CN100565141C - 产生含有深度信息的图像的方法和设备 - Google Patents

Abstract

本发明提出了一种产生含有深度信息的图像的方法和设备。此方法检测从场景发射的辐射并在不同的平面上生成该场景的至少两个图像。每个图像包含一组强度数据值。获取这些数据值的差异，以便从这些数据值中获取两组强度差异数据，处理该强度差异数据以便得到深度信息。对深度信息进行编码，以便标识在图像数据中的不同的深度信息。

Description

产生含有深度信息的图像的方法和设备

技术领域

本发明涉及产生含有深度信息的图像的方法和设备。本发明特别适用于在8到12微米波段的电磁光谱中的热图像。然而，本方法和设备对于在电磁光谱的其它部分(以及在特定的可见光)中摄取的图像，以及电子束图像、其它形式的粒子辐射图像以及声像(acoustic image)也都是有用的。

背景技术

热图像用于产生黑暗中场景的可见图像。在这样的图像中，能够容易地看见在场景中的、其温度高于环境温度的物体。然而，对于常规的热图像而言，一个主要的困难在于，图像含有很少的深度信息或者不含深度信息，从而难于确定图像中的一个部分是否在图像的另一个部分的前面或后面。例如，当摄取一个其中有人的场景的热图像时，该热图像将能够清楚地显示每个个体的人，但是，不能提供足够的、用于确定这些人在空间中的相对位置的信息。

在许多应用中，图像必须包括深度信息，以便图像提供足够的场景信息以适合特定的用途。

发明内容

本发明的目的在于提供一种方法和设备，用于产生含有改进了的深度信息的图像，从而能够确定图像中的各个部分之间相对于彼此的距离以及各个部分与图像摄取位置之间的距离。

本发明可谓在于一种产生含有深度信息的图像的方法，其中包括：

检测从场景发射的辐射波场，并且在相对于场景的不同平面上摄取该场景的至少两个图像，以产生包括第一组强度数据值的第一图像和包括第二组强度数据值的第二图像；

确定第一组数据值中的数据值相对于第一组数据值中的其它数据值的强度差异，以产生第一组强度差异数据，确定第二组数据值中的数据值相对于第二组数据值中的其它数据值的强度差异，以产生第二组强度差异数据；

处理该第一和第二组强度差异数据，以得到含有深度信息的场景图像数据；

利用代码基准来编码具有相同深度信息的图像数据，以便标识图像数据中的不同深度信息。

这样，通过产生差异数据并随后处理该差异数据，该差异数据能够导致产生图像中的深度信息，随后对该深度信息进行编码，以使得图像中的不同的深度信息很清楚。

在本发明的优选实施例中，根据揭示于我们的未决的国际专利申请书No.PCT/AU99/00949和PCT/AU02/01398之中的相位图像产生方法来处理强度差异数据。通过引用将这两个国际专利申请书的内容合并于此。

这样，处理强度差异数据的步骤优选地包括：

(a)在通常跨越波场扩展的所选定的表面上，产生所述辐射波场的差异数据值的改变率的代表性量度；

(b)在所述所选定的表面上，产生与场景相关的所述辐射波场的代表性量度；

(c)变换所述的差异改变率的量度，以产生第一积分变换表达，并且相应于反映在所述的差异改变率的量度中的第一微分算符的反演，将第一滤波施加到所述第一积分变换表达上，以产生第一经修正的积分变换表达；

(d)将所述第一积分变换的逆变换施加到所述第一经修正的积分变换表达上，以产生未变换的表达；

(e)根据在所述所选定的表面上的所述量度，对所述未变换的表达施加校正；

(f)变换该经校正的未变换的表达，以产生第二积分变换表达，并且相应于反映在该经校正的未变换的表达中的第二微分算符的反演，将第二滤波施加到所述第二积分变换表达上，以产生第二经修正的积分变换表达；

(g)将所述第二积分变换的逆变换施加到所述第二经修正的积分变换表达上，以产生跨越所述选定平面的所述辐射波场的相位量度，从而产生所述图像数据作为含有深度信息的相位图像数据。

在该所选定的表面上产生与场景相关的所述辐射波场的代表性量度的步骤可以使用强度值来得到该代表性量度或差异值。

具体地，在一个实施例中，使用在该所选定的表面上的强度值。

在另一个实施例中，从任何强度数据值中选取代表最大聚焦的数值。

在另一个实施例中，使用差异数据值作为代表性量度。

在另一个实施例中，使用从该组差异数据值中选取的最大差异值。

优选地，该第一或第二微分算符中的至少一个具有基于用于获取辐射的光学系统的形式，以在通常跨越波场扩展的所选定的表面上，产生辐射波场的差异的改变率的代表性量度。

优选地，第一和第二微分算符两者都具有基于光学系统的形式。

优选地，使用傅立叶变换来产生第一和第二积分变换。

在本发明的一个实施例中，微分算符具有如下形式：

$\frac{\sqrt{T_P}}{T_P+{\mathrm{\α}}^2}$

其中，

$T_P\left(\mathrm{\ρ}\right)=2\mathrm{\πi\δz}\∫\mathrm{\η}{T}_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})\mathrm{d\η}$

以及

$T_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})=\frac{i}{2\mathrm{\π\ρ}}\left\{\begin{array}{c}{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}-\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\\ {-{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}+\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{}}^{1/2}\end{array}\right\}$

以及其中，ρ是径向横向空间频率，η是纵向空间频率，δz是对象平面中的散焦距离，而且，

$\mathrm{\ξ}=\frac{{\mathrm{NA}}_{\mathrm{condensor}}}{{\mathrm{NA}}_{\mathrm{objective}}}$

其中，NA_condenser和NA_objective分别是聚光器和物镜的数值孔径(这些是显微镜上的设置和尺寸)。ρ_obj是由物镜接收的最大空间频率。

该摄取该场景至少两个图像的步骤优选地包括：在第一散焦平面上摄取第一图像以产生作为负聚焦图像数据的第一图像，在第二散焦平面上摄取的场景的第二图像以产生正散焦图像数据，该正的和负的散焦图像是在将产生焦点对准的场景图像的焦面的相应侧摄取的。

优选地，该确定强度差异的步骤包括：确定每个数据值相对于该数据值周围的数据值的锐度的锐度量度。

在本发明的优选实施例中，通过电荷耦合器件获取所述图像，并确定图像中的像素的强度值，以及将该强度值与周围像素的强度比较，以提供每个像素处的差异值。

优选地，对于每个像素利用下列的方程来获取所述差异：

${\mathrm{var}.}_n=\frac{1}{8}\×\sqrt{\begin{array}{c}{(I_n-I_2)}^2+{(I_n-I_4)}^2+{(I_n-I_8)}^2\\ +{(I_n-I_6)}^2+\frac{1}{\sqrt{2}}{(I_n-I_1)}^2+\frac{1}{\sqrt{2}}{(I_n-I_3)}^2\\ +\frac{1}{\sqrt{2}}{(I_n-I_7)}^2+\frac{1}{\sqrt{2}}{(I_n-I_9)}^2\end{array}}$

其中，n是特定的像素，以及数值1到9代表在像素阵列中围绕该像素的像素。

这样，在该实施例中，将每个像素与直接围绕着该特定像素的多个像素相比较，以确定差异数据值。在其它的实施例中，可以将每个像素与围绕该像素的多个像素，以及围绕该像素但是距离远了一个像素的多个像素等相比较。也可以用其它的方法来确定此差异数据值，以便获得在每个数据集中每个像素相对于其它像素的差异值。

优选地，对图像数据的各部分进行编码的步骤包括：将不同的颜色施加到具有相同深度信息的图像的各部分上，以产生可视图像，其中图像中可以确定场景的各部分相对于彼此的相对距离。

优选地，在焦面上摄取该场景的第三图像，以产生第三组强度数据值，并用该经编码的图像数据覆盖该第三组强度数据值，以产生含有场景的结构信息和场景中的不同深度信息的可视图像。

然而，在其它的实施例中，图像可以是存储在计算机中的电子图像而不是可见图像，代码基准(code reference)可以简单地是计算机分配给不同深度信息的代码值，从而，如果需要在特定位置上的图像，则可以由计算机根据代码基准来提取与图像的这些部分相关的信息。

优选地，通过将灰度值分配给图像中的像素值来提供所述不同的深度信息。

本发明也可谓在于一种用于执行上述方法的计算机程序。

本发明还可谓在于一种产生含有深度信息的图像的设备，该设备包括：

照相机，用于检测从场景发射的辐射波场，并且在相对于场景的不同平面上摄取该场景的至少两个图像，以产生第一组强度数据值和第二组强度数据值；

处理器，用于确定第一组数据值中的数据值相较于第一组数据值中的其它数据值的强度差异，以产生第一组差异数据值，以及用于确定第二组数据值中的数据值相对于第二组数据值中的其它数据值的强度差异，以产生第二组差异数据值；

该处理器还用于处理该第一和第二差异数据值，以产生含有深度信息的场景图像数据；

该处理器还用于利用代码基准来编码具有相同深度信息的图像的各部分，以标识图像中的不同深度信息。

这样，该用于确定强度差异的处理器是用于进行下述操作的处理器：

(a)在通常跨越波场扩展的所选定的表面上，产生所述辐射波场的差异数据值的改变率的代表性量度；

(b)在所述所选定的表面上，产生与场景相关的所述辐射波场的代表性量度；

(c)变换所述的差异改变率的量度，以产生第一积分变换表达，并且相应于反映在所述的差异改变率的量度中的第一微分算符的反演，将第一滤波施加到所述第一积分变换表达上，以产生第一经修正的积分变换表达；

(d)将所述第一积分变换的逆变换施加到所述的第一经修正的积分变换表达上，以产生未变换的表达；

(e)根据在所述所选定的表面上的所述量度，对所述未变换的表达施加校正；

(f)变换该经校正的未变换的表达，以产生第二积分变换表达，并且相应于反映在该经校正的未变换的表达中的第二微分算符的反演，将第二滤波施加到所述第二积分变换表达上，以产生第二经修正的积分变换表达；

(g)将所述第二积分变换的逆变换施加到所述第二经修正的积分变换表达上，以产生跨越所述选定平面的所述辐射波场的相位量度，从而产生所述图像数据作为含有深度信息的相位图像数据。

在该所选定的表面上产生与场景相关的所述辐射波场的代表性量度的步骤可以使用强度值来得到该代表性量度或差异值。

具体地，在一个实施例中，使用在该所选定的表面上的强度值。

在另一个实施例中，从任何强度数据值中选取代表最大聚焦的数值。

在另一个实施例中，使用差异数据值作为代表性量度。

在另一个实施例中，使用从该组差异数据值中选取的最大差异值

优选地，该第一或第二微分算符中的至少一个具有基于用于获取辐射的光学系统的形式，以在通常跨越波场扩展的所选定的表面上，产生辐射波场的差异的改变率的代表性量度。

优选地，第一和第二微分算符两者都具有基于光学系统的形式。

优选地，使用傅立叶变换来产生第一和第二积分变换。

在本发明的一个实施例中，微分算符具有如下形式：

$\frac{\sqrt{T_P}}{T_P+{\mathrm{\α}}^2}$

其中，

$T_P\left(\mathrm{\ρ}\right)=2\mathrm{\πi\δz}\∫\mathrm{\η}{T}_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})\mathrm{d\η}$

以及

$T_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})=\frac{i}{2\mathrm{\π\ρ}}\left\{\begin{array}{c}{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}-\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\\ {-{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}+\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{}}^{1/2}\end{array}\right\}$

以及其中，ρ是径向横向空间频率，η是纵向空间频率，δz是对象平面中的散焦距离，而且，

$\mathrm{\ξ}=\frac{{\mathrm{NA}}_{\mathrm{condensor}}}{{\mathrm{NA}}_{\mathrm{objective}}}$

其中，NA_condenser和NA_objective分别是聚光器和物镜的数值孔径(如果在通过照相机获取各种图像中使用显微镜，则这些是显微镜上的设置和尺寸)。ρ_obj是由物镜接收的最大空间频率。

如果图像是通过如望远镜之类的不同的光学系统拍摄的或者是由照相机的光学器件直接拍摄的，则修正上述的算符，以适合该系统的各种光学器件。

该摄取该场景至少两个图像的步骤优选地包括：在第一散焦平面上摄取第一图像以产生作为负聚焦图像数据的第一图像，在第二散焦平面上摄取的场景的第二图像以产生正散焦图像数据，该正的和负的散焦图像是在将产生焦点对准的场景图像的焦面的相应侧摄取的。

优选地，该确定强度差异的步骤包括：确定每个数据值相对于该数据值周围的数据值的锐度的锐度量度。

在本发明的优选实施例中，通过电荷耦合器件获取所述图像，并确定图像中的像素的强度值，以及将该强度值与周围像素的强度比较，以提供每个像素处的差异值。

优选地，对于每个像素利用下列的方程来获取所述差异：

${\mathrm{var}.}_n=\frac{1}{8}\×\sqrt{\begin{array}{c}{(I_n-I_2)}^2+{(I_n-I_4)}^2+{(I_n-I_8)}^2\\ +{(I_n-I_6)}^2+\frac{1}{\sqrt{2}}{(I_n-I_1)}^2+\frac{1}{\sqrt{2}}{(I_n-I_3)}^2\\ +\frac{1}{\sqrt{2}}{(I_n-I_7)}^2+\frac{1}{\sqrt{2}}{(I_n-I_9)}^2\end{array}}$

其中，n是特定的像素，以及数值1到9代表在像素阵列中围绕该像素的像素，I是相应像素的强度值。

优选地，对图像数据的各部分进行编码的步骤包括：将不同的颜色施加到具有相同深度信息的图像的各部分上，以产生可视图像，其中图像中可以确定场景的各部分相对于彼此的相对距离。

然而，在其它的实施例中，图像可以是存储在计算机中的电子图像而不是可见图像，代码基准(code reference)可以简单地是计算机分配给不同深度信息的代码值，从而，如果需要在特定位置上的图像，则可以由计算机根据代码基准来提取与图像的这些部分相关的信息。

优选地，通过将灰度值分配给图像中的像素值来提供所述不同的深度信息。

附图说明

以下，参照附图来详细说明本发明的实施例。

图1是用于帮助说明本发明的优选实施例的图；

图2是具体实施本发明的设备的示意图；

图3是示出在本发明的优选实施例中用于摄取图像的照相机像素的图；

图4是示出不同深度信息的产生的图；

图5是说明根据本发明的优选实施例如何对不同的深度信息进行编码的图；

图6是示出优选实施例方法的实施的流程图；

图7是使用显微镜摄取图像的配置的示意图示；

图8是根据本发明一个实施例的示例性系统的示意图；以及

图9是与本发明一个实施例相关的流程图。

具体实施方式

本发明的优选实施例根据在我们的国际专利申请PCT/AU99/00949和PCT/AU02/01398中揭示的相位确定技术来有效地处理图像。然而，正如在上述的国际专利申请书中所揭示的那样，在使用这些专利申请书中所揭示的算法来处理与摄取的场景相关的数据以产生图像之前，首先处理这些数据以便产生差异数据(variance data)，从而根据所揭示的算法来处理差异数据而不是单纯的强度数据。然而，除此之外，处理数据的方法和在上述的国际专利申请书中所揭示的方法相同。

图1示出了在三个不同的焦平面(focal plane)上的场景图像。平面I₀是一个位于焦点上(in focus)的平面，它将用于摄取场景的聚焦图像。场景可以包括许多物体或对象，例如，车辆，人物等等，通常，本发明的优选实施例用于获取热图像上。然而，本发明也可以用于其它类型的图像，并改进这些图像中的深度信息。本发明特别适用于热图像，这是因为热图像通常含很少的深度信息或者不含深度信息，而深度信息能够依据距离让图像的不同部分与图像的其它部分相比较。因此，在热图像中，很难确定图像的一个部分距离摄取图像的位置是较近还是较远，也很难确定图像的各个部分在空间中彼此相对的位置。

平面V_-是负散焦平面，它位于用于摄取图像的照相机20(见图2)的视场深度之中，平面I₀是焦平面，平面V₊是正散焦平面，它也在照相机20的视场深度之中，但是，相对于平面I₀而正散焦。换句话说，平面V_-比位于焦点上的平面I₀更接近场景，而平面V₊比位于焦点上的平面I₀更远离场景。

一般，在平面V_-上摄取的图像部分恰好聚焦在平面V_-上，它们在平面V_-上产生了非常清楚的像点21，但是，如标号22所示，它们在平面V₊上将产生非常模糊的散焦图像。图1中的标号23表示在21和22上产生图像的波形。类似地，像标号25所示，在平面V_-上散焦并变得模糊的图像部分24，可以聚焦在平面V₊上。再一次地，标号26示出产生这些图像部分的波场的形式。

如图2所示，用照相机20在平面V_-、I₀和V+上摄取在图2中的S点上示意性示出的场景图像，从而照相机20的像素采集了在这三个平面上的三组强度数据。

在本发明的优选实施例中，照相机20是低温冷却的、640x480像素阵列、利用可调焦距的Ge镜头在8到12微米的波段中操作的热照相机。在处理器40中处理由照相机20摄取的强度数据，并将图像显示在显示器42上。

处理器40首先确定在平面V_-和V₊上的两个图像中的每一个图像的每个像素的差异值。因此，产生了两组差异数据。

图3示出了形成照相机20的像素阵列的9个像素的例子，并根据下列方程来确定在像素I₅处的强度变化：

${\mathrm{var}.}_5=\frac{1}{8}\×\sqrt{\begin{array}{c}{(I_5-I_2)}^2+{(I_5-I_4)}^2+{(I_5-I_8)}^2\\ +{(I_5-I_6)}^2+\frac{1}{\sqrt{2}}{(I_5-I_1)}^2+\frac{1}{\sqrt{2}}{(I_5-I_3)}^2\\ +\frac{1}{\sqrt{2}}{(I_5-I_7)}^2+\frac{1}{\sqrt{2}}{(I_5-I_9)}^2\end{array}}$

这样，确定了图3的像素阵列中的第五个像素的差异值。在图3中，将排列在阵列边缘上的像素设置为数值0，从而它们未被包含在计算之中。这样就将图像的尺寸轻微地降低了两个像素的宽度。然而，这使得计算容易得多，这是因为，由于所有的像素将被8个其它像素包围，所以能按照上述的方式来确定所有的差异。类似地，针对平面V-和V+的每个图像像素，确定阵列中的每个其它像素的差异值，从而产生了两组差异数据。然后，在算法中使用这两组差异数据而不是由照相机20摄取的单纯的强度数据来产生场景的相位(phase)图像数据。差异数据的使用提供了在平面V-和V+的每一个上的图像锐度(sharpness)的量度，因此，内在地(inherently)包含了的图像的各个部分相对于图像的其它部分的深度量度。然后，如同在上述国际专利申请书中所揭示的那样，按照与强度数据相同的方式来处理差异数据，以便产生其中包括了场信息深度在内的场景相位图像。由于使用差异数据来产生相位图像，因此，图像将含有表示场景中物件或事物的实际结构的极少细节，但是将包含显示场景特征的大概轮廓(outline)。能够根据在处理过的图像数据中的每个像素处的灰度值来给出处理过的图像中的位置深度信息，这进而相对于场景的其它部分，也相对于从该处摄取图像的现场部分的位置，提供了与每个像素相关的场景部分的相对量度。例如，如图4中极好地显示的，非常接近于图像摄取地点的事物显得较暗，如标号61所示，而距离较远的事物则显得明亮得多，如标号62所示。

处理过的相位图像中的分配给每个像素的灰度值可以用来提供场景的各个部分与摄取图像的地点之间以及场景各个部分的彼此之间的距离的实际量度。例如，如果照相机的光学部件(optics)已知，并且平面V₁和V+之间的距离已知，则可以将实际测量值和图像中的各种灰度值相关联，以提供场景各个部分彼此间的距离量度，以及场景各个部分与摄取图像的地点之间的距离量度。

然后，可以对图4所示的图像进行编码，以便通过将编码基准(codereference)施加到具有相同灰度值的图像的各个部分而更清楚地显示图像中物件的不同距离。这可以通过各种不同的方式来实现，不过非常优选的是利用假色(false colour)调色板对图像的各个部分进行编码来实现，从而用相同的颜色来给具有相同灰度值的图像的各个部分上色。因此，与整个图像显示出具有大致相同的色调(shade)的传统热图像相比，这使得可以容易得多地觉察图像中的深度信息。例如，在图5中，示出了图像中近处物件的灰度值，该物件与摄取图像的地点之间的距离可以是例如10米到远达100米。可以按照上述方式将不同的颜色分配给这些灰度值，以便可以使特定颜色和图像中的特定距离相关联，从而能够容易得多地察觉图像中的物件的彼此之间的实际相对位置。

为了产生能显示物件细节的图像，而不是仅仅的距离信息，可以将处理过的图像施加到在平面I₀上摄取的强度图像上，该平面I₀是在焦点上的平面，从而在一个图像中给出图像的强度信息和图像的深度信息两者。这样，强度信息就提供了图像中的各种组成部分的结构细节，以及深度信息如前所述能够使人们确定图像的各个部分的相对位置。这样，图像将不仅含有深度信息，而且也能使得可容易得多地确定图像中的各种组成部分是什么，这是因为将看见图像中的实际结构。

这样，根据本发明的优选实施例，能够校准(calibrate)照相机20上的镜头的成像范围和色彩渲染(colour rendering)，并因此可以量化图像的位置。这个技术从而为提供被动(passive)测距能力提供了机会。在接近热均匀性的情况下，其中在视场中只有很小的对比(contrast)，此处理所提供的深度位置信息提出了用于观察和处理场景图像的另一个对比机制。最后，在模糊的观察条件下，例如，在伪装(camouflage)的条件下，对象的轮廓可能被破坏，从而使得难于识别。场景的色彩深度渲染使得图像组成部分的拼合处于公共的位置，这是因为即使可以掩饰(disguise)轮廓，但是也不能掩饰在空间中的位置。

下面描述算法操作来处理差异数据以产生相位图像的方式。

在空间中的每一个点上，光束具有两个属性：强度和相位。强度是流过每个点的能量的数量的量度，而相位给出了能量流动方向的量度。

可以例如通过把图像记录在胶片上来直接测量强度。相位通常是用与“基准束(reference beam)”的干涉(interference)来测量的。与此相反，本方法提出了测量相位的非干涉测量法。

可以测量在远离入射辐射的一侧上跨越波场传播的方向而扩展的两个平行的平面V-和V+上的强度，这两个平面在远离。

本发明通过求得强度传输方程的解来确定相位：

(1) ${\▿}_{\⊥}\·(/{\▿}_{\⊥}\mathrm{\φ})=-k\frac{\∂I}{\∂z}$

其中，I是平面上的强度，在平面上的梯度算符用来表示，k是辐射的波数，

是强度导数或强度改变率。然而，为了得到前面所述的深度信息，不是使用由照相机在两个平面上得到的强度值，而是获取按上述方式计算出的差异值，以便进而得到差异导数或差异的改变率

请注意，根据图1所示的在平面V-和V+上的测量的差值来估算同时，根据测量值的平均值来得到强度I。

为了求得方程(1)的解，首先将函数A定义为：

(2) ${\▿}_{\⊥}A=V{\▿}_{\⊥}\mathrm{\φ}.$

这样，方程(1)就变为：

(3) ${\▿}_{\⊥}\·\left({\▿}_{\⊥}A\right)=-k{\∂}_{z}V.$

利用标准恒等式 ${\▿}_{\⊥}\·{\▿}_{\⊥}={{\▿}_{\⊥}}^2,$ 就可将此方程写为：

(4) ${{\▿}_{\⊥}}^{2}A=-k{\∂}_{z}V$

其中，表示在图像表面上的二维拉普拉斯动作(acting)。该方程有下列的符号解：

(5) $A=-k{{\▿}_{\⊥}}^{-2}{\∂}_{z}V.$

如果将梯度算符

加到方程的两侧，该方程就变为：

(6) ${\▿}_{\⊥}A=-k{\▿}_{\⊥}{{\▿}_{\⊥}}^{-2}{\∂}_{z}V.$

函数A的定义方程(2)允许将方程(6)变换为：

(7) ${I\▿}_{\⊥}\mathrm{\φ}=-k{\▿}_{\⊥}{{\▿}_{\⊥}}^{-2}{\∂}_{z}V.$

用I来除方程两侧，然后得到：

(8) ${\▿}_{\⊥}\mathrm{\φ}=-k{I}^{-1}{\▿}_{\⊥}{{\▿}_{\⊥}}^{-2}{\∂}_{z}V.$

然而，如上所述，不是使用强度值I来除方程的两侧，可以使用跨越全部图像的最大聚焦值，或者可以使用平面上的差异数据，或者可以使用跨越所有差异状态值的最大差异值。

对方程(8)两侧取二维散度并再次使用标准恒等式 ${\▿}_{\⊥}\·{\▿}_{\⊥}={{\▿}_{\⊥}}^2,$ 于是，方程(8)就变成：

(9)

该方程有下列的符号解：

(10) $\mathrm{\φ}=-k{\▿}_{\⊥}^2({\▿}_{\⊥}\·[I^{-1}{\▿}_{\⊥}{\▿}_{\⊥}^{-2}{\∂}_{z}V\left]\right)$

为了求得方程(10)的实际解，需要用下面的公式。可以将性能相当良好的(suitably-well-behaved)函数f(x，y)写成二维傅立叶积分的形式：

(11) $f(x,y)=\underset{-\∞}{\overset{\∞}{\∫}}\underset{-\∞}{\overset{\∞}{\∫}}\hat{f}(k_x,k_y)e^{i(k_{x}x+k_{y}y)}{\mathrm{dk}}_x{\mathrm{dk}}_y.$

函数

称为f(x，y)的“傅立叶变换”。

方程(11)对x求导得到：

(12) $\frac{\∂}{\∂x}f(x,y)=\underset{-\∞}{\overset{\∞}{\∫}}\underset{-\∞}{\overset{\∞}{\∫}}\left[{\mathrm{ik}}_x\hat{f}(k_x,k_y)\right]e^{i(k_{x}x+k_{y}y)}{\mathrm{dk}}_x{\mathrm{dk}}_y.$

因此，

的傅立叶变换等于f(x，y)的傅立叶变换乘以ik_x。换言之， $\frac{\∂}{\∂x}={\mathrm{iF}}^{-1}{k}_{X}F,$ 其中，F表示傅立叶变换，F^-1表示傅立叶逆变换。类似的考虑也适合于

如果得到了方程(11)的拉普拉斯算符 ${{\▿}^2}_{\⊥}=\frac{{\∂}^2}{{\∂x}^2}+\frac{{\∂}^2}{\∂y^2}$ 并加以类似的推理，就可以得到 ${{\▿}_{\⊥}}^{-2}=-F^{-1}{k_r}^{-2}F,$ 其中，k_r ²＝k_x ²+k_y ²。这样：

(13) ${\▿}_{\⊥}^2=-F^{-1}{k}_r^{-2}F,$ $\frac{\∂}{\∂x}=i{F}^{-1}{k}_{x}F,$ $\frac{\∂}{\∂y}=i{F}^{-1}{k}_{y}F.$

其中，F表示傅立叶变换，F^-1表示傅立叶逆变换，(k_x，k_y)是与(x，y)共轭的傅立叶变量，并且

k_r ²＝k_x ²+k_y ²

可用方程(13)将方程(10)改写为下列形式：

(14)

$\mathrm{\φ}={\mathrm{\φ}}^{\left(x\right)}+{\mathrm{\φ}}^{\left(y\right)},\left\{\begin{array}{c}{\mathrm{\φ}}^{\left(x\right)}=F^{-1}{k_r}^{-2}{k}_x{\mathrm{FI}}^{-1}{F}^{-1}{k}_x{k_r}^{2}F\left[k\frac{\∂V}{\∂z}\right]\\ {\mathrm{\φ}}^{\left(y\right)}=F^{-1}{k_r}^{-2}{k}_y{\mathrm{FI}}^{-1}{F}^{-1}{k}_y{k_r}^{2}F\left[k\frac{\∂V}{\∂z}\right]\end{array}\right.$

实际上，仅在强度大于某个阈值(例如，最大值的0.1％)时才除以强度。

在傅立叶空间的点k_r＝0上，并不除以k_r；

替代地在该点上乘以零。

这相当于取积分算符Δ_⊥ ^-2的柯西主值。

为了定量测量对象的相位，与使用时的实验配置相关，必须把某些物理常数加入到由方程(14)给出的相位恢复(recovery)算法中，以量化变量k_x、k_y。这可以通过使用快速傅立叶变换按下列的适合于实施的形式来改写方程(14)来实现：

$\mathrm{\φ}{=\mathrm{\φ}}_x+{\mathrm{\φ}}_y,\left\{\begin{array}{c}{\mathrm{\φ}}_x=-\frac{2\mathrm{\π}}{\mathrm{\λ\δz}}\frac{1}{{\left(\mathrm{N\Δx}\right)}^2}{F}^{-1}\frac{i}{i^2+j^2}F\frac{1}{I(x,y)}{F}^{-1}\frac{i}{i^2+j^2}F\{V_{+}-V_{-}\}\\ {\mathrm{\φ}}_y=-\frac{2\mathrm{\π}}{\mathrm{\λ\δz}}\frac{1}{{\left(\mathrm{N\Δx}\right)}^2}{F}^{-1}\frac{i}{i^2+j^2}F\frac{1}{I(x,y)}{F}^{-1}\frac{i}{i^2+j^2}F\{V_{+}-V_{-}\}\end{array}\right.$

其中， $i,j\∈[\frac{-N}{2},\frac{N}{2}]$ 索引F(V₊-V_-)的频率分量，其中通过减两个被距离δz隔开的图像V₊和V_-并使用由 $\mathrm{\Δk}=\frac{1}{\mathrm{N\Δx}}$ 给出傅立叶空间步长的这个事实，来得到强度导数

其中i和j是图像上的像素数，其中图像是尺寸为Δx的像素的NxN阵列。

这样，除了测量三个强度分布而外，还必须知道像素的尺寸Δx、散焦距离δz和波长λ，以便进行量化的相位测量。能够容易地确定所有的这些量：例如，根据CCD检测器的几何特性(在直接成像的情况下)能够直接确定像素尺寸，或者利用现有的用于校准横向距离标尺的技术(在成像系统的情况下)确定，可以直接测量散焦距离，以及通过单色化(monochromate)入射场或者通过用现有的分光镜方法分析辐射的波谱分布，可以确定照度(illumination)的光谱分布。

实现方程(14)的求解的相位恢复方法的示例可以由图6表示。如图2所示，辐射波场的相位的量化确定是从两个分离的平面V-和V+上的一组差异的度量{V_n}开始的。也获得了在与平面V-和V+平行并位于这两个平面的中间的选定平面上的中心强度I(x，y)的度量。在两个平面A和B的每一个之上、对一个限定的阵列进行强度测量，并减去相应值以产生强度导数的量度。将此值与平均波数的负值相乘。将此数据分解为两个分量组并进行快速傅立叶变换，以在傅立叶域中产生相应的x和y分量。然后，将一个滤波加到傅立叶域表达上，以相应于反映在未变换的表达中的微分算符的反演。然后，在x和y分量的每一个上进行傅立叶逆变换，以产生从中除去了微分算符的空间域值。然后，如果强度级在所选定的阈值级之上，就除以中心强度I(x，y)，其中，该中心强度是通过对平面V-和V+上的强度测量值取平均而得到的。再次对所得到的数据进行傅立叶变换，并乘以相同的滤波，以再次相应于反映在未变换的数据中的微分算符的反演。再次对所得到的分量进行傅立叶逆变换并求和，以得到恢复的相位测量值。

显而易见的是，通常，根据本发明的方法可从下列数据的任何适当的代表性确定开始：在跨越传播方向扩展的、所选定的表面上的强度导数或强度改变率，以及在相同表面上的强度。就像将在各种例子中说明的那样，这些数据可以通过各种途径得到，该方法实施来产生辐射波场的相位。

用下列公式来改写方程(14)：

Ω_x(k_x，k_y，α)＝k_xk_r ^-2

Ω_y(k_x，k_y，α)＝k_yk_r ^-2

φ(x，y)＝φ^(x)(x，y)+φ^(y)(x，y)，

并产生方程

(15)

$\left\{\begin{array}{c}{\mathrm{\φ}}^{\left(x\right)}(x,y)=F^{-1}{\mathrm{\Ω}}_x(k_x,k_y,\mathrm{\α})F\frac{1}{I(x,y)}{F}^{-1}{\mathrm{\Ω}}_x(k_x,k_y,\mathrm{\α})F\left[\stackrel{\‾}{k}\frac{\∂V}{\∂z}\right].\\ {\mathrm{\φ}}^{\left(y\right)}(x,y)=F^{-1}{\mathrm{\Ω}}_y(k_x,k_y,\mathrm{\α})F\frac{1}{I(x,y)}{F}^{-1}{\mathrm{\Ω}}_y(k_x,k_y,\mathrm{\α})F\left[\stackrel{\‾}{k}\frac{\∂V}{\∂z}\right]\end{array}\right.$

其中，

φ(x，y)表示恢复了的相位，

F表示傅立叶变换，F^-1表示傅立叶逆变换，

I(x，y)是所关注的平面上的强度分布，

(x，y)是所关注的平面上的笛卡儿坐标，

(k_x，k_y)是与(x，y)共轭的傅立叶变量，

k＝2π/λ是辐射的平均波数，

λ是辐射的平均波长，

是纵向(longitudinal)差异导数的估计值，

α是在有噪声时用于使算法稳定的规则化参数。

如上所述，强度传输方程(1)的解假定了完美成像系统。这就是说，在用于获取要输入算法的强度数据的光学系统中没有“像差(aberration)”存在。当然，没有任何成像系统是完美的。可以用一组数字来量化存在于成像系统中的缺陷：

(16)A₁，A₂，A₃，.....

其中，A₁，A₂，A₃，.....称为像差系数。

如果在有缺陷的仪器上采集强度数据，并用一组已知的像差系数A₁，A₂，A₃，.....来刻画仪器缺陷的特征，那么，希望的是，用明显依赖于像差系数的、经修正的滤波来代替存在于方程(15)中的滤波Ω_x(k_x，k_y，α)和Ω_y(k_x，k_y，α)：

(17)

and

这将允许明确地考虑成像系统的缺陷，从而使得能够使用有像差的成像系统来得到定量校正相位恢复。对于在具有弱的(例如，远小于2π弧度的)相位变化的均匀(uniform)强度的辐射波场中非吸收的相位对象的特殊情况而言，适当的经修正的滤波将得到相位恢复算法的下列函数形式：

(18) $\mathrm{\φ}(x,y)=F^{-1}\left\{\frac{F\{V_{\mathrm{aberrated}}(x,y)-1\}}{(-2\mathrm{\π}.\mathrm{\δz}.\stackrel{\‾}{\mathrm{\λ}}(k_x^2+k_y^2)-2{\mathrm{\Σ}}_m{\mathrm{\Σ}}_n{A}_{\mathrm{mn}}{k}_x^m{k}_y^n)}\right\},$

其中：

V_aberrated(x，y)是在散焦距离δ z处测量的带像差的差异，

A_mn是刻画有缺陷的成像系统的特征的像差系数。

如果将滤波定义为：

(19) $\widetilde{\mathrm{\Ω}}(k_x,k_y,\mathrm{\α},A_1,A_2,A_3,...)=$

$\frac{1}{\sqrt{-2\mathrm{\π}.\mathrm{\δz}.\stackrel{\‾}{\mathrm{\λ}}(k_x^2+k_y^2)-2{\mathrm{\Σ}}_m{\mathrm{\Σ}}_n{A}_{\mathrm{mn}}{k}_x^m{k}_y^n}}$

那么，方程(18)就变为：

(20) $\mathrm{\φ}(x,y)=F^{-1}\widetilde{\mathrm{\Ω}}F\frac{1}{I_0}{F}^{-1}\widetilde{\mathrm{\Ω}}F\{I_{\mathrm{aberrated}}(x,y)-1\}$

其中，{I_aberrated(x，y)-1}项是强度变化率的量度。强度I₀是均匀强度的可测常数，从而(20)就是与(15)相同的通用形式。因此，可以通过在上述通用方法中改变滤波来处理像差的特殊情况。x和y分量的滤波Ω_x和Ω_y由下式给出：

(21) ${\mathrm{\Ω}}_x={\mathrm{\Ω}}_y=\frac{1}{\sqrt{2}}\widetilde{\mathrm{\Ω}}$

图7示意性地示出了定量的相幅显微检查术(phase amplitude microscopy)的配置。用柯勒

白光照明光源15来照明样品，通常，在光学显微镜上能找到这种光源。光被发送通过对象16并由显微镜成像系统17收集，然后转发到CCD照相机18或其它的具有平面成像表面的数字成像器件上。收集三个图像：焦点对准图像I₀和两个稍许离焦的图像I₊和I_-。利用如驱动系统19之类的适当装置调整显微镜的聚焦钮来获取散焦，。所引入的散焦通常是十分小的，从而使空间分辨率的下降最小化，尽管要使用的最佳散焦量是由如放大率、数值孔径之类的样品属性和成像几何特性决定的。

在摄取图像时选取聚光器(condenser)的数值孔径，使其小于所用的物镜的数值孔径。如果不是这种情况，则会出现严重的图像劣化，尽管聚光器的数值孔径和物镜的数值孔径藉以区别的精确量涉及图像保真度和空间分辨率之间的折衷，其中最佳差值取决于样品的属性和所用的光学器件。

按照上述的方式根据在平面V₊和V_-上收集的强度值来确定差异数据值，并相减以产生差异改变率(差异导数)的代表性量度。由此并根据收集到的图像的强度数据I₀，上述方法可以用来产生图像平面中相位移动(phase shift)的定量信息。

可能有这样的情况，在这些情况下，为了得到的强度导数dV/dz的较好估计值，希望摄取两个以上的图像。然后，代替通常使用的二图像的简单相减，可以利用某函数拟合该数据，根据该函数，dV/dz可以被计算得到并用在相位测定方法中。

也可以在反射几何结构中操作此系统以得到表面拓扑(topography)。操作的原理是一样的，然而，光学器件必须自身对折以形成一个反射几何结构-在其它方面，处理工序是相同的。

对于某些应用，也希望把光过滤成特定的波长，尽管这对所说明的成像工艺是不必要的，这是因为该成像工艺用白光也同样工作得很好。

图8示出了一个实现。为奥林巴斯(Olympus)BX-60光学显微镜20装配了一组UMPlan金相物镜(metallurgical objective)和通用聚光器，以便提供柯勒照明。为了能够将结果与现有的成像模式相比较，也需要为此显微镜配置诺莫斯基(Nomarski)DIC光学器件和一组盖玻片(cover-slip)校正的UplanApo物镜，以便能够使用相位恢复法和诺莫斯基DIC光学器件来摄取相同视场的图像，以供定量比较之用。将装有1300x1035像素的柯达(Kodak)KAF-1400CCD芯片的、12-bit科学级的光测SenSys CCD照相机21加到显微镜上的0.5x视频端上，以便得到样品的数字图像。

本发明的实施例的相位恢复技术需要获取散焦图像。将步进电机驱动系统22附到显微镜的聚焦钮上。该步进电机22也被附到用于控制CCD照相机21的133MHz Pentium PC(个人计算机)23的并行端口上，以实现贯穿聚焦(through-focus)图像序列的获取的完全自动化。将此数据获取系统连接到所编写用于从CCD图像恢复相位图像的定制软件上，从而能够实现图像获取和数据处理程序的全自动化。

本发明的优选实施例中所使用的微分算符的形式是基于用于获取上述图像的系统的光学器件。因而，操作人员要考虑用于摄取图像的光学系统的细节。这是通过以下步骤实现的：

确定聚光器的数值孔径NA_condensor，确定物镜的NA，NA_objective，以及ρ_objective，以及物镜孔径的半径

$\mathrm{\ξ}=\frac{{\mathrm{NA}}_{\mathrm{condensor}}}{{\mathrm{NA}}_{\mathrm{objective}}}$

(这些是显微镜的设置和尺寸。)

确定径向(radial)横向(lateral)空间频率ρ和纵向空间频率η。

(这些数据取决于连续摄取的图像的像素模式(pixelation)和位置分布。)

确定要使用的辐射的波长λ。

算符的新形式是

$\frac{\sqrt{T_P}}{T_P+{\mathrm{\α}}^2}$

其中，

$T_P\left(\mathrm{\ρ}\right)=2\mathrm{\πi\δz}\∫\mathrm{\η}{T}_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})\mathrm{d\η}$

并且

$T_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})=\frac{i}{2\mathrm{\π\ρ}}\left\{\begin{array}{c}{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}-\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\\ {-{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}+\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{}}^{1/2}\end{array}\right\}$

图9是一般地图示如何用上面的方程来确定T_ρ的流程图，其中仅示出了方程的各种分量的分解。

然后可以以各种模态程序计算的深度图像以给出更好的可视化。这样的模态包括DIC、明视场像、暗视场像，以及其它常规的模态图像。由根据本发明确定的相位数据来生成这些类型的图像的技术在我们的未决的(copending)国际专利申请书第PCT/AU02/00590号中作了说明(其内容通过此引用并于本说明书中)。

由于本领域技术人员容易实现在本发明的精神和范围之内的修改，因此，应当理解，本发明不限于上文中举例说明的具体实施例。

在所附的权利要求以及本发明的前面描述中，除了出于明确的语言或必要的暗示上下文要求外，词汇“包括(comprise)”及变体诸如comprises、“comprising”等用于包含的含义，即用于指明所声明的特征的存在，但并不排除本发明各实施例中的另外的特征的存在或添加。

Claims (28)

1.一种产生含有深度信息的图像的方法，包括：

检测从场景发射的辐射波场，并且在相对于场景的不同平面上摄取该场景的至少两个图像，以产生包括第一组强度数据值的第一图像和包括第二组强度数据值的第二图像；

确定第一组数据值中的数据值相对于第一组数据值中的其它数据值的强度差异，以产生第一组强度差异数据，确定第二组数据值中的数据值相对于第二组数据值中的其它数据值的强度差异，以产生第二组强度差异数据；

处理该第一和第二组强度差异数据，以得到含有深度信息的场景图像数据；以及

利用代码基准来编码具有相同深度信息的图像数据，以便标识图像数据中的不同的深度信息。

2.根据权利要求1的方法，其中，所述处理强度差异数据的步骤包括：

(a)在通常跨越波场扩展的所选定的表面上，产生所述辐射波场的差异数据值的改变率的代表性量度；

(b)在所述所选定的表面上，产生与场景相关的所述辐射波场的代表性量度；

(c)变换所述的差异改变率的量度，以产生第一积分变换表达，并且相应于反映在所述的差异改变率的量度中的第一微分算符的反演，将第一滤波施加到所述第一积分变换表达上，以产生第一经修正的积分变换表达；

(d)将所述第一积分变换的逆变换施加到所述第一经修正的积分变换表达上，以产生未变换的表达；

(e)根据在所述所选定的表面上的所述量度，对所述未变换的表达施加校正；

(f)变换该经校正的未变换的表达，以产生第二积分变换表达，并且相应于反映在该经校正的未变换的表达中的第二微分算符的反演，将第二滤波施加到所述第二积分变换表达上，以产生第二经修正的积分变换表达；

(g)将所述第二积分变换的逆变换施加到所述第二经修正的积分变换表达上，以产生跨越所述选定的表面的所述辐射波场的相位量度，从而产生所述图像数据作为含有深度信息的相位图像数据。

3.根据权利要求2的方法，其中，在该所选定的表面上产生与场景相关的所述辐射波场的代表性量度的步骤可以使用强度值来得到该代表性量度或差异值。

4.根据权利要求3的方法，其中，使用在该所选定的表面上的强度值。

5.根据权利要求3的方法，其中，从任何强度数据值中选取代表最大聚焦的数值。

6.根据权利要求3的方法，其中，使用差异数据值作为代表性量度。

7.根据权利要求3的方法，其中，使用从该组差异数据值中选取的最大差异值。

8.根据权利要求1的方法，其中，该第一或第二微分算符中的至少一个具有基于用于获取辐射的光学系统的形式，以在通常跨越波场扩展的所选定的表面上，产生辐射波场的差异的改变率的代表性量度。

9.根据权利要求8的方法，其中，该第一和第二微分算符两者都具有基于光学系统的形式。

10.根据权利要求2的方法，其中，使用傅立叶变换来产生该第一和第二积分变换。

11.根据权利要求2的方法，其中，该微分算符具有如下形式：

$\frac{\sqrt{T_P}}{T_P+{\mathrm{\α}}^2}$

其中，

$T_P\left(\mathrm{\ρ}\right)=2\mathrm{\πi\δz}\∫\mathrm{\η}{T}_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})\mathrm{d\η}$

以及

$T_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})=\frac{i}{2\mathrm{\π\ρ}}\left\{\begin{array}{c}{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}-\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\\ -{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}+\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\end{array}\right\}$

以及其中，ρ是径向横向空间频率，η是纵向空间频率，δz是对象平面中的散焦距离，α是在有噪声时用于使算法稳定的规则化参数，而且，

$\mathrm{\ξ}=\frac{{\mathrm{NA}}_{\mathrm{condensor}}}{{\mathrm{NA}}_{\mathrm{objective}}}$

其中，NA_condenser和NA_objective分别是聚光器和物镜的数值孔径，并且ρ_obj是由物镜接收的最大空间频率。

12.根据权利要求1的方法，其中，该摄取该场景至少两个图像的步骤包括：在第一散焦平面上摄取第一图像以产生作为负聚焦图像数据的第一图像，在第二散焦平面上摄取的场景的第二图像以产生正散焦图像数据，该正的和负的散焦图像是在将产生焦点对准的场景图像的焦面的相应侧摄取的。

13.根据权利要求1的方法，其中，该确定强度差异的步骤包括：定每个数据值相对于该数据值周围的数据值的锐度的锐度量度。

14.根据权利要求1的方法，其中，通过电荷耦合器件获取所述图像，并确定图像中的像素的强度值，以及将该强度值与周围像素的强度比较，以提供每个像素处的差异值。

15.根据权利要求14的方法，其中，对于每个像素利用下列的方程来荻取所述差异：

${\mathrm{var}.}_n=\frac{1}{8}\×\sqrt{\begin{array}{c}{(I_n-I_2)}^2+{(I_n-I_4)}^2+{(I_n-I_8)}^2\\ +{(I_n-I_6)}^2+\frac{1}{\sqrt{2}}{(I_n-I_1)}^2+\frac{1}{\sqrt{2}}{(I_n-I_3)}^2\\ +\frac{1}{\sqrt{2}}{(I_n-I_7)}^2+\frac{1}{\sqrt{2}}{(I_n-I_9)}^2\end{array}}$

其中，n是特定的像素，以及数值1到9代表在像素阵列中围绕该像素的像素。

16.根据权利要求1的方法，其中，所述对图像数据的各部分进行编码的步骤包括：将不同的颜色施加到具有相同深度信息的图像的各部分上，以产生可视图像，其中图像中可以确定场景的各部分相对于彼此的相对距离。

17.根据权利要求1的方法，其中，在焦面上摄取该场景的第三图像，以产生第三组强度数据值，并用该经编码的图像数据覆盖该第三组强度数据值，以产生含有场景的结构信息和场景中的不同的深度信息的可视图像。

18.根据权利要求15的方法，其中，通过将灰度值分配给图像中的像素值来提供所述不同的深度信息。

19.一种用于产生含有深度信息的图像的设备包括：

照相机，用于检测从场景发射的辐射波场，并且在相对于场景的不同平面上摄取该场景的至少两个图像，以产生第一组强度数据值和第二组强度数据值；

处理器，用于确定第一组数据值中的数据值相较于第一组数据值中的其它数据值的强度差异，以产生第一组差异数据值，以及用于确定第二组数据值中的数据值相对于第二组数据值中的其它数据值的强度差异，以产生第二组差异数据值；

该处理器还用于处理该第一和第二差异数据值，以产生含有深度信息的场景图像数据；以及

该处理器还用于利用代码基准来编码具有相同深度信息的图像的各部分，以标识图像中的不同的深度信息。

20.根据权利要求19的设备，其中，该用于确定强度差异的处理器是用于进行下述操作的处理器：

(a)在通常跨越波场扩展的所选定的表面上，产生所述辐射波场的差异数据值的改变率的代表性量度；

(b)在所述所选定的表面上，产生与场景相关的所述辐射波场的代表性量度；

(c)变换所述的差异改变率的量度，以产生第一积分变换表达，并且相应于反映在所述的差异改变率的量度中的第一微分算符的反演，将第一滤波施加到所述第一积分变换表达上，以产生第一经修正的积分变换表达；

(d)将所述第一积分变换的逆变换施加到所述的第一经修正的积分变换表达上，以产生未变换的表达；

(e)根据在所述所选定的表面上的所述量度，对所述未变换的表达施加校正；

(f)变换该经校正的未变换的表达，以产生第二积分变换表达，并且相应于反映在该经校正的未变换的表达中的第二微分算符的反演，将第二滤波施加到所述第二积分变换表达上，以产生第二经修正的积分变换表达；

(g)将所述第二积分变换的逆变换施加到所述第二经修正的积分变换表达上，以产生跨越所述选定的表面的所述辐射波场的相位量度，从而产生所述图像数据作为含有深度信息的相位图像数据。

21.根据权利要求20的设备，其中，该第一或第二微分算符中的至少一个具有基于用于获取辐射的光学系统的形式，以在通常跨越波场扩展的所选定的表面上，产生辐射波场的差异的改变率的代表性量度。

22.根据权利要求21的设备，其中，该第一和第二微分算符两者都具有基于光学系统的形式。

23.根据权利要求22的设备，其中，使用傅立叶变换来产生该第一和第二积分变换。

24.根据权利要求21的设备，其中，微分算符具有如下形式：

$\frac{\sqrt{T_P}}{T_P+{\mathrm{\α}}^2}$

其中，

$T_P\left(\mathrm{\ρ}\right)=2\mathrm{\πi\δz}\∫\mathrm{\η}{T}_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})\mathrm{d\η}$

以及

$T_P^{\left(3\right)}(\mathrm{\ρ},\mathrm{\η})=\frac{i}{2\mathrm{\π\ρ}}\left\{\begin{array}{c}{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}-\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\\ -{[\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2+1)-\frac{1}{4}{\mathrm{\ρ}}^2-{\left(\frac{\mathrm{\η}}{\mathrm{\λ\ρ}}\right)}^2-|\frac{\mathrm{\η}}{\mathrm{\λ}}+\frac{1}{2}{\mathrm{\ρ}}_{\mathrm{obj}}^2({\mathrm{\ξ}}^2-1)\left|\right]}^{1/2}\end{array}\right\}$

以及其中，ρ是径向横向空间频率，η是纵向空间频率，δz是对象平面中的散焦距离，α是在有噪声时用于使算法稳定的规则化参数，而且，

$\mathrm{\ξ}=\frac{{\mathrm{NA}}_{\mathrm{condensor}}}{{\mathrm{NA}}_{\mathrm{objective}}}$

其中，NA_condenser和NA_objective分别是聚光器和物镜的数值孔径，并且ρ_obj是由物镜接收的最大空间频率。

25.根据权利要求19的设备，其中，通过电荷耦合器件获取所述图像，并确定图像中的像素的强度值，以及将该强度值与周围像素的强度比较，以提供每个像素处的差异值。

26.根据权利要求25的设备，其中，对于每个像素利用下列的方程来荻取所述差异：

${\mathrm{var}.}_n=\frac{1}{8}\×\sqrt{\begin{array}{c}{(I_n-I_2)}^2+{(I_n-I_4)}^2+{(I_n-I_8)}^2\\ +{(I_n-I_6)}^2+\frac{1}{\sqrt{2}}{(I_n-I_1)}^2+\frac{1}{\sqrt{2}}{(I_n-I_3)}^2\\ +\frac{1}{\sqrt{2}}{(I_n-I_7)}^2+\frac{1}{\sqrt{2}}{(I_n-I_9)}^2\end{array}}$

其中，n是特定的像素，以及数值1到9代表在像素阵列中围绕该像素的像素，I是相应像素的强度值。

27.根据权利要求26的设备，其中，所述处理器用于将不同的颜色施加到具有相同深度信息的图像的各部分上，以产生可视图像，其中图像中可以确定场景的各部分相对于彼此的相对距离。

28.根据权利要求27的设备，其中，通过将灰度值分配给图像中的像素值来提供所述不同的深度信息。

Images