的三维光学测量技术之一。

##### 14.4.1 相位测量剖面术的原理
1. **投影相移光栅**：向物体投影一组（通常为3幅或4幅）具有相同空间频率、但相位依次相差 $\delta$（如 $\delta = 2\pi/N$）的正弦条纹图案。
2. **相位提取**：相机拍摄受物体高度调制的变形条纹。利用多幅图像的灰度值，通过**相移算法（Phase Shifting Algorithm, PSA）** 逐像素计算出截断相位（包裹相位，范围在 $[-\pi, \pi]$）：
   $$\phi(x,y) = \arctan\left[ \frac{\sum I_n \sin(n\delta)}{\sum I_n \cos(n\delta)} \right]$$
3. **相位展开（Phase Unwrapping）**：由于高度起伏导致相位被包裹在 $2\pi$ 周期内，需要通过空间或时间相位展开算法，恢复出连续的绝对相位。
4. **高度映射**：通过系统标定参数，将展开后的绝对相位一对一地转换为物体表面的实际高度值。

##### 14.4.2 产生结构照明的方法
* **机械光栅莫尔法**：利用物理光栅相对运动产生相移（速度慢，精度低，已淘汰）。
* **DMD/LCOS 数字投影法**：利用数字微镜器件（DMD）直接产生高精度的相移正弦条纹（主流方案）。

##### 14.4.3 相位测量剖面术应用举例
展示了其在复杂机械零件检测、汽车模具逆向工程等领域的应用。

---

#### 14.5 傅里叶变换剖面术

**傅里叶变换剖面术（Fourier Transform Profilometry, FTP）** 是一种只需**单幅**变形条纹图像即可实现三维测量的技术，非常适合动态、瞬态物体的测量。

##### 14.5.1 基本原理
由 M. Takeda 等人于 1983 年提出：
1. 相机拍摄单幅受物体高度调制的变形条纹图：
   $$I(x,y) = a(x,y) + b(x,y) \cos[2\pi f_0 x + \phi(x,y)]$$
   其中 $f_0$ 为载频，$\phi(x,y)$ 为包含高度信息的相位。
2. 对图像进行**二维傅里叶变换**，在频谱面上，基频项被载频 $f_0$ 搬移到两侧，与直流背景分量 $a(x,y)$ 分离。
3. 在频域设计一个带通滤波器，滤除背景和负频率成分，只保留一个基频边带。
4. 将滤波后的频谱进行**逆傅里叶变换**，得到复数信号，求其辐角即可得到截断相位 $\phi(x,y)$。
5. 最后进行相位展开和高度标定。

##### 14.5.2 FTP 方法的测量范围
由于需要频谱面上基频与零频完全分离，载频 $f_0$ 必须足够大。这限制了 FTP 能够测量的**最大相位梯度（即物体的最大高度差或坡度）**，否则会发生频谱混叠。

##### 14.5.3 一种改进的方法
介绍了针对 FTP 频谱混叠和边缘效应的改进算法，如窗口傅里叶变换、小波变换剖面术等。

##### 14.5.4 动态过程三维面形测量
FTP 最大的优势在于“单帧成像”。结合高速相机，可用于测量爆炸冲击波、振动叶片、液滴飞溅等高速瞬态三维形貌。

---

#### 14.6 调制度测量轮廓术

**调制度测量轮廓术（Modulation Measuring Profilometry, MMP）** 是一种基于调制度（对比度）而非相位的三维测量方法。

##### 14.6.1 基本原理
当投影仪聚焦于参考平面时，投影到物体表面的条纹对比度（调制度）最高。随着物体表面偏离聚焦平面（即存在高度起伏），条纹变得模糊，其调制度下降。通过测量条纹的调制度分布，即可推算出物体的高度分布。

##### 14.6.2 信息处理方法
通常采用**多频外差**或**离焦投影**的方法，通过分析条纹的包络线或频域能量分布来提取调制度信息。

##### 14.6.3 测量实例
该方法对低反射率、不连续表面具有较强的鲁棒性，适用于某些相位法难以处理的特殊材质测量。

---

#### 14.7 三维轮廓测量其他光学方法

##### 14.7.1 采用激光扫描的三维共焦成像
利用**共焦显微镜（Confocal Microscope）** 的轴向层析特性。通过轴向扫描物体，只有在物镜焦平面上的点才能在针孔探测器上通过，利用“最大响应对应焦平面位置”的原理，获取超高精度的微观三维形貌。

##### 14.7.2 飞行时间法（Time of Flight, TOF）
通过测量光脉冲发射与接收之间的时间差 $\Delta t$ 来计算距离：
$$D = \frac{c \cdot \Delta t}{2}$$
（$c$ 为光速）。常用于大场景、远距离的三维重建（如车载激光雷达、Kinect v2）。

##### 14.7.3 三维电视摄像机
介绍了基于光度立体视觉（Photometric Stereo）或多视点几何的实时三维视频采集系统，用于三维电视、虚拟现实（VR）和增强现实（AR）。