资源描述:
《近代光信息处理 第2章.ppt》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第二章经典光学信息处理8/6/20211第二章经典光学信息处理2.1引言2.2早期发展2.3傅里叶处理器2.4线性系统与卷积2.5空间滤波2.6照相图像的恢复2.7全息术2.8傅里叶变换全息图2.9相关和卷积2.10结论8/6/20212光学信息处理2.1引言信息:客观事物的运动状态的表征和描述。能量从能量源传递到探测器,在能量传递过程中伴随着信息的传递,就形成信号。探测到的能量中所包含的不需要的信息则称为噪声。光学信息:指光的强度(或振幅)、相位、颜色(波长)和偏振态等。本课程光学信息特指光强分布所形成的图像,它可以是日常生活中自然图像,也可以是人造的或人工模拟的
2、图像。光学信息处理:指的是光学图像的产生、传递、探测和处理。所需要的图像称为信号,在处理过程中伴生的不需要的图像称噪声。本章介绍经典的光学信息处理,被处理的图形是真实物体的像.8/6/20213光学信息处理1873年,德国科学家阿贝(Abbe)创建了二次成像理论,为光学信息处理打下了一定的理论基础1935年,物理学家策尼克(Zernike)发明了相衬显微镜,将相位分布转化为强度分布,成功地直接观察到微小的相位物体——细菌。1963年,范德拉格特(A.VanderLugt)提出了复数空间滤波的概念,使光学信息处理进入了一个广泛应用的新阶段。20世纪80年代以后,随着关
3、键器件——空间调制器的日益完善,光学信息处理以其速度快、抗干扰能力强、并行处理等特点逐渐显示其独特的优越性,成为当今最热门学科方向。8/6/20214光学信息处理2.2早期发展1、阿贝(Abbe)二次衍射成像理论认为相干照明下显微镜成像过程可分做两步:物面上发出的光波经物镜,在其后焦面上产生夫琅禾费衍射,得到第一次衍射像;衍射像作为新的相干波源,由它发出的次波在像面上干涉而构成物体的像,称为第二次衍射像。8/6/20215光学信息处理阿贝研究结论:显微镜的相对孔径越大,系统的通频带越宽,物体中所包含的高频信息在成像过程中的损失就越少,像的质量就越高。相对孔径越小,在
4、传递过程中高频信息的损失就越大,像的失真或畸变就越严重,清晰度或分辨率越低。8/6/20216光学信息处理2、阿贝—波特系列实验阿贝于1873年、波特于1906年分别做了实验。部分实验内容及结果:8/6/20217光学信息处理部分实验内容及结果:8/6/20218光学信息处理由实验结果归纳出几点结论如下:1.实验充分证明了阿贝成像理论的正确性:像的结构直接依赖于频谱的结构,只要改变频谱的组分,便能够改变像的结构;2.实验充分证明了傅里叶分析的正确性:(1)频谱面上的横向分布是物的纵向结构的信息(图B);频谱面上的纵向分布是物的横向结构的信息(图C);(2)零频分量是
5、一个直流分量,它只代表像的本底(图D);8/6/20219光学信息处理由实验结果归纳出几点结论如下:(3)阻挡零频分量,在一定条件下可使像发生衬度反转(图E);(4)仅允许低频分量通过时,像的边缘锐度降低;仅允许高频分量通过时,像的边缘效应增强;(5)采用选择型滤波器,可望完全改变像的性质(图F)。8/6/202110光学信息处理2.3傅里叶处理器1960年,Cutrona等明确提出用透镜进行傅里叶变换的方案。略去相位因子前焦面输入复振幅函数f(x,y),后焦面的复振幅函数就是f(x,y)的傅里叶变换,记为F(u,v)。8/6/202111光学信息处理4f光学信息处
6、理系统输入平面:输入信号函数f(x,y);谱平面(两个透镜的共同焦面):傅里叶谱F(u,v);输出平面:输出信号函数f(,)。信号的频谱从抽象的数学概念变成了物理现实。注意所有的探测器,包括眼睛,都只能探测到光强,即振幅的模的平方。用两个透镜L1和L2构成著名的4f系统。8/6/202112光学信息处理4f光学信息处理系统借助于符号F,可以把(1)及(2)式表为F(u,v)=F{f(x,y)}(3)f(x’,y’)=F{F(u,v)}(4)这里(x’,y’)是输出平面上的坐标,坐标轴方向与(z,y)相同,它可以用傅里叶逆变换表示如下:f(-x’,-y’)=F-1
7、{F(u,v)}(5)由图2.5,有=-x’及=-y’,从而得到f(,)=F-1{F(u,v)}(6)这样,顺序进行的两次变换可以用图2.6表示.图2.6包含傅里叶变换及逆变换的傅里叶处理系统F{f}F-1{F}f(x,y)F(u,v)f(,)8/6/202113光学信息处理2.4线性系统与卷积线性系统的定义:设g1(,)=L{f1(x,y)}(1)g2(,)=L{f2(x,y)}(2)则有αg1(,)+βg2(,)=L{αf1(x,y)}+L{βf2(x,y)}式中α,β为常数。卷积是线性变换:f(x,y)*h(x,y)=g(x,y