和y中激發的點擴散函數（PSF），因此將SLM的正方形感興趣區域成像到物鏡的后焦平面，有效地將SLM分辨率降低到1152×1152像素。 SLM的像素間距為9.2微米，使得SLM的短軸為10.6毫米。為了使SLM圖像的尺寸與物鏡的后孔徑相匹配，中繼光學器件必須將SLM的圖像放大，從而將有效像素間距減小到8μm。在0，π衍射圖中，最大光柵周期為2個像素，入射波長為940 nm，SLM可以轉向的最大角度為3.36°。取物鏡焦距為7.2 mm，最大橫向位移為零點附近±423μm，或x和y的總橫向位移為847μm。這超出了目標可以成像的視野，同時保持目標的全部NA，因此不會犧牲激勵約束。此外，通過傅里 ...

版，從工程化點擴散函數 (E-PSF)出發，使用螺旋相位掩模板來控制景深、發射波長和精度，結合3DTRAX軟件對3D圖像進行重建和分析，可在不需要掃描的條件下即時捕獲 3D 信息，得到無與倫比的深度和精度3D圖像，橫向精度可達20nm, 軸向精度可達25nm，成像深度可達20um。當與其他工具和技術，包括STORM、PALM、SOFI、光片顯微、寬場、寬場顯微、TIRF、FRET等一起使用時，可釋放巨大的潛力，適用于活細胞、固定細胞和全細胞成像、單分子、粒子跟蹤和粒子計數等應用。圖1：SPINDLE2雙通道顯微鏡模塊，用于同時多色、多深度3D成像SPINDLE2可以被很容易地安裝到現有顯微鏡和 ...

設計具有特定點擴散函數 (PSF) 的相機鏡頭，使用光譜選擇性濾光器設計傳感器像素的光譜靈敏度，或選擇設計其它屬性。然而，開發專用成像系統的挑戰在于如何z好地設計此類儀器并利用這些工程能力。在這種情況下，將相機解釋為編碼器-解碼器系統是有幫助的。一個或多個鏡頭通過其深度變化點擴展函數將場景投影到2D傳感器上，從而對傳感器上的場景進行光學編碼，然后光譜過濾器確定如何集成色譜。通常，電子解碼器從原始傳感器測量中估計某些屬性。使用可微分圖像形成模型，我們可以模擬 3D 多光譜場景在傳感器上的光學投影，然后使用算法處理該數據。因此，我們可以將相機設計的問題整體視為光學和成像處理的端到端優化（見圖 1） ...

著有平移不變點擴散函數 (PSF)。具有已知PSF的散射介質（通常被侵入性測量）可以被視為散射透鏡，用于通過反卷積進行成像。與任何傳統透鏡類似，散射透鏡只能分辨由其數值孔徑(NA)定義的衍射極限的物體。解卷積成像目前以z少的介質特征（單次 PSF 測量）從散斑圖樣獲得非常好的分辨率圖像。但是，每個測量的 PSF 僅對測量時的散射特性有效；因此，解卷積方法對于靜態散射介質很有效，但它不能實際用于動態散射介質。實際應用需要通過散射介質進行非侵入性成像，其在沒有任何散射介質測量的情況下恢復圖像。擴散光學層析成像(diffuse optical tomography)和飛行時間成像是可能的解決方案，然 ...

通過具有優化點擴散函數(PSF)的光學濾波器將亮像素值的信息編碼到附近像素中來保留飽和像素值的信息。使用光學濾波器對HDR像素信息進行編碼，并轉向機器學習來自動設計光學元件和端到端的重建算法，從而z大化從HDR場景傳遞到低動態范圍的信息(LDR)測量。文章通過大量的模擬，證明深度光學通常比替代的單次HDR成像方法獲得更好的結果。因為與HDR-CNN方法相比，優化的PSF具有更大的自由度來編碼圖像傳感器圖像中的場景信息，并且與其它光學編碼技術相比，這里使用與重建算法聯合優化的光學元件 ，而不是啟發式選擇。且制造出的光學元件可以作為附件直接安裝在現有的光學鏡頭上。原理解析(數學原理見附錄，對公式恐 ...

得到超表面的點擴散函數PSF，fSENSOR描述圖像傳感器感光加上其本身的讀取噪聲。星號*代表卷積。優化問題公式：方程左邊大括號內，前者用于加工meta-optics，后者用于確定解卷積算法。附圖：因為后焦只有1mm，作者所用圖像傳感器不適于直接接收像面，因此使用物鏡加tube lens作為中繼鏡頭。（晶圓級鏡頭尺寸也可以達到本文超表面如此程度，如ovm6948，視場角120°，0.65mmX0.65mm）參考文獻：Tseng, E., Colburn, S., Whitehead, J. et al. Neural nano-optics for high-quality thin lens ...

可以將分布式點擴散函數(PSF)有意設計到成像系統中，從而獲得如單幀高光譜成像、單幀三維成像這樣的能力。在這種情況里，采用多路復用的光學器件通過將物空間中的每一點映射到成像傳感器上的分布式模式以將二維和三維信息編碼，然后利用解卷積算法從模糊或編碼的測量來重建編碼的清晰圖像或體積。現有的解卷積算法應用場景有限。現今已有多種解卷積算法。經典的有Wiener濾波(屬于closed-form方法)、Richardson-Lucy和快速迭代收斂閾值算法(屬于迭代優化方法)等。但是現有的解卷積方法往往需要精心挑選的先驗信息(如total variation和native sparsity)來提高圖像質量。 ...

息可以通過對點擴散函數（PSF）求解卷積的方法得到一定程度的恢復，從而放寬空間和角度信息之間的權衡要求。當前不足：當前有兩個主要因素限制了 LFM 的更廣泛應用。首先，LFM 的空間信息的采樣模式是不均勻的。特別是在NIP附近，信息的冗余導致重建時產生嚴重的偽影。其次，體積重建采用波動光學模型的 PSF 解卷積。傳統 LFM 的 PSF 在橫向和軸向維度上都有空間變化，因此用5D 矩陣描述，該矩陣將 3D 物體投影到 2D 相機平面上。這加劇了計算成本，使得重建相當緩慢，并且對于動態或功能數據的快速觀察來說是不切實際的。zui近雖然提出了傅立葉成像方案，然而，其光學傳播模型并不完善，使得應用范 ...

,y)|2是點擴散函數(PSF)。它的傅里葉變換H(u,υ)是光學傳遞函數（OTF）。OTF與光瞳函數的二維自相關成正比：出于簡化考慮，常數比例因子被略掉，這對我們的分析只有很小的影響。盡管如此，OTF在其原點以統一最大值表示。我們注意到，所有的真實光源都是部分相干的。大多數的被動成像是空間不相干的。如前所述，主動成像的特性取決于所用的光源。顯微鏡、計量、光刻都是理解和控制光源及其相干性特別重要的應用。相干性對成像儀器的響應的影響如圖3所示。圖3(a)，成像系統的一個一維通光孔徑由光瞳函數表示。其生成的sinc函數相干響應p(x)見圖3(b)。圖3(c)和圖3(d)分別表示非相干響應的OTF和 ...

分辨率為照明點擴散函數的平方的最大強度的1∕e半徑，定義為：其中，λ為照明光的波長，NA為物鏡的數值孔徑。我們將成像系統的橫向空間分辨率定義為IPSF2的1∕e2點的全寬度:求解NA，在小于0.7的假設下，我們發現0.65NA的物鏡足以在1040nm照明光下提供約1μm的空間分辨率。因此，我們選擇一個40×∕0.65NA的物鏡。基于這個物鏡，我們現在選擇能夠提供所需 FOV 的掃描透鏡和套筒透鏡Tube Lens。實際上，這相當于選擇具有適當 f 數 (f ∕#) 的 Tube Lens。套筒透鏡的孔徑 (At) 必須足夠大，以支持最大掃描角(θmax) 處的照明光束的整個直徑。因此，套筒透鏡 ...