专家谈计算光学成像

光学成像普遍存在“看不远”、“看不清”，受环境影响严重等问题；看清楚了视场又不够，要“看得远、看得清”，光学系统的体积就会变得很庞大。如何解决这些矛盾，传统成像已陷入了困境，于是，计算成像就成了21世纪光学成像领域的“那一片乌云”。

计算成像发展过程中面临哪些问题

计算成像的初衷很好，就是将物理光学能够有机地融入到几何光学成像中，但是，随着研究的深入，我们发现：现代成像光学的理论大多是建立在线性模型的基础上，傅里叶光学、光学系统设计、傍轴光学等等无一例外都是线性模型，成像探测器是平面的，量化和采样遵循奈奎斯特定律。当我们习惯了线性模型的时候，大多数时候会认为线性模型是天经地义的，似乎不存在非线性模型这一说法。

熟悉图像处理的人都有过这样的经历，设计一种算法的时候都会用Lena、CameraMan等标准图像去实验，对比其他算法。但是，我们会发现，当把这些方法运用到实拍图像时却效果一般，甚至很差。于是，很多人都回避这样的问题，只展现出“最好”的那一组结果，证明算法的有效性。其实，导致这一结果的原因是这些标准图像都是在很大幅面的图像中选取了线性度最好的一部分，于是，这些算法应用到线性度很好的图像确实会有很好的结果，但是，应用到实拍的整幅图像中效果不佳，恰恰告诉我们：线性是一种美好的愿望，假设而已。

其实，这样的例子很多，比如在透过散射介质成像中非常有名的“光学记忆效应”，其实也是一种线性近似。

于是我们发现，我们赖以“干活”的工具原来都是线性的，也就是说现代光电成像的理论模型都是线性的，只适用于线性条件。当我们对成像提出更高要求时，线性模型无能为力了，我们干不了活了。

那么，计算光学成像在发展过程中到底面临哪些问题？

首先是计算成像的理论模型问题，其次是信息在成像过程中的传递以及对信息的度量问题，然后是光场在成像全链路中的变化过程，直至全光场信息经由探测器投影后信息如何重建。

计算成像有哪些种

维基百科对计算成像的描述是：凡是在成像过程中引入计算的都属于计算成像，从这个描述可以看出，几乎所有的光电成像都可以纳入到计算成像的范畴，甚至图像处理在广义上也可以认为是计算成像。

我们可以从很多维度上对计算成像技术进行分类，之前我在“计算成像内涵与体系”一文中对计算成像的体系做了详细的分析，从应用和成像链路两个维度做了分类。

首先，在应用维度上，我们可以从“更高、更远、更广、更小、更强”进行分类，这种分法有助于对计算成像的应用进行推广。

然后，在学术维度上，可行的方法是在光电成像的链路上进行分类：计算照明、计算介质、计算光学系统、计算探测器和计算信号处理。在这个维度上，我们很容易地从成像全链路上分析全光场发生变化的情况，从而做全局的最优化设计；也比较容易地从局部引入物理光学相关信息，突破几何光学的限制。

举一个“计算光学系统”的例子，传统光学系统是建立在几何光学的基础上的，像差和调制传递函数是约束光学系统设计的主要因素，我们所见到的高级镜头多是又重又大又贵，想缩小体积是很难的。手机摄影的发展促使着光学系统必须要做小，但传统的方法很难实现。近几年，出现了很多基于超表面、微纳光学技术的新型光学系统，超薄、超小、超轻是它们的标签，但光谱窄、透过率低、成像质量差也是它们的特点。其实，我们可以从光场信息的传递上来分析这些问题，也可以在传统光学的基础上加上新的技术进行平衡设计，达到更优化的结果。

计算成像发展的现状怎么样

计算成像的发展很快，热度很高，新技术也层出不穷。我在“计算成像技术与应用最新进展”一文中对计算成像的发展有一些描述，具体可以参阅。

从“计算成像技术与应用研讨会”和“国际计算成像技术”两个会议参会人员来看，参会的人数很多，涉及的领域也很多：散射成像、超分辨率成像、生物医学成像、光谱成像、光学系统设计、微纳光学等等。