计算机光电成像理论基础

一、透过散射介质成像

1.1 光在散射介质中传输

光子携带物体信息并进行成像的过程是一个涉及光与物质相互作用的物理现象。这个过程可以分为几个步骤来理解：

1. **光的发射或反射**：
   - 自然界中的物体可以发射光（如太阳），也可以反射光（如月亮）。当光源发出的光照射到物体表面时，物体会吸收一部分光，同时反射或散射另一部分光。
   - 物体的颜色和纹理决定了它反射或散射光的特性。例如，一个红色的物体会反射红光而吸收其他颜色的光。

2. **光的传播**：
   - 从物体反射或散射的光子开始在空间中传播。这些光子携带了关于物体的信息，包括物体的形状、颜色、纹理等。
   - 在理想情况下，如果没有任何散射介质干扰，光子会直线传播，直接将物体的信息传递给观察者或成像设备。

3. **光的接收**：
   - 光子最终到达观察者的眼睛或成像设备（如相机）的传感器。眼睛或传感器接收到这些光子，并将其转换为电信号。
   - 人眼通过视网膜上的感光细胞（视杆细胞和视锥细胞）将光信号转换为神经信号，大脑进一步处理这些信号，形成我们所看到的视觉图像。

4. **成像过程**：
   - 在相机中，光子通过镜头聚焦在传感器上。每个像素点接收到的光子数量和波长（颜色）决定了该点的亮度和颜色，从而构建起整个图像。
   - 传感器上的每个像素都对应于物体上的一个小区域，通过这种方式，整个物体的图像就被逐点构建起来。

5. **信息的提取和处理**：
   - 相机的电子系统将传感器上收集的电信号转换成数字信息，这些信息随后可以被存储、处理和显示。
   - 通过图像处理技术，可以进一步增强图像质量，比如调整亮度、对比度、色彩平衡等。

6. **散射介质的影响**：
   - 在散射介质存在的情况下，如雾、烟或生物组织，光子的直线传播会被干扰，导致散射。这会使得直接从物体反射的光子数量减少，而散射光子增多。
   - 弹道光子是那些几乎没有被散射的光子，它们直接从物体传播到成像设备，因此保留了最多的物体信息。而多次散射的光子则携带了较少的直接物体信息，但仍然对整体图像有所贡献。

综上所述，光子携带物体信息并进行成像的过程是一个涉及光的发射、传播、接收和转换的复杂过程，涉及到物理、化学和生物学等多个领域。通过这个过程中的每一步，我们能够获取并重建物体的视觉信息。

7.光子的分类

弹道光子是指光子的传输深度小于１个SMFP；此时可以近似的认为光子没有发生散射，即这部分光子的传输方向和光子进入散射介质的方向一致。如图中所示，弹道光子一直沿着轴向传播。弹道光子最大化的保留了原始物体携带的信息，此部分光经过成像系统可以对物体进行清晰的成像。

蛇形光子是指光子的传输深度大于5个SMFP且小于10个SMFP。此种情况表示光子在散射介质中经过了多次散射。这部分光子的传播方向相比光子进入散射介质的方向发生了轻微的偏移。如图中所示，蛇形光子主要为近轴传输，光子被轻微散射。虽然最终蛇形光子的传输不如弹道光子那样完全保留了物体的信息，但其仍包含着物体的部分信息。这些信息也可以用于对物体进行成像，只不过最终成像的清晰度被散射现象影响。

散射光子是指光子的传输深度大于10个SMFP。此种情况中，光子处于强散射区域，光子表现为完全随机特性。散射光子的传播方向已经完全不同于入射光方向。此时散射光子丢失了大部分的原始光携带的物体信息。对该部分光子成像，无法直接得到物体信息，只能得到由散射光之间干涉产生的散斑（Speckle）
 

1.2 成像系统的工作原理

是的，根据光子携带的信息可以还原物体的图像，这个过程涉及到光与物体的相互作用以及成像系统的工作原理。下面我将详细解释这个过程：

### 1. 光与物体的相互作用

当光源发出的光照射到物体上时，会发生以下几种情况：

- **反射**：光子从物体表面反弹回来，这取决于物体表面的光滑度和颜色。光滑表面会产生镜面反射，而粗糙表面会产生漫反射。
- **吸收**：物体吸收一部分光能，并将其转化为其他形式的能量，如热能。
- **透射**：对于透明或半透明的物体，光可以穿透物体并继续传播。

这些相互作用决定了物体如何与光子相互作用，从而影响光子的分布和特性。

### 2. 光子携带的信息

光子携带的信息主要包括：

- **强度（亮度）**：光子的数量和能量决定了物体的亮度。
- **颜色（波长）**：不同波长的光子对应不同的颜色，反映了物体的颜色特性。
- **方向（角度）**：光子的传播方向提供了物体的空间位置信息。

### 3. 成像系统的工作原理

成像系统（如相机）通过以下步骤将光子信息转换为图像：

- **聚焦**：镜头将来自物体的光子聚焦到传感器上。
- **感光**：传感器（如CCD或CMOS）上的每个像素点接收特定区域的光子，根据光子的数量和波长转换为电信号。
- **信号转换**：电信号被转换为数字信号，这些信号代表了图像的像素值。
- **图像重建**：通过处理这些数字信号，重建出物体的图像。

### 4. 信息的提取和处理

- **图像处理**：通过图像处理技术，如去噪、增强对比度、调整色彩等，可以提高图像的质量。
- **信息提取**：从图像中可以提取物体的形状、大小、颜色等信息。

### 5. 还原物体图像

通过上述过程，我们可以从光子携带的信息中还原出物体的图像。这个过程可以概括为：

- **光子与物体相互作用**：光子从物体反射或透射，携带物体的信息。
- **成像系统接收光子**：成像系统接收这些光子，并将其转换为电信号。
- **信号处理和图像重建**：通过处理这些信号，重建出物体的图像。

通过这种方式，我们可以从光子携带的信息中还原出物体的图像，这就是光子成像的基本原理。这个过程涉及到物理、光学和图像处理等多个领域的知识。
 

1.3 计算机光学成像技术

以物理机制为基础

1. **计算光学成像技术**：
   计算光学成像技术是一种新型的成像手段，它在传统几何光学的基础上融入了物理光学的信息，如偏振、相位、轨道角动量等物理量，并结合数学和信号处理知识深度挖掘光场信息。这种技术通过物理过程解译获取更高维度的信息，可以避免成像系统的物-像共轭限制，并引入基于物理光学的编码和解码过程，实现更高效的信息传输。

2. **透过散射介质成像**：
   当成像路径上存在云、雾、烟、尘、霾、生物组织等随机散射介质时，传统的光学成像方法难以应对。计算光学成像技术为解决这一难题提供了新思路，可以通过波前编码、数字全息、散斑的记忆效应、深度学习等方法实现透过散射介质成像。

3. **光学神经网络方法**：
   基于光学重构的方法可直接处理模拟信号，该方法首先通过数字计算获得用于处理模拟信号的光学模型（如光神经网络），然后定制加工实体，再将其置于成像系统中处理光信号，从而获得成像结果。这种基于先数字设计再光学处理的方法将图像重构速度提升至光速，且在重构过程不需要使用计算机，具有低功耗的特点。

4. **散射成像技术**：
   计算光学成像技术在解决散射成像方面表现出了得天独厚的优势。在弹道光提取方面，自适应光学成像技术、光学相干层析技术、共聚焦显微技术、多光子显微技术、光声显微技术等光学成像技术的发展及应用，解决了天文成像、水下探测和生物成像等领域的关键问题。

5. **光学图像处理技术在计算机视觉中的应用**：
   光学图像处理技术在计算机视觉中的应用包括图像增强、图像分割、目标检测和识别等方面，并简要介绍相关的算法和技术。图像增强方法包括直方图均衡化、灰度拉伸、中值滤波等，这些方法可以改善图像质量、清晰度和对比度。

6.光调制器件

如基于硅基液晶技术的相位调制型空间光调制器（SLM）和基于微机电系统的振幅调制型数字微镜器件（DMD）的发展，对计算成像技术与散射成像技术的融合起到了重要的推动作用。以下是这些技术的详细介绍：

### 1. 空间光调制器（SLM）

空间光调制器（SLM）是一种能够根据输入的电信号调制光波前的器件，它可以改变光的相位、振幅或偏振状态。SLM通常由成千上万个微小的可控制单元组成，每个单元都可以独立地调制通过它的光波。

- **硅基液晶技术**：SLM可以基于硅基液晶技术制造，这种技术允许SLM以高分辨率和快速响应时间调制光波。SLM在双光子/三光子显微成像、光镊、自适应光学、湍流模拟、光计算、光遗传学和散射介质成像等应用中发挥着重要作用。

- **相位调制型**：SLM可以作为相位调制器件，通过改变液晶单元的电光性能来调制光波的相位，从而影响光波的传播特性。

### 2. 数字微镜器件（DMD）

数字微镜器件（DMD）是一种基于微机电系统（MEMS）的光调制器件，由德州仪器（TI）开发。DMD由数以百万计的微镜组成，每个微镜都可以独立地翻转到“开”或“关”状态，从而调制反射光。

- **振幅调制型**：DMD通过控制微镜的开/关状态来调制光的振幅，实现对光的开关控制。在投影系统中，+12°状态对应“开”像素，-12°状态对应“关”像素，通过对每个镜片的开/关占空比进行编程来创建灰度图形。

### 3. 波前调制技术

波前调制技术包括光学相位共轭、波前反馈调节和光学传输矩阵等，这些技术极大地促进了散射成像技术在显微成像领域的应用。

- **光学相位共轭**：这是一种时间反演技术在光学领域的应用，利用光传播的可逆性，通过记录光场信息并生成相位共轭光来重建原始的入射光场。

- **波前反馈调节**：通过反馈控制调节波前，以目标处光强作为优化条件，结合反馈控制算法获得最佳相位，进而通过相位补偿的方式来减弱散射光的干扰，实现激光束经散射介质后的聚焦。

- **光学传输矩阵**：通过测量传输矩阵并结合相位共轭技术，可以在任意位置、任意时刻实现聚焦和成像。这种方法的优点在于，只要测量出成像系统的光学传输矩阵，便可以从任意目标所成的散斑中迅速恢复出待测目标。

这些技术的发展不仅推动了传统成像技术的发展，而且在解决散射成像方面表现出了得天独厚的优势，特别是在生物医学成像、超分辨成像和光通信等领域有着广阔的应用前景。
 

1.4 散射成像技术

散射成像技术是一种在光通过散射介质时，能够实现成像的技术。这种技术在生物医学成像、环境监测等领域具有重要的应用价值。以下是散射成像技术的一些关键点：

### 基本原理
散射成像技术基于光在散射介质中传播时的特性。由于散射作用，光的传播路径会随机改变，导致图像失真。然而，通过特定的技术手段，可以利用这些散射光来重建原始图像。

### 透过散射介质成像方法
1. **利用散射光子重建的方法**：这种方法分析由目标物经散射介质到传感器平面的成像响应，将弹道光子和散射光子综合在一起考虑。利用散射介质的“记忆效应”理论，发展出基于散射介质空域特性的相关成像技术。

2. **分离散射光子重建的方法**：这种方法通过波前整形技术，对光波前进行调制，补偿由于散射引起的波前畸变，实现透过散射介质的聚焦和成像。

### 技术进展
1. **波前整形技术**：通过调制入射光的波前来补偿散射引起的波前畸变，使得散射光能够被重新聚焦，实现高分辨率成像。这种方法可以分为反馈基、传输矩阵基和光学相位共轭基三种类型。

2. **光学相位共轭技术**：这是一种高效的波前整形方法，只需要一次测量就能确定传输矩阵的行向量，有效地获取和控制散射光场的信息，在动态散射过程中具有优势。

3. **深度学习技术**：中国科学院上海光学精密机械研究所提出了基于深度神经网络的实时非侵入式透过散射介质光学成像方法（DescatterNet），能够在真实物体和自然场景中取得显著的散射成像效果。

### 应用前景
散射成像技术在恶劣天气下的交通安全、视频监控、火场救援和水下探测等领域展现出应用前景。特别是在生物医学领域，散射成像技术能够帮助实现深层组织的高分辨率成像，对于早期诊断和治疗具有重要意义。

### 存在的问题与未来研究方向
尽管散射成像技术取得了一定的进展，但仍存在一些问题，如成像视场受限、反馈优化过程受时效性限制等。未来的研究可能会集中在提高成像速度、扩大成像视场、减少散射介质对成像质量的影响等方面。

综上所述，散射成像技术通过利用光的散射特性，实现了透过散射介质的高分辨率成像，展现了在多个领域的应用潜力。随着技术的进步，预计未来将有更多的创新和突破。
 

1.5 光学记忆效应

光学记忆效应（Optical Memory Effect）是一个在散射介质成像领域中非常重要的概念，它描述了光束通过散射介质时的一种特性。以下是对光学记忆效应的详细解释：

### 定义与物理含义
光学记忆效应指的是当光束通过很薄的散射介质时，不同角度的入射光具有很强的相关性。具体来说，当改变光束的入射角度时，输出散斑的结构不会发生改变，只会产生整体的横向移动。这种效应表明，在一定视场范围内，散射介质由物面到像面的点扩散函数存在空域平移不变性。

### 原理
光学记忆效应的基本思想是在一定范围内，当改变照明光束的入射角度时，在散射介质后记录的散斑强度图会随着入射角度的改变发生平移，但是整个散斑强度图的特征保持不变，且在这个范围内的散斑强度图之间具有很高的相关性。这种相关性使得在散射介质中改变入射角度只会导致散射光场的旋转或整体的缩放，而不会导致完全不同的散射模式。

### 特征
1. **角度的影响**：光学记忆效应受角度的影响。将照明光波垂直照明记录的散斑图作为参考，其他角度入射下记录的散斑图与参考散斑图作相关，可以求得改变入射角度之后的散斑图。
2. **不同介质的影响**：记忆效应的范围与散射介质的等效厚度有关。散射介质的等效厚度较小时，散斑相关度下降比较缓慢，随着散射介质等效厚度的增加，散斑相关度下降的越来越快。

### 应用
光学记忆效应在散射介质成像技术中有着广泛的应用。例如，它可以用来透过散射介质进行非侵入成像。基于光学记忆效应的散射成像技术可以利用散斑，通过自相关运算，获取目标信息的傅里叶振幅，进而结合有效的相位恢复算法实现目标的重建。此外，光学记忆效应还可以用于最大化深层组织成像技术（如相位共轭和自适应光学）的成像视野。

### 发展
随着对光学记忆效应研究的深入，利用散射介质的退相关特性，可实现透过散射的光谱成像和三维成像，这将对未来的新型成像系统具有重要意义。此外，研究人员还提出了广义光学记忆效应的概念，为相关散射成像技术的深入研究提供一种新的思路。

总的来说，光学记忆效应是一个描述光与散射介质相互作用时保持一定相关性的现象，它在提高成像质量和扩大成像视场方面具有重要的应用价值。

光学记忆效应在成像技术中的应用主要体现在以下几个方面：

1. **散射成像技术**：
   光学记忆效应是透过散射介质成像的重要组成部分。它利用散斑通过自相关运算获取目标信息的傅里叶振幅，并结合有效的相位恢复算法实现目标的重建。这种技术具有非入侵性，对光源、介质和系统的要求较低，使其在成像技术中具有广泛的应用潜力。

2. **非侵入式成像**：
   基于光学记忆效应的散射成像技术可以实现非侵入式成像。这意味着可以在不直接接触或干扰目标的情况下，通过散射介质获取目标图像。这种技术的有效性得到了实验验证，实验结果表明，当入射光波经过散射介质并发生多次散射后，随着入射角度在小范围变化，出射光波形成的散斑仍然保留了入射光波的有效信息。

3. **多光谱散射成像**：
   利用光学记忆效应，研究人员提出了基于散斑相关成像技术的多光谱散射成像方法。这种方法通过快照式微滤光片阵列多光谱探测器进行多光谱散射成像，实现了对隐藏在散射介质之后的目标多光谱信息的探测成像。这种方法不仅可以恢复目标的空间二维信息，还可以探测目标的光谱信息，为散射介质后的类似目标探测与识别提供了新的思路。

4. **扩展光学记忆效应**：
   为了克服光学记忆效应范围的限制，研究人员提出了多种方法和技术来扩展光学记忆效应，如利用参考目标或先验知识实现超记忆效应范围成像的技术，以及通过光场估计或散斑估计的方法实现透过散射介质成像的景深扩展。

5. **与其他技术的结合**：
   将散斑相关成像技术与光谱编码技术、压缩感知技术、双目视觉技术等相结合，可以实现透过散射介质的彩色成像、光谱成像和三维成像等。这种技术的融合为散射成像技术的发展提供了新的可能性，并有望在未来的新型成像系统中发挥重要作用。

6. **透过散射介质的大视场成像恢复**：
   基于光学记忆效应的解卷积方法可以应用于散斑相关方法中，形成了散斑相关的解卷积方法。这种方法在散射系统点扩散函数已知的情况下，通常采用解卷积的方法来实现通过散射介质成像恢复。

综上所述，光学记忆效应在成像技术中的应用是多方面的，它不仅能够实现非侵入式成像，还能通过与其他技术的结合，扩展成像技术的应用范围，提高成像质量。
 

1.6 散斑自相关成像技术

 散斑自相关成像技术和散斑自相关卷积重建是两种基于光学记忆效应的成像技术，它们利用散射介质的特性来恢复目标图像。以下是这两种技术的详细讲解：

### 散斑自相关成像技术

散斑自相关成像技术依赖于光学记忆效应，该效应表明在经过高度随机的散射介质时，如果成像光束的入射角度在一定范围内变化，像平面上得到的散斑图样的特征将保持不变，只是产生一个整体的平移。这种技术利用散射光的单张高分辨率图像，通过在视觉上的不透明层以及绕过角落，以分辨率极限进行成像。不需要波前整形、时间门控等技术，由一台标准相机进行单次拍摄即可实现成像。

在散斑自相关成像中，目标物体由一个空间上不相干的窄带光源照明，高分辨率相机记录散射介质另一侧的散射光模式。原始相机图像是目标强度分布与随机散斑图案的卷积结果。通过计算散斑图像的自相关，可以显示出清晰的独特图案，进而利用相位恢复算法从散斑中提取目标信息。

### 散斑自相关卷积重建

散斑自相关卷积重建技术基于散斑自相关成像的原理，但更侧重于解决成像过程中的点扩展函数（PSF）问题。点扩展函数在一定的范围里满足线性平移不变性，这意味着可以将天文光学和显微成像领域的解卷积技术应用于散斑相关方法中。这种技术通过解卷积方法来实现透过散射介质的成像恢复，具有更好的恢复质量、更高的信噪比和更快的恢复速度等优点。

在实际应用中，散斑自相关卷积重建技术首先记录透过散射介质的散斑图像，然后利用散斑图像的自相关性质和相位恢复算法来重建目标图像。这种方法在散射系统点扩散函数已知的情况下特别有效。

### 总结

散斑自相关成像技术和散斑自相关卷积重建技术都是基于光学记忆效应的成像技术，它们利用散射介质的特性来恢复目标图像。散斑自相关成像技术侧重于利用散斑图像的自相关性质来提取目标信息，而散斑自相关卷积重建技术则结合了解卷积方法来提高成像质量。这两种技术在透过散射介质成像方面具有重要的应用价值，尤其是在生物医学成像、环境监测等领域。
 

1.7 透过散射介质成像原理

透过散射介质成像技术主要依赖于以下几个原理：

1. **波前整形技术**：
   波前整形技术通过在光路中插入空间光调制器（SLM）或其他相位补偿装置，抵消散射层随机相位的影响，将散射成像系统校正为一个传统的几何透镜成像系统。这种方法需要对系统进行侵入式标定，以非相干点光源或相干光入射系统，并以感光平面的强度水平、散斑特性、生物荧光信号等作为反馈信号，利用连续调制算法、遗传算法及和声搜索算法等方式不断补偿相位，最终将入射光透过散射介质聚焦成感光平面的一个点，即PSF校正为脉冲函数δ。

2. **光学传输矩阵**：
   基于光学传输矩阵的散射成像方法，其核心思想是利用一个复杂的矩阵将入射光场与出射光场联系起来。通过测量传输矩阵并结合相位共轭技术，能够在任意位置、任意时刻实现聚焦和成像。这种方法的优点在于，只要测量出成像系统的光学传输矩阵，便可以从任意目标所成的散斑中迅速恢复出待测目标。

3. **光学记忆效应**：
   光学记忆效应表明，在一定的入射角度范围内，当改变光源入射方向时，经过散射介质在像平面上得到的散斑形状特征保持不变，但整体发生了平移。这一现象称为光学记忆效应，它表明入射光波经过散射介质并发生多次散射后，随着入射角度在小范围变化，出射光波形成的散斑仍然保留了入射光波的有效信息。

4. **散斑自相关成像技术**：
   基于光学记忆效应的散射成像技术可以利用散斑，通过自相关运算，获取目标信息的傅里叶振幅，进而结合有效的相位恢复算法实现目标的重建。这种方法具有非入侵的特点，且对于光源、介质和系统的要求较低。

5. **点扩展函数工程**：
   基于点扩展函数工程的透过散射介质成像技术，其核心在于系统点扩展函数的获取。2016年，研究人员Edrei等在测量散射系统点扩展函数的基础上，采用Lucy-Richardson去卷积迭代非线性复原方法实现了透过散射介质成像。

这些原理和技术的发展，使得透过散射介质成像技术在生物医学成像、环境监测等领域展现出广泛的应用前景。随着技术的进步，预计未来将有更多的创新和突破，以解决现有技术中存在的问题，如成像视场受限、反馈优化过程受时效性限制等。
 

1.8 从光学成像到摄影三要素

光圈和快门是摄影中两个非常重要的概念，它们共同决定了照片的曝光量和效果。以下是对光圈和快门的详细介绍：

### 光圈（Aperture）

光圈是相机镜头中用来控制进光量的开口，通常由一组可调节的叶片组成。光圈的大小直接影响到进光量和景深。

1. **光圈值（F-stop）**：光圈值用F来表示，如F/1.4、F/2.8等。数值越大，光圈开口越小，进光量越少；数值越小，光圈开口越大，进光量越多。
2. **景深（Depth of Field, DOF）**：光圈大小影响景深。大光圈（小F值）会产生浅景深，使背景虚化，突出主体；小光圈（大F值）会产生深景深，使前景和背景都清晰。
3. **光圈优先模式（Aperture Priority Mode）**：在这种模式下，摄影师可以设定光圈值，相机会自动选择合适的快门速度以获得正确的曝光。

### 快门（Shutter）

快门是相机中用来控制光线照射到感光元件（如胶片或数码传感器）上时间的机械或电子装置。

1. **快门速度（Shutter Speed）**：快门速度表示快门开启的时间长度，通常以秒为单位表示，如1/60秒、1/250秒等。快门速度越快，进光时间越短，照片越暗；快门速度越慢，进光时间越长，照片越亮。
2. **运动模糊（Motion Blur）**：使用慢速快门拍摄移动的物体时，会产生运动模糊效果，可以创造出动态的视觉效果。
3. **快门优先模式（Shutter Priority Mode）**：在这种模式下，摄影师可以设定快门速度，相机会自动选择合适的光圈值以获得正确的曝光。
4. **B门（Bulb Mode）**：这是一种完全手动控制的模式，摄影师可以通过按住快门按钮来控制曝光时间，适用于长时间曝光摄影，如星轨或光绘。

### 曝光三角（Exposure Triangle）

光圈和快门是构成曝光三角的两个关键要素，第三个要素是ISO（感光度）。这三个因素相互影响，共同决定了照片的曝光水平：

- **ISO**：ISO值越高，相机传感器对光的敏感度越高，可以在光线较暗的环境中拍摄，但同时会增加图像的噪点。
- **光圈**：控制镜头进光量的大小。
- **快门**：控制光线照射到传感器上的时间。

摄影师需要根据拍摄环境和创作意图，平衡这三个要素，以获得理想的曝光效果。
 

二、计算机生成全息

2.1 虚拟现实与增强现实

虚拟现实（VR）和增强现实（AR）是两种与计算机图形和感知技术相关的创新技术，它们以不同的方式扩展了我们的感知能力，将人类的体验推向了一个全新的层次。

### 虚拟现实（VR）

虚拟现实技术通过计算机技术和传感器设备，构建出一种逼真的虚拟环境，使用户可以进行身临其境的体验。VR的关键特点是提供一个完全沉浸式的体验，让用户感觉自己置身于一个虚拟世界中。这种技术主要依赖于计算机图形学、传感器技术、人机交互等多个领域的技术来构建虚拟世界，并通过渲染引擎将3D模型和图像实时投影到用户的视网膜上。VR的应用领域主要集中在游戏、娱乐、医疗、教育、建筑等领域，代表性的产品有Oculus Rift、HTC Vive、PlayStation VR等。

### 增强现实（AR）

增强现实技术则是将虚拟信息与现实世界相结合，实现真实世界和虚拟世界的融合。AR的关键特点是在现实世界中叠加虚拟元素，为用户提供了与数字内容的互动和实时信息的展示。这种技术通过智能手机、智能眼镜等便携式设备，结合摄像头、GPS定位、激光扫描等多种技术手段，识别并跟踪现实环境中的目标，然后叠加相应的虚拟内容显示给用户。AR的应用领域包括教育、医疗、游戏、广告、工业、军事等，代表性的产品有谷歌眼镜、微软的Hololens、苹果的ARKit等。

### 技术优势

- **VR的优势**：提供完全沉浸式的虚拟体验，让用户感觉自己置身于虚拟世界中。在游戏、娱乐、建筑设计等领域有很大的应用潜力。
- **AR的优势**：能够将虚拟内容叠加在现实世界中，使用户能够与现实世界进行交互，具有更广泛的应用场景。在教育、医疗、工业等领域有很大的潜力。

### 市场趋势

根据市场研究，虚拟现实和增强现实技术预计在未来五年内将呈指数级增长。2022年，VR和AR市场达到155亿欧元，预计到2027年全球出货量将达2860万台，表现出强劲的恢复、上升预期。随着技术的进步和应用领域的拓展，VR/AR技术将为生活创造更丰富的体验和价值。
 

2.2 双目立体视觉技术

双目立体视觉技术是一种模拟人类双眼视觉的机器视觉技术，它通过使用两个或多个摄像机来获取同一场景的图像，并利用这些图像之间的视差信息来重建场景的三维结构。以下是双目立体视觉技术的几个关键点：

1. **立体视觉原理**：
   立体视觉技术基于视差原理，即从不同角度观察同一物体时，物体在不同视角的图像中的位置会有所不同。这种位置差异称为视差，通过测量视差可以计算出物体的深度信息。

2. **深度感知**：
   双目立体视觉通过比较两个摄像头捕获的图像中的相应点的位置差异来计算场景中物体的深度信息。靠近摄像头的物体将具有较大的视差，而远离摄像头的物体将具有较小的视差。

3. **技术实现步骤**：
   双目立体视觉技术的实现通常包括以下步骤：图像获取、摄像机标定、特征提取、图像匹配和三维重建。

4. **应用领域**：
   双目立体视觉技术广泛应用于机器人导航、微操作系统的参数检测、三维测量和虚拟现实等领域。

5. **与人类视觉的相似性**：
   类似于人类视觉，双目立体视觉技术整合来自两个摄像头的图像，通过识别它们之间的差异来感知深度，这种能力被称为立体视觉。

6. **优势与局限性**：
   双目立体视觉技术具有效率高、精度合适、系统结构简单、成本低等优点，非常适合于制造现场的在线、非接触产品检测和质量控制。然而，它依赖于精确的相机校准，且视场范围有限，这可能导致盲区或在两个摄像机视场之外的对象的感知困难。

7. **算法**：
   双目立体视觉算法包括SAD（Sum of Absolute Differences）、SSD（Sum of Squared Differences）和SGM（Semi-Global Matching）等，这些算法用于计算视差图。

8. **发展瓶颈**：
   双目立体视觉技术的发展受到一些限制，包括对相机校准的依赖性、有限的视场范围、以及在处理快速移动物体时的挑战。

双目立体视觉技术通过模拟人类双眼的视差原理，为机器提供了感知三维世界的能力，它在多个领域都有着重要的应用价值。随着技术的进步，双目立体视觉技术有望在精度、速度和应用范围上得到进一步的提升。

2.3 计算全息技术

计算生成全息技术（Computer-Generated Holography, CGH）是一种利用计算机和算法生成全息图像的技术。这种技术通过模拟光的传播和干涉过程，生成能够记录和再现三维物体的全息图。以下是计算生成全息技术的几个关键原理和步骤：

1. **波前记录**：
   计算全息技术中的波前记录是指使用算法计算出物体发出的光波在全息平面上的光场分布。这个过程涉及到光波衍射理论、干涉理论以及空间信号的调制与编码方法。通过计算，可以得出物光波在全息平面上的复振幅分布，这是全息图生成的基础。

2. **全息算法**：
   全息算法用于生成全息图的透过率函数，这个函数将复振幅分布编码转换为全息图的实际图案。这个过程可以通过快速傅里叶变换（FFT）算法来实现，它能够高效地计算出物光波和参考光波之间的干涉图样。

3. **空间光调制器（SLM）**：
   SLM是一种可以用来动态调制光波前的工具，它能够根据输入的电信号调制光波的振幅、相位、波长和偏振态。在计算生成全息技术中，SLM被用来实现波前的重建，即通过SLM上的液晶分子偏转来实现离散相位编码输出，从而重现出原始物光波。

4. **波前重建**：
   当相干光照射到全息图上时，全息图会根据衍射原理重现出原始物光波。这个过程中，全息图的透过率函数控制着光的衍射，使得衍射光能够模拟原始物体的光场分布，从而再现出原物体逼真的全息图像。

5. **技术优势**：
   计算全息技术相比传统光学全息具有独特的优势，如无需实际的光学装置和物理记录材料，可以模拟许多光学现象，在光学信息处理中制作各种空间滤波器，产生特定波面用于全息干涉计量，同时可应用于激光扫描器和数据存储。

6. **应用领域**：
   计算全息技术因其灵活性和可操作性，在医疗成像、数据可视化、娱乐和增强现实等领域有着广泛的应用。

计算生成全息技术通过计算机模拟和数字处理，克服了传统全息技术中对记录介质感光性要求高、制作过程复杂、易引入像差和噪声等限制，实现了全息图的快速生成和灵活应用。

2.4 全息再现基础

全息再现基础涉及到全息技术的核心原理和步骤，主要包括以下几个方面：

### 1. 全息技术原理
全息技术基于光波的干涉和衍射原理。在记录阶段，物体反射的光波（物光波）与参考光波相干叠加产生干涉条纹，这些干涉条纹被记录在全息图上。全息图在一定条件下再现时，可以重现原物体逼真的三维像。

### 2. 干涉原理
全息图的记录过程利用了光的干涉原理。在拍摄全息图时，一部分激光辐照被摄物体形成物光束，另一部分激光作为参考光束与物光束叠加产生干涉，将物体光波上各点的相位和振幅转换成在空间上变化的强度，形成干涉条纹。

### 3. 衍射原理
全息图的再现过程基于光的衍射原理。全息图受相干激光照射后，形成原始象和共轭象两个图像，再现的图像具有很强的立体性和视觉效果。

### 4. 全息图的记录
全息图的记录通常使用高分辨率的CCD或CMOS相机，将记录的全息图存储在计算机中，便于后续处理。

### 5. 全息图的再现
全息图的数字再现通过计算机进行，利用傅里叶变换等方法计算复振幅分布。为了获得完整的相位信息，通常需要进行相位解包裹处理，并通过滤波、裁剪等方法提取有用的图像信息。

### 6. 数字全息技术
数字全息技术使用电荷耦合器件（CCD）等感光器件代替传统全息干板记录物光和参考光的干涉条纹，通过计算机数值模拟光波场的衍射传播以重建再现像，从而定量获取原始物光波的振幅和相位分布。

### 7. 全息图的应用
全息图可以用于立体电影、电视、展览、显微术、干涉度量学、投影光刻、军事侦察监视、水下探测、金属内部探测、保存珍贵的历史文物、艺术品、信息存储、遥感等多个领域。

### 8. 材料穿透性
长波长激光对诸多材料具有更好的穿透性，使得长波长全息技术在红外热成像、失火室内活体成像中具有重要的应用价值。

这些基础概念和原理构成了全息再现技术的核心，使得全息技术能够在多个领域得到广泛应用。
 

2.5 图像数据增强和重现算法概述

图像数据增强和重现算法是计算机视觉领域中用于改善图像质量和重现图像的重要技术。以下是一些常用的图像数据增强和重现算法的介绍：

### 图像数据增强算法

1. **图像变换**：
   - **几何变换**：包括图像平移、旋转、镜像、转置等操作，用于改变图像的空间位置或方向。
   - **尺度变换**：涉及图像缩放和插值算法，如最近邻插值、线性插值、双三次插值等，用于改变图像的大小。
   - **空间域与频域间变换**：例如傅立叶变换、沃尔什变换、离散余弦变换等，将空间域处理转换为频域处理，减少计算量并提高处理效率。

2. **图像增强**：
   - **灰度变换增强**：包括线性灰度变换、分段线性灰度变换、非线性灰度变换等，用于改善图像的视觉效果。
   - **直方图增强**：通过直方图统计和直方图均衡化改善图像的对比度。
   - **图像平滑/降噪**：使用邻域平均法、加权平均法、中值滤波、高斯滤波等方法减少图像噪声。
   - **图像锐化**：通过梯度锐化、Roberts算子、Laplace算子、Sobel算子等方法增强图像边缘。

3. **基于深度学习的图像增强算法**：
   - 这类算法利用深度学习技术对图像进行分析和处理，实现图像增强。步骤包括数据预处理、特征提取、模型训练、模型测试和优化。

4. **图像数据增强处理方法**：
   - 包括增加高斯噪声、调整图片亮度、旋转等操作，这些方法可以应用于图像分类、目标检测等场景。

### 图像重现算法

1. **NeX算法**：
   - NeX是一种基于多平面图像（MPI）增强的新型视图合成方法，可以实时重现下一层次的视图依赖效果。与传统MPI不同，NeX通过将每个像素的参数化为从神经网络中学习到的线性组合来模拟视线依赖的效果。

2. **3DFlowRenderer框架**：
   - 这是一个融合2D和3D方法优势的面部重现框架，能够在极端头部姿势变化下进行一次性面部重现，并具有鲁棒性。模型从输入的2D图像中估计密集的3D面部流场，根据目标图像的运动对源图像的3D特征体积进行变形，并生成一个包含源图像身份和目标表情的2D变形图像。

这些算法和技术在图像处理和分析中扮演着重要的角色，它们可以提高图像质量、增强图像特征，并在不同的应用场景中重现图像。随着技术的发展，这些算法也在不断地被优化和改进，以适应更多的应用需求。

2.6 全息生成算法

全息生成算法是计算全息技术中的关键部分，它涉及到将采集的图像输入计算机后的处理，以生成能够再现三维物体的全息图。以下是全息生成算法的详细介绍：

### 1. 基本原理
全息显示技术基于光的干涉原理，通过记录物体发出的光波与参考光波的干涉条纹来存储物光波的全部信息，这些干涉条纹被称为“全息图”。当用光波照射全息图时，由于衍射原理能重现出原始物光波，形成原物体逼真的三维像。

### 2. 技术步骤
全息图的生成通常包括两个主要步骤：波前记录和波前重现。
- **波前记录**：利用光的干涉原理，将物体发出的光波以干涉条纹的形式记录成全息图。
- **波前重现**：用光波照射全息图，通过光的衍射，从全息图中再现出原始物体的光波，形成与原物体逼真的三维图像。

### 3. 经典计算机制全息图
经典的计算机制全息图根据物光波与参考光波干涉原理的数学函数式，利用计算机算出干涉条纹的分布图。这个过程可以分为数据获取及处理、编码产生全息图函数、全息图的记录和全息图的重现。

### 4. 快速生成算法
为了提高全息图的计算速度，研究者们开发了多种快速生成算法。例如，基于点源模型的计算全息图快速生成算法，通过预先计算并存储在查找表（LUT）中的基干涉图样（EFP），在线计算时只需进行读取和叠加操作，即可生成三维物体的全息图。这种方法降低了在线计算的复杂程度，但需要大量的存储空间。

### 5. 优化算法
为了减少存储空间的使用和提高全息图的计算效率，研究者们提出了压缩查找表（CGLUT）法。该算法在离线情况下预先计算XGY方向调制因子，并存储在表格中；在线情况下，从表格中提取构建目标物点对应的X、Y方向的调制因子，然后再乘以对应的Z方向调制因子，从而获得全息图。

### 6. 纯相位全息图优化算法
在全息图的生成中，纯相位全息图优化算法也是一个重要的研究方向。这些算法旨在优化全息图的相位分布，以提高再现图像的质量。

### 7. 神经网络在全息图生成中的应用
近年来，深度学习技术也被应用于全息图的生成。例如，使用神经网络生成无散斑、逼真、高分辨率的全息图。这些方法通过训练数据集，使得神经网络能够学习并生成高质量的全息图。

全息生成算法的发展不断推动着全息显示技术的进步，使其在多个领域得到应用，包括立体电影、电视、展览、显微术等。随着技术的发展，全息生成算法将继续提高全息图的质量和计算效率。

*GS算法

GS算法，即Gerchberg-Saxton算法，是一种用于从已知的强度信息中恢复相位信息的迭代算法，尤其在计算全息图（CGH）领域中被广泛应用。以下是GS算法的详细介绍：

### 基本原理
GS算法的核心思想是利用输入输出间的正反傅里叶变换与输入输出面上的光场限制条件，通过迭代计算恢复出图像的振幅和相位信息。算法开始时，首先随机生成一个相位分布，这个相位分布图是随机的，没有特定的模式。

### 迭代过程
GS算法的迭代过程主要包括以下四个步骤：

1. **初始设定**：给定物体的初始估计，其中振幅分布估计为 \( f(x, y) \)，相位估计可以是 \([0, 2\pi]\) 之间的随机值。

2. **傅里叶变换**：将初始相位分布与已知振幅组合，通过快速傅里叶变换(FFT)将这个振幅和相位的组合从空间域转换到频率域，即得到一个在频率域中的振幅和相位的组合。

3. **频域约束**：在频域内作适当的约束，可以为幅值约束或者支持域约束。对于已知衍射光斑的强度分布，可以将频域的模值替换为已知的强度分布，保持相位不变。

4. **逆傅里叶变换**：使用逆快速傅里叶变换(IFFT)将这个新的频率域的振幅和相位组合转换回空间域，即得到了一个在空间域中的新的振幅和相位的组合。

5. **实空间约束**：用初始振幅分布代替新得到的光场振幅，同时保持相位不变，从而获得新的光场分布。得到的光场被看作是下次迭代中的初始光场。

### 损失函数和收敛条件
迭代过程中的损失函数可设置为：
\[ E = \sum_{x,y} \left( |G'(f_x, f_y)| - |G(f_x, f_y)| \right)^2 \]
其中，\( G'(f_x, f_y) \) 为已知衍射光斑的强度分布，\( G(f_x, f_y) \) 为当前迭代得到的光强分布，求和符号是对目标平面上所有的点求和。算法开始时赋予输入平面一个初始相位代入迭代，选取一个误差最大参数，当时停止迭代。

### 应用和改进
GS算法在DOE的优化设计中得到了广泛的应用，但GS算法的收敛过程会出现停滞现象，即只是初始的几次迭代过程会使误差值显著减小，而后续的迭代过程不能使误差值显著减小。这意味着GS算法只能求得局部极小值。为了进一步提高收敛速度，并避免收敛停滞现象的发生，已有许多改进算法。

GS算法通过迭代优化的方式，能够从强度信息中恢复出相位信息，对于计算全息图的生成具有重要意义。尽管存在一些局限性，如可能陷入局部最优解，但其在光学设计和图像处理等领域的应用价值不容忽视。
 

2.7 计算生成全息

计算生成全息（Computer-Generated Holography, CGH）是一种结合了全息技术、计算机技术、数字图像处理技术和空间光调制技术（SLM）的先进显示技术。以下是计算全息技术的一些关键点：

### 1. 基本原理
计算全息技术基于全息术的干涉原理，通过计算机模拟计算虚拟物体发出的物光波与参考光的干涉，最终通过波前调制设备加载干涉条纹再现三维场景。它利用计算机编码全面地记录和再现三维物体光波的振幅和相位信息，相比传统光学全息术，计算全息打破了记录光路的限制，具有低噪声、可重复性好以及可以获得虚拟物体全息图等优点。

### 2. 发展历史
计算全息技术的发展历史呈现出“软硬并进”的局面。在算法领域，研究者寻找波前重建精确度更高的物理模型、开发更具实时性的全息计算方法。在硬件领域，设计分辨率更高、刷新速度更快以及视场角更大的调制器件，构建空间带宽积更高的全息显示系统。

### 3. 硬件发展
计算全息技术的发展依赖于空间光调制器（SLM）的发展。SLM是实现波前重建的关键器件，它能够根据输入的电信号调制光波的振幅、相位、波长和偏振态。随着SLM技术的进步，计算全息技术能够实现更高分辨率和更大视场角的三维显示。

### 4. 算法进展
在算法方面，计算全息技术的研究包括快速傅里叶算法的应用，以及基于卷积深度神经网络的非迭代全息图计算方法，这些方法可以在较短计算时间内获得重建质量较高的全息图。

### 5. 散射成像
计算全息技术与散射成像技术相结合，可以解决光穿过非均匀介质时发生的散射问题。通过结合两个技术的优势，能够实现高性能散射成像与先进显示。

### 6. 元宇宙应用
随着元宇宙概念的兴起，三维虚拟世界的构建与展示成为其底层需求之一。全息显示可以提供所有种类的深度线索，具有优秀的三维呈现能力，预计可在元宇宙领域得到广泛的应用。

### 7. 三维内容不足
当前的三维视频内容通常会根据双目视觉原理进行渲染，但这些渲染结果无法直接应用于计算全息三维显示中。计算成像技术能够通过成像算法得到传统成像技术难以获得的三维光场分布，从而解决三维内容不足的问题。

计算全息技术通过控制和重建空间中的光波的强度和相位来显示三维图像，被认为是三维显示的终极实现方式。随着技术的不断进步，计算全息技术有望在多个领域得到更广泛的应用。

三、系统设计

3.1 透过散射介质成像子系统

子系统具体设置为：波长为625 nm，为17 nm的非相干光源LED（M625L4，Thorlabs）发出的光束先通过两个透镜调整焦点位置，之后使用光阑调节光束的直径大小，光束汇聚照射在目标物USAF-1951（R3L3S1N，Thorlabs）表面上。光场被220目的毛玻璃散射片（DG10-220-MD，Thorlabs）调制后,采用分辨率为1920×1200，像素间隔为5.86um，帧速率为40 fps的黑白CMOS相机（HD-G230M-U3，大恒光电）采集携带目标信息的图像。相机采集到的图像通过图像增强方法和透过散射介质中的卷积方法恢复出隐藏在散射介质中的目标图像。具体采集步骤如下：

（1）背景散斑数据检测：在自然环境下，采集多帧不包含目标信号的噪声散斑数据，作为本地噪声用作后续处理；

（2）系统标定：测量不同距离下的点扩散函数，实现系统参数标定；

（3）数据采集：在相同检测环境下，采集多帧含有目标信息的散斑数据，传入上位计算机，用于场景重建；

（4）目标场景重建：采用叠加平均、背景噪声去除、双边滤波等技术进行预处理，增强数据质量，利用已标定的系统点扩展函数，实现场景重建

以下对每个步骤进行分析

根据您的请求，下面是对透过散射介质成像子系统中每个采集步骤的详细讲解及说明：

### 1. 背景散斑数据检测
在自然环境下，采集多帧不包含目标信号的噪声散斑数据，作为本地噪声用于后续处理。这一步骤的目的是为了获取背景噪声的统计特性，以便在后续的图像处理中能够有效地去除或减少这些噪声对目标图像的影响。这一步骤是图像预处理的一部分，对于提高成像质量至关重要。

### 2. 系统标定
测量不同距离下的点扩散函数（PSF），实现系统参数标定。系统标定是确保成像系统能够准确再现目标物体的关键步骤。通过标定，可以获得系统的响应特性，包括光的散射和衍射特性，这对于后续的图像重建和处理至关重要。标定过程通常涉及到对已知物体的成像，然后分析成像结果与实际物体之间的差异，以校准系统参数。

### 3. 数据采集
在相同检测环境下，采集多帧含有目标信息的散斑数据，传入上位计算机，用于场景重建。这一步骤涉及到实际的目标成像过程。通过采集多帧数据，可以增加成像的稳定性和可靠性，同时为后续的图像处理提供足够的信息。这些数据包含了目标物体的散射信息，是重建清晰目标图像的基础。

### 4. 目标场景重建
采用叠加平均、背景噪声去除、双边滤波等技术进行预处理，增强数据质量，利用已标定的系统点扩展函数，实现场景重建。这一步骤是整个成像过程的核心，涉及到从采集到的散斑数据中提取出目标物体的有效信息，并重建出目标物体的图像。预处理技术如叠加平均可以减少随机噪声的影响，背景噪声去除可以消除背景干扰，双边滤波则可以保持图像边缘的清晰度。利用系统点扩展函数（PSF）可以对图像进行去卷积，从而更准确地重建目标场景。

通过这些步骤，透过散射介质成像子系统能够有效地从散射介质中提取目标信息，并重建出清晰的目标图像。这些步骤涉及到光学、图像处理和计算全息等多个领域的技术，展示了现代成像技术的复杂性和高效性。

3.2 计算生成全息显示子系统

 

### 1. 系统设置和光源
- **光源**：使用的是波长为532nm的绿色激光相干光源（MSL-DS-532，长春光电）。这种激光具有良好的相干性和单色性，适合于全息显示（作为参考光）。
- **光纤传输**：激光通过光纤传输到扩束器（ZC618FC-A，Thorlabs），扩束器用于调整激光束的直径，使其更适合后续的光学元件。

### 2. 光束准直和偏振
- **扩束后的光束**：经过准直透镜进行准直，使光束变为平行光，这是生成全息图所必需的。
- **偏振器**：通过偏振器（LPVISE100-A，Thorlabs）调整光束的偏振状态，确保光束的偏振方向与SLM的工作偏振方向一致。

### 3. 光束定向和SLM调制
- **分光棱镜**：通过分光棱镜对光场进行定向，将光束引导到纯相位型SLM（EXULUS-HD1/M，Thorlabs）平面上。
- **SLM调制**：经SLM调制相位后的光场，SLM根据上位计算机发送的全息图数据，调制光波的相位，从而生成携带目标场景信息的光场。

### 4. 光场聚焦和显示
- **透镜聚焦**：经过SLM调制后的光场通过透镜聚焦，传递到目标平面，实现全息显示。
- **显示光波导**：经过SLM衍射后的参考光经过分束棱镜后，传送至显示光波导，人眼在右侧可观测到原始目标场景信息。

### 5. 子系统执行步骤
- **全息图求解**：将预处理的散射场景结合全息图生成算法，实时构建全息图数据。这一步是计算全息图的过程，上位计算机根据散射场景数据，利用全息图生成算法计算出全息图。
- **全息图加载**：上位计算机将计算的全息图加载至SLM。这一步是将计算得到的全息图数据发送至SLM控制器，以便SLM根据这些数据调制光波的相位。
- **全息显示**：在执行步骤（2）时，点亮激光器。这一步是实际的全息显示过程，激光器发出的光经过SLM调制后，形成携带目标场景信息的光场，经过透镜聚焦和显示光波导，最终人眼观测到原始目标场景信息。

通过这些步骤，全息显示子系统能够实现裸眼3D显示，展示了计算全息技术在3D显示领域的应用潜力。这个系统涉及到激光、光学元件、SLM调制等多个关键技术，是现代全息显示技术的一个典型例子。
 

解释全息显示子系统中的每个步骤：

### 步骤1：全息图求解
**目的**：生成能够再现目标物体三维图像的全息图。
- **预处理散射场景**：这一步涉及到对从散射介质中捕获的图像数据进行预处理，以消除噪声和增强图像质量。预处理可能包括直方图均衡化、去噪、对比度增强等操作。
- **全息图生成算法**：使用特定的算法（如GS算法、FGS算法等）根据预处理后的数据计算全息图。算法的目标是找到一个复振幅分布，使得当光波与之干涉时，能够产生目标物体的三维图像。
- **实时构建全息图数据**：全息图数据的计算需要实时进行，以确保显示内容的动态更新和交互性。这要求算法足够高效，能够在很短的时间内完成计算。

### 步骤2：全息图加载
**目的**：将计算得到的全息图数据加载到空间光调制器（SLM）上。
- **上位计算机计算全息图**：上位计算机（通常是一个高性能的PC或服务器）负责执行全息图求解步骤，并生成全息图数据。
- **数据传输**：计算得到的全息图数据通过数据线传输给SLM控制器。这个步骤要求数据传输速度快，以保证数据的实时更新。
- **SLM加载全息图**：SLM控制器接收到全息图数据后，将其加载到SLM上。SLM的每个像素根据数据改变相位，从而调制入射光波的相位，这是实现全息显示的关键步骤。

### 步骤3：全息显示
**目的**：通过SLM调制的光波在空间中形成目标物体的三维图像。
- **点亮激光器**：在全息图加载到SLM上之后，点亮激光器。激光器发出的相干光（波长为532nm的绿色激光）是全息显示的理想光源，因为它具有良好的相干性和亮度。
- **参考光衍射**：激光作为参考光，经过SLM调制后发生衍射。衍射光波携带了全息图编码的相位信息，这些信息决定了光波的空间分布。
- **光波导传输**：衍射后的光波经过分光棱镜，被传输至显示光波导。光波导的作用是将光波引导至观察区域。
- **裸眼3D显示**：观察者在光波导的另一端（右侧）可以看到原始目标场景的三维图像。这是因为衍射光波在空间中干涉，形成了目标物体的立体图像，从而实现裸眼3D显示。

整个全息显示子系统通过精确控制光波的相位和振幅，实现了无需任何辅助设备（如3D眼镜）即可观察的三维图像显示。这种显示技术在展览、教育、娱乐和科研等领域具有广泛的应用前景。