从相机到计算成像:图像为什么不再只是“拍出来的”晚上十点,你在校园里举起手机,想拍下月光、教学楼和树影。快门按下后,屏幕上的照片却比肉眼看到的更亮,暗处噪点更少,路灯也没有变成一片惨白。 这张图真的是某一瞬间被相机“拍下来”的吗? 未必。手机可能在你按下快门前后连续采集了多帧图像,再完成对齐、去噪、融合和色调映射。你看到的结果,更像是光学系统与算法共同完成的一次估计。 这正是理解计算成像的入口:图像正在从一次直接记录,变成一次经过设计的测量与重建。 手机夜景的最终图像来自多帧测量的对齐与融合,而不只是一次曝光。 相机一直都在“计算”,但还不完全一样 传统相机的基本逻辑并不难:物体反射或发出的光经过镜头,在传感器上形成二维强度分布。镜头负责成像,探测器负责记录,后续算法再调整亮度、颜色和锐度。 普通后处理面对的是一张已经可辨认的照片,主要任务是把它修得更好看。计算成像则更进一步:研究者会在拍摄之前就设计照明方式、光学结构、编码图案和采样策略,并让重建算法成为成像系统的一部分。 它的链路可以写成: 场景 → 照明与光学编码 → 探测器测量 → 计算重建 → 图像。 这里有两个常见术语。“前向模型”描述已知物体和成像系统时,探测器会测到什么;“反问题”则根据实际测量,反过来推断物体是什么。计算成像的许多工作,本质上就是把前向过程描述清楚,再稳定地求解这个反问题。 案例一:手机夜景,不只是给单张照片降噪 Google Research公开的HDR+工作采用多帧连拍思路:相机获取一组曝光相同的原始图像,先估计帧间位移,再把多帧信息融合起来。单帧中随机出现的噪声,可以在多次测量中被压低;不同区域的信息也能被更好地保留。 关键不在某个“美化滤镜”,而在最终照片从一开始就依赖一组测量。算法不是拍摄结束后的修补工,而是相机获得有效信息的参与者。 案例二:显微镜如何兼顾大视场与高分辨率 显微成像中,大视场和高分辨率往往难以同时获得。傅里叶叠层显微成像提供了一个很典型的思路:用不同角度的光依次照明样品,普通物镜每次采集一幅低分辨率强度图像;算法再利用这些图像在频域中的互补信息,通过迭代恢复,拼接出大视场、高分辨率的复图像。 这里的“复图像”不仅包含亮暗,还包含相位信息。最终结果并不存在于任何一张原始照片里,而是分散在多次照明产生的测量中。 不同角度照明带来互补的频谱信息,经迭代拼接后形成大视场、高分辨率图像。 不过,它并不是无条件地获得更多细节。照明角度是否准确、系统是否标定、样品是否稳定、模型与真实装置是否匹配,都会影响重建质量。计算增加了系统的能力,也把误差来源带进了算法。 案例三:只有一个探测器,也能得到二维图像 单像素成像听起来有些反常:没有二维传感器阵列,怎么形成二维图像? 一种常见方案是用数字微镜器件不断切换空间图案,让场景的光按不同方式被编码;单个探测器每次只记录一个总光强。完成许多次编码测量后,算法根据图案与读数之间的关系重建场景。 单个探测器记录一系列编码后的总光强,二维图像由多次测量共同重建。 它提醒我们,图像不一定要被探测器逐像素直接“看见”。在某些阵列探测器昂贵或不易制造的波段,这种测量方式尤其有价值。但它也要付出代价,例如需要多次采样,运动场景容易破坏测量一致性,结果还依赖重建模型和先验假设。 重建出来的图像,可靠吗? 这是计算成像不能回避的问题。 一幅图看起来清晰,不代表其中每个细节都得到测量数据的支持。尤其当深度学习参与重建时,如果测试对象或成像条件偏离训练分布,网络可能生成“很像真的”却缺乏物理依据的结构,也就是常说的幻觉。相关风险已在生物显微图像重建综述和散射成像研究中被专门讨论。 因此,可信的计算成像不能只展示漂亮结果。它还需要回答:前向模型是否准确?系统是否经过标定?结果能否被独立测量验证?换一批样品或改变实验条件后是否仍然成立?物理约束、数据一致性和不确定性评估,往往与更高的分辨率同样重要。 对光电学生来说,新的基本功是什么 计算成像没有让光学过时,恰恰要求我们更懂光。只有理解光的传播、衍射、噪声和探测过程,才能知道哪些信息真正进入了测量,哪些只是算法的假设。 未来的成像系统,很可能不再由“镜头组”和“图像算法组”接力完成,而是由照明、光学器件、传感器、信号处理、优化方法和机器学习共同设计。对学生而言,最值得培养的不是追逐某个热门网络,而是建立跨越物理模型与计算方法的完整视角。 计算成像不是让算法替光学收尾,而是让光学和算法从一开始就共同设计一次测量。 图像也不再只是记录光抵达传感器的结果,而是在物理测量与计算推断之间,寻找关于真实世界的可靠答案。 转载:光电烧烤摊 如有侵权,请联系我们删除。 威睛光学拥有多款计算光学类产品,如航天相机、6mm超大景深相机、16mm景深工业检测相机等。 如需了解更多产品详情或有定制化需求,欢迎访问“威睛光学”官网,致电咨询! 或加威:threephy ![]() 分享到:
|





