Zernike多项式

昊大侠

已于 2022-06-06 10:50:08 修改

阅读量3.9k

点赞数 4

分类专栏：经验总结文章标签：几何学算法

于 2022-06-06 10:46:05 首次发布

本文链接：https://blog.csdn.net/weixin_49371288/article/details/125141955

版权

经验总结专栏收录该内容

11 篇文章

订阅专栏

该文章探讨了光学像差的基本表达式φk(x,y)，并介绍了标准化系数Nnm和径向表达式Rnm(ρ)以及弧度表达式Θm(θ)。通过多项式积分和方差，展示了Zernike多项式在光学成像中的正交性和完备性。Zernike多项式被用作图像特征，特别是在像差校正和点扩散函数中，对于图像识别和重建任务具有重要意义。Zernike矩作为一种旋转不变的特征，尽管易受噪声影响，但能有效地捕获图像的关键信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

表达式

$\varphi^k(x,y)=Z_n^m(\rho,\theta)=N_n^mR_n^m(\rho)\Theta_m(\theta)\\$
$\pmb{其中} \begin{cases} \rho=\sqrt{x^2+y^2} \;\in (0,\quad 1)\\ \theta=arctan(\frac{y}{x}) \in (0,\quad 2\pi)\\ |Z^{m}_n(\rho,\theta)| \le 1 \end{cases}$

标准化系数

$N_n^m= \begin{cases}\sqrt{\frac{2(1+n)}{1+\sigma}}\Rightarrow N_n^m(\pi)\\ \sqrt{\frac{2(1+n)}{\pi(1+\sigma)}}\Rightarrow N_n^m(1) \end{cases} \quad \pmb{and}\quad \sigma= \begin{cases}1,&m = 0\\ 0,&m\not=0 \end{cases}$

径向表达式

$R_n^m(\rho)=\sum_{k=0}^{\tfrac{n-m}{2}}{\frac{(-1)^k(n-k)!}{k!(\frac{n+m}{2}-k)!(\frac{n-m}{2}-k)!}}\rho^{n-2k}\\ \pmb{or}\\ R_n^m(\rho)=\sum_{k=0}^{\tfrac{n-m}{2}}(-1)^k \binom{n-k}{k} \binom{n-2k}{\tfrac{n-m}{2}-k} \rho^{n-2k}$
$\pmb{其中}\;k={\frac {n(n+1)}{2}}+|m|+\left\{{\begin{array}{ll}0,&m>0\land n\equiv \{0,1\}{\pmod {4}}\\0,&m<0\land n\equiv \{2,3\}{\pmod {4}}\\1,&m\geq 0\land n\equiv \{2,3\}{\pmod {4}}\\1,&m\leq 0\land n\equiv \{0,1\}{\pmod {4}}\end{array}}\right.\\\\$

弧度表达式

$\Theta_m(\theta)= \begin{cases} \cos(|m|\theta) &m\geq 0\\ \sin(|m|\theta) &m<0 \end{cases}$

多项式积分与方差

$N_n^m(\pi)\Rightarrow \begin{cases} \int_{0}^{2\pi }\int_{0}^{1}Z_n^m(\rho,\theta)^{2}\cdot \rho \,d\rho \,d\theta =\pi\\ {Var} (Z_n^m(\rho,\theta))_{\text{unit circle}}=1 \end{cases}$

应用

光学像差

带像差的点扩散函数

$h(u,v;\xi,\eta)=\frac{1}{\lambda^2z^2_i}\cdot\iint^{+\infty}_{-\infty}P(x,y)\cdot e^{\frac{j2\pi\varphi^k(x,y)}{\lambda}}\cdot e^{-j\frac{2\pi}{\lambda z_i}[(u-M\xi)x+(v-M\eta)y]}\,dxdy$