成像,我在讲傅里叶光学的知乎文章中简单谈了一下。
https://zhuanlan.zhihu.com/p/217503316zhuanlan.zhihu.com成像本身是在对待测样品的分布进行观测,也就是看它长什么样,以人眼为例,人眼作为成像系统,不论看什么东西,首先视网膜作为接收端接收了一幅图像,尽管我们觉得我们看到的图像是连续的,但是事实上视网膜一定有一个个像元,我们看到的图像是一个矩阵,矩阵中的每个元素代表相应位置像元接收光的强度,它本身是一个强度的响应,或者说一个神经刺激,然后这些神经刺激经过大脑的整理,最终呈现出看到的图像,然后再通过对图像的分析,知道一些列信息,比如看到了谁,看到他在干什么,通过左右眼不同的图像,又能分析出来看到东西有多远等等的结果。
计算成像大体也就是如此,一个采集记录系统,记录的数据通过处理得到其分布能够与样品对应的像,用以进行后续对于具体问题的分析。
我个人比较习惯从另一个角度讨论这个问题。样品有一个分布,它的分布客观存在,它可以用一个图像表示出来,这个是成像的前提,样品分布作为成像过程待求解的结果,我们不妨称之为x,注意这个x不是数字,可以是矩阵(有时候可能还是复数矩阵),或者说图像。我们有一个固定的采集系统,当我们的样品不同,采集的图像就不一样,这是废话,但是非常重要,后面我可能单独解释一下。采集的图像和样品分布x,不见得是相同的,但是一定有关,成立一个映射,不妨称之为f(),所以我直接采集的图像,就叫y吧,那就构成了一个关系,y=f(x),那么在已知y并且已知f()的情况下,求解x,这就是成像过程。
如果y=1,f(x)=2x,那求解x就很简单的,但事实上,通常x比较简单且确定,就是一个矩阵或者向量(列采集)甚至点(点采集),而f()可以任意复杂,它可以包含很多的变换(传播、傅里叶变换),甚至它可以只是一个约束条件,而并不能构成一个确定的等式,那么在这种情况下,或者说实际上就是这样,通常求解不出正确的x,真正求解出来的是x的近似,或者说它的解的集合。
我引用信息的说法来解释这个问题,信息论认为,可以用信息熵的大小来衡量信息的多少,最经典的例子,预测足球赛,假设所有队伍实力均等,比赛开始前,预测的难度最大,因为可能的赛程结果有很多种,它的解的空间最大,且解空间中各个具体的解的概率不相上下,信息量的限制让我只能够排除掉没有参赛的球队夺冠的可能。那么随着比赛的进行,有球队不断淘汰,实际上冠军的可能就会落在越来越少的球队身上,解的空间缩小了,而如果我们知道球队的一些其他信息,比如实力对比,那么虽然解的空间没有缩小,但是解的概率出现了不同,存在一些解有更高的概率成为正确解,同样可以帮助到我们的预测。
现实中的光场,我们不考虑什么量子力学,通常认为现实中的光场都是连续的,相当于一个可以用于表示样品分布的矩阵,像元尺寸无穷小,像元个数无穷多&#x