CN114174791A - 光学成像性能测试系统和方法 - Google Patents
光学成像性能测试系统和方法 Download PDFInfo
- Publication number
- CN114174791A CN114174791A CN202080055029.3A CN202080055029A CN114174791A CN 114174791 A CN114174791 A CN 114174791A CN 202080055029 A CN202080055029 A CN 202080055029A CN 114174791 A CN114174791 A CN 114174791A
- Authority
- CN
- China
- Prior art keywords
- imaging
- test target
- optical system
- optical
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims description 139
- 238000012634 optical imaging Methods 0.000 title claims description 31
- 238000003384 imaging method Methods 0.000 claims abstract description 238
- 230000003287 optical effect Effects 0.000 claims abstract description 181
- 230000006870 function Effects 0.000 claims abstract description 86
- 239000000463 material Substances 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 12
- 238000000386 microscopy Methods 0.000 claims description 12
- 201000009310 astigmatism Diseases 0.000 claims description 6
- 230000001902 propagating effect Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 2
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 description 144
- 238000009710 electro sinter forging Methods 0.000 description 16
- 238000005286 illumination Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000005284 basis set Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 101000800875 Homo sapiens Alpha-globin transcription factor CP2 Proteins 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000011056 performance test Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 238000001712 DNA sequencing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- RWQNBRDOKXIBIV-UHFFFAOYSA-N thymine Chemical compound CC1=CNC(=O)NC1=O RWQNBRDOKXIBIV-UHFFFAOYSA-N 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- 229930024421 Adenine Natural products 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 229960000643 adenine Drugs 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000006059 cover glass Substances 0.000 description 1
- 229940104302 cytosine Drugs 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000005350 fused silica glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001782 photodegradation Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000004927 skin cell Anatomy 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 229940113082 thymine Drugs 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
- G01M11/0257—Testing optical properties by measuring geometrical properties or aberrations by analyzing the image formed by the object to be tested
- G01M11/0264—Testing optical properties by measuring geometrical properties or aberrations by analyzing the image formed by the object to be tested by using targets or reference patterns
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0292—Testing optical properties of objectives by measuring the optical modulation transfer function
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/62—Optical apparatus specially adapted for adjusting optical elements during the assembly of optical systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- Optics & Photonics (AREA)
- Microscoopes, Condenser (AREA)
- Semiconductor Lasers (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
为了测试光学系统的成像性能,测试目标位于光学系统的物平面,并被照射以产生像束。从像束中获取测试目标的一个或多个图像。根据获取的成像数据,计算测试目标内多个位置处的边缘扩展函数。从边缘扩展函数构建点扩展函数的模型。基于点扩展函数,计算对应于多个位置的多个成像性能值。成像性能值基于包围矩形能量、包围圆能量或斯特列尔比。
Description
相关申请
本申请根据35U.S.C.§119(e)要求2019年8月7日提交的名称为“OPTICAL IMAGINGPERFORMANCE TEST SYSTEM AND METHOD”的美国临时专利申请序列号62/884,116的权益,该申请的内容通过引用整体并入本文。
技术领域
本发明总体上涉及对光学成像系统的成像性能的测试,例如可用于显微术以从被分析的样品中获取成像数据。
背景技术
在光学成像系统(包括在显微术中使用的自动化、高通量光学成像系统)中,获得的成像数据的质量的关键指标是获得的图像的清晰度。显微成像的许多应用(例如,在DNA测序中)依赖于尽管样本的焦点和倾斜不完美也能在一个或多个通道或相机的视场中产生均匀清晰图像的能力。光学成像系统的相机和其他光学部件相互之间以及与被成像样本的光学对准可以显著提高图像清晰度,从而提高所产生的成像数据的质量。因此,希望能够测试和评估光学成像系统的成像性能(即质量)。例如,确定光学成像系统是否满足或超过被认为对于光学成像系统的给定应用可接受的最低质量的某个预定水平是有用的。对于方便的制造和制造性能指标的计算,使用单个精确数字描述整个成像性能进一步有用。
由光学成像系统获取的图像可以表征为真实样本(或对象)[S(x,y)]和仪器响应函数(其在显微术中被称为点扩展函数(Point Spread Function)[PSF(x,y)])的混合。在数学上,图像I(x,y)是样本和PSF的卷积与每个像素处的噪声N(x,y)的总和,如下所示:
I(x,y)=PSF(x,y)*S(x,y)+N(x,y) (1)
对成像性能的评估可能涉及获取样本(其可以是测试目标,即为测试目的而提供的对象)的图像,使用成像数据来测量和量化PSF,并将结果与预定的最低通过标准进行比较。
希望使用单个标量数来描述PSF的质量。常用的指标有几个,例如实空间PSF的半最大值全宽(FWHM)或斯特列尔比、单频下的波前误差或调制传递函数(MTF)对比度、以及实空间量包围圆能量(Encircled Energy)或包围矩形能量(Ensquared Energy)。对每个量的测量的估计的准确度和精确度与用于计算它们的实验方法密切相关。每个的优缺点都与估计它们的准确度、易于解释性以及捕捉较差图像分辨率和较差图像信噪比(SNR)的能力有关。
上述等式(1)的经典公式没有反映PSF在图像场上变化的事实,这相当于说图像可能在中间清晰(高质量)而在边缘模糊(差质量)。接近受限衍射并针对弱源检测进行了优化的光学系统将具有在大约5x5像素区域中包含密度的紧凑PSF,这与通常更宽的图像(例如4096x3000像素图像)形成对比。小PSF可能在整个图像中发生很大变化,因此需要在整个视场中对PSF进行多次独立测量。除了改变场坐标(x,y)之外,PSF还受到z方向图像的焦点的强烈影响,并且高性能、高数值孔径(NA)物镜会因散焦而经历PSF性能迅速降低,也就是说,它们的景深较浅。衍射效应对景深设置了上限,但校正不良或对准不良的系统将经历更浅的景深。这样做的实际局限性很明显,因为光学质量低的系统可能需要多次重新聚焦才能在场的每个点都获得清晰的图像,从而导致差的系统吞吐量和潜在的样品光降解。
图像分析软件对图像的下游处理产生的结果会受到图像清晰度的强烈影响。高对比度带点对象的模糊图像经历重大的信噪比劣化和分辨率降低。例如,DNA簇的模糊图像会降低对核苷酸丰度进行准确测光的能力,减少可以观察到的小的不同簇的数量,并在相邻簇之间引入串扰。
图像处理算法可以通过执行多个显式步骤(使用众所周知的去卷积方法)或隐式步骤(例如对数据的选择性过滤)中的任一个来部分地减轻模糊图像。如果需要估计每张图像或每批图像的PSF劣化程度,这种方法会产生计算费用,并且估计PSF劣化本身会增加噪声。更快的方法假设PSF具有恒定的清晰度,但实际PSF和假设PSF之间的任何差异都会降低图像处理结果的质量。因此,输入图像的PSF同质性会影响图像处理算法的有效性。
现有的光学对准方法是劳动密集型的,并且努力获得描述整个光学系统性能的快速反馈,例如在波前测量的情况下,它们可能会准确快速地描述视场中的单个点,而忽略通知操作员他们的行为如何影响视场中的远处点。通过使用向直接操作员的快速预测反馈,可以降低与光学对准相关的制造劳动力成本。因此,系统性能的快速全局分析(提供具有0-5秒数量级延迟的反馈)将是有益的。
此外,对制造良率的分析(例如使用CpK工艺能力统计)需要将每个单元的质量估计为连续变量,理想情况下以便查看单个这样的变量来描述整个单元的构建。
因此,存在对用于光学成像系统的成像性能测试的改进方法的持续需求。
发明内容
为了全部或部分地解决上述问题和/或本领域技术人员可能已经观察到的其他问题,本公开提供了方法、过程、系统、装置、仪器和/或设备,如下面阐述的实现方式中的示例所描述的。
根据一个实施例,一种用于测试光学系统的成像性能的方法包括:将测试目标定位在光学系统的物平面上;操作所述光学系统以照射所述测试目标并产生像束;操作所述光学系统的调焦台以获取所述测试目标的对应于多个散焦值的多个图像;从每个图像计算所述测试目标内多个位置处的多个边缘扩展函数(Edge Spread Function);从边缘扩展函数构建相应的多个点扩展函数模型;以及基于所述点扩展函数模型,计算像平面所定义的通过一系列散焦位置挤出的成像体积内对应于所述多个位置的多个成像性能值,其中所述成像性能值基于以下指标中的至少一项:包围矩形能量;包围圆能量;或斯特列尔比。
在实施例中,照射测试目标需要用大于或等于被测光学系统的数值孔径(NA)来对测试目标进行背照射。
在实施例中,所述方法包括评估并描述成像性能值在成像体积上的分布和映射,或者另外包括基于这样的分布和映射来计算浓缩的总结得分。
根据另一实施例,一种光学成像性能测试系统包括:目标保持器,被配置为保持测试目标;光源,被配置为照射所述测试目标;成像设备,被配置为获取所述测试目标的图像;物镜,位于所述测试目标与所述成像设备之间的成像光路中,其中所述物镜的位置能沿所述成像光路调整;和控制器,包括电子处理器和存储器,并被配置为控制或执行用于测试成像性能的方法的至少以下步骤或功能:计算所述多个边缘扩展函数,构建所述多个点扩展函数模型,以及计算所述多个成像性能值。
在实施例中,光学成像性能测试系统包括定位在测试目标和成像设备之间的成像光路中的管透镜。
在实施例中,光学成像性能测试系统包括其他或附加的机械设备或部件,这些机械设备或部件被配置为允许成像装置的成角度取向和位置相对于彼此和相对于物镜被改变。
在实施例中,控制器被配置为控制或执行用于测试成像性能的方法的以下步骤或功能:评估并描述成像性能值在成像体积上的分布和映射,以及基于这样的分布和映射来计算浓缩的总结得分。
根据另一个实施例,一种非暂态计算机可读介质包括存储在其上的指令,这些指令当在处理器上执行时控制或执行用于测试成像性能的方法的至少以下步骤或功能:计算多个边缘扩展函数,构建点扩展函数模型,以及计算多个成像性能值。
根据另一实施例,一种用于测试光学系统的成像性能的系统包括计算机可读存储介质。
本发明的其他设备、装置、系统、方法、特征和优点在检查以下附图和详细描述后对于本领域技术人员将是或将变得是显而易见的。旨在将所有这些附加系统、方法、特征和优点包括在本说明书中,在本发明的范围内,并受到所附权利要求的保护。
附图说明
参考以下附图可以更好地理解本发明。图中的组件不一定按比例绘制,而是重点放在说明本发明的原理上。在图中,相同的附图标记在不同的视图中表示相应的部分。
图1是根据本公开实施例的光学成像性能测试系统的示例的示意图。
图2是根据实施例的光学成像性能测试系统的目标固定器的示例的示意性透视截面图。
图3A是根据实施例的光学成像性能测试系统的测试目标的示例的示意性平面图。
图3B是图3A中所示的测试目标的一部分的详细视图。
图4A是通过实现本文公开的系统和方法产生的真实的、合理清晰的点扩展函数或PSF(具有0.594的真实包围矩形能量值的PSF)的三维(3-D)模型的示例,其中强度级别是用颜色编码的,不同的颜色由不同级别的阴影表示。
图4B是与图4A相关的相同PSF的3-D模型的示例,其从线扩展函数乘线扩展函数(LSF x LSF)近似导出。
图4C是与图4A相关的相同PSF的3-D模型的示例,其中PSF模型拟合到边缘扩展函数(ESF)数据。
图4D是显示图4A的PSF模型和图4B的PSF模型之间的差异的3-D模型。
图4E是显示图4A的PSF模型和图4C的PSF模型之间的差异的3-D模型。
图4F是显示图4B的PSF模型和图4C的PSF模型之间的差异的3-D模型。
图5A是与图4A类似的真实的、相对清晰的PSF(具有0.693的真实EE值)的3-D模型的另一个示例。
图5B是与图5A相关的相同PSF的3-D模型的示例,其源自LSF xLSF近似。
图5C是与图5A相关的相同PSF的3-D模型的示例,其中PSF模型拟合到边缘扩展函数(ESF)数据。
图5D是显示图5A的PSF模型和图5B的PSF模型之间的差异的3-D模型。
图5E是显示图5A的PSF模型和图5C的PSF模型之间的差异的3-D模型。
图5F是显示图5B的PSF模型和图5C的PSF模型之间的差异的3-D模型。
图6A是真实的、相对模糊的PSF(具有0.349的真实EE值)的3-D模型的示例,其他方面类似于图4A。
图6B是与图6A相关的相同PSF的3-D模型的示例,其源自LSF x LSF近似。
图6C是与图6A相关的相同PSF的3-D模型的示例,其中PSF模型拟合到边缘扩展函数(ESF)数据。
图6D是显示图6A的PSF模型和图6B的PSF模型之间的差异的3-D模型。
图6E是显示图6A的PSF模型和图6C的PSF模型之间的差异的3-D模型。
图6F是显示图6B的PSF模型和图6C的PSF模型之间的差异的3-D模型。
图7A是各种PSF离焦的LSF x LSF近似准确度的图。
图7B是各种PSF离焦的EE拟合到ESF数据的准确度的图。
图7C是一个PSF离焦的EE估计准确度的图。
图8A是从图3A所示的测试目标的目标特征之一获取的图像的示例。
图8B是根据图8A的图像计算的ESF的示例。ESF已使用异常值拒绝进行了清理。
图9是将图8B的ESF拟合到由误差函数的线性组合组成的模型并从所得模型的系数计算EE的结果的示例。
图10是计算目标特征313的四个边缘的ESF、将ESF拟合到误差函数的线性组合、以及从对应的拟合计算四个独立的EE值的示例。
图11是图示根据本公开的实施例的用于测试光学系统的成像性能的方法的示例的流程图。
图12是图示根据本公开的实施例的图像的Z-堆叠的获取的流程图。
图13是图示根据本公开的实施例的对个体图像的处理的流程图。
图14图示了根据本公开的实施例的可以根据该方法生成的一组EE性能图的示例。
图15图示了根据本公开的实施例的可以根据该方法生成的组合的EE得分和性能图的示例。
图16是可以是根据本公开的实施例的光学成像性能测试系统(例如图1所示系统)的一部分或与之通信的系统控制器(或控制器)的非限制性示例的示意图。
具体实施方式
本公开提供一种用于测试光学成像系统的成像性能的系统和方法。
图1是根据本公开的实施例的光学成像性能测试系统100的示例的示意图。通常,光学成像性能测试系统100的各个部件的结构和操作是本领域技术人员已知的,因此在此仅简要描述为理解所公开的主题所必需的。出于说明目的,图1包括笛卡尔(X-Y-Z)参考系,其原点相对于绘图是任意定位的。
通常,测试系统100包括被测光学系统104、测试目标台组件106和与光学系统104和测试目标台组件106的适当部件电通信(根据需要,例如用于传输功率、数据、测量信号、控制信号等)的系统控制器108。光学系统104可以是待测试的实际光学系统,例如旨在用于商业可用性的产品。替代地,光学系统104可以是由测试系统100支撑或安装到测试系统100(例如,在测试系统100的光具座上)的组件集合,并且被布置为模拟实际光学系统(例如,组件被定位并确定彼此之间的距离和方向,并根据预期的操作配置彼此对准)。
通常,光学系统104可以是被配置为获取待分析的对象或样品的光学图像的任何系统(或仪器、设备等)。这样的样品可以是生物的(例如,孢子、真菌、霉菌、细菌、病毒、生物细胞或细胞内成分例如核酸(DNA、RNA等)、生物衍生的颗粒,例如皮肤细胞、碎屑等)或非生物的。通常,光学系统104被配置为获取具有一定放大倍率范围的光学图像,因此可以是一种类型的显微镜(或其一部分)。光学系统104可以包括或可以不包括被配置为保持测试目标116(代替在实践中将被成像的样品)的目标保持器112(例如,样品台或样品台的仿真)。在目标保持器112是分离的情况下,通常可以提供机械基准160以允许以精确定位的方式附接目标保持器112。光源120被配置为照射测试目标116,并且光源120可以是或可以不是被测光学系统104的一部分。一个或多个成像设备124和128(例如,在所示实施例中的第一成像设备124和第二成像设备128)(例如相机)被配置为捕获测试目标116的图像。光学系统104还根据需要包括其他中间光学器件(光学部件),以定义从光源120到目标保持器112和测试目标116(并通过所示实施例中的测试目标116)的照射光路,以及从目标保持器112和测试目标116到成像设备124和128的成像光路,如本领域技术人员所理解的。
特别地,光学系统104通常包括位于目标保持器112和测试目标116与成像设备124和128之间的成像光路中的物镜132。物镜132被配置为将像放大并聚焦到由成像设备124和128捕获。在无限远校正显微镜光学器件的可选情况下,物镜132与管透镜152和156结合执行此任务。在所示实施例中,物镜132示意性地描绘了包括安装到物镜台(或定位设备)的物镜系统的物镜组件。物镜台被配置为沿Z轴移动(平移)物镜系统。因此,根据测试目的的需要,物镜132是可调整的,以在测试目标116的厚度中的任何期望深度(高度)处聚焦或散焦。因为物镜132可以聚焦在不同的高度,所以可调整性使得光学系统104能够生成图像的“z-堆叠”,如本领域技术人员所理解的。替代地,物镜132可以固定在空间中并且样本可以沿z方向移动以改变焦点。替代地,物镜132和样本可以保持在适当的位置并且管透镜152和156可以相对于成像设备124和128移动。
在本示例中,Z轴被认为是通过测试目标116的光轴(从图1的角度来看是垂直的),照射光路和成像光路通常位于其上,并且物镜132沿着该光轴可调整以对焦和散焦。因此,X轴和Y轴位于与Z轴正交的横向平面内。因此,可以使用(X,Y)坐标来映射物平面上测试目标116被目标保持器112固定的位置,并且可以将深度(焦点位置)映射到Z坐标。
在所示实施例中,光学系统104具有顶部读取配置,其中物镜132位于目标保持器112和测试目标116上方。在替代实施例中,光学系统104可具有倒置或底部读取配置,其中物镜132位于目标保持器112和测试目标116下方。光学系统104可以被配置为捕获来自测试目标116的透射光或反射光。在图示的实施例中,光学系统104被配置用于透射照射,使得照射光路和成像光路位于目标保持器112和测试目标116的相反侧。在替代实施例中,光学系统104可以被配置为使得照射光路和成像光路在目标保持器112和测试目标116的同一侧。例如,物镜132可以定位在照射光路和成像光路中,例如本领域技术人员所理解的落射照射或落射荧光配置。
光学系统104可以包括目标固定器或组件136,目标保持器112是其一部分。目标保持器112被安装、附接或以其他方式机械地参考目标台(或定位设备)140。精确基准160可用于将光学系统104与测试目标台组件106配合。目标台140可被配置用于通过电动或非电动(以及自动和/或手动)致动而以已知方式精确移动。目标台140可被配置为沿一个或多个轴平移和/或绕一个或多个轴旋转。例如,目标台140可以被配置用于具有五个自由度(DOF)的移动,其中目标台140缺乏沿着Z轴移动的自由(缺乏聚焦移动)。在照射光从目标保持器112下方引导的实施例中(如图所示),目标保持器112可以包括窗口或孔口188以使得照射光能够通过,并且测试目标116可以安装在这样的窗口或孔口上。
光源120可以是适用于光学显微术的任何非相干光源。相比之下,相干源会产生与当前分析方法不兼容的ESF。非相干光源120的示例包括但不限于宽带光源(例如卤素灯、白炽灯等)、发光二极管(LED)或由LED光泵浦的磷光体类型材料、激光、白炽灯等。在一些实施例中,光源120可以包括被配置为发射不同波长的光的多个发光单元(例如,LED),以及被配置为使得能够选择发光单元以在特定时间活跃的机制。在图示的实施例中,光源120与目标固定器136集成(并因此与其一起移动)并且沿Z轴定位在距目标保持器112和测试目标116固定距离处。在其他实施例中,光源120可以与目标固定器136分开。在一些实施例中,聚光器(未示出)可以定位在光源120与目标保持器112和测试目标116之间,用于聚集来自光源120的照射光,以增强测试目标116的照射,如本领域技术人员所理解的。照射光线的角度、特别是照射光线的数值孔径(NA)和辐射强度的均匀性将影响测量PSF的准确度。理想的光源的NA小幅度超过光学系统的物空间NA,并且在所述角度方面表现出均匀的辐射强度。
成像设备124和128是多像素(或像素化)成像设备,其中传感器是像素阵列(例如,基于电荷耦合器件(CCD)或有源像素传感器(APS)技术)。因此,成像设备124和128可以是显微术和其他成像应用中常用的类型的相机。在所示实施例中,成像设备124和128中的每一个示意性地描绘了包括安装到成像设备台(或定位设备)的成像设备单元(包括传感器,即像素阵列)的成像设备组件。每个成像设备台可以配置为用于六个DOF运动,即沿所有三个(X、Y和Z)轴平移和旋转。
成像设备124和128可以相对于彼此以任何标称角度和距离定位。在所示实施例中,第一成像设备124与物镜132同轴定位(沿Z轴),第二成像设备128定位在与Z轴成角度(在所示实施例中为90度)的轴上(在所示实施例中的X轴上)。光学系统104包括位于物镜132和第一成像设备124之间的轴上的像分离镜144(例如,分束器或二向色镜)。像分离镜144被配置为将从测试目标116传播的像束分为沿着从像分离镜144(经由通过像分离镜144的透射)到第一成像设备124的第一分离成像光路传播的第一像束部分,以及沿着从像分离镜144(经由从像分离镜144的反射)到第二成像设备128的第二分离成像光路传播的第二像束部分。将像束分离或分成第一像束部分和第二像束部分可以基于在电磁谱操作范围内的波长(即颜色)。例如,第一像束部分可以是像束的蓝色部分,而第二像束部分可以是像束的红色部分。
在图示的实施例中,光学系统104可以包括位于物镜132与成像设备124和128之间、或具体地物镜132与像分离镜144之间的成像光路中的滤光器组件148(即,波长选择器)。在图示的实施例中,滤光器组件148可以代表安装到滤光器台的多个滤光器,该滤光器台被配置为通过线性平移(例如,滤光滑块)或旋转(例如,滤光轮)选择性地将不同的滤光器切换到成像光路中和从成像光路中切换出,如图1中的双头水平箭头所示,从而能够选择要通过成像设备124和128分别接收的像束部分的波长。
滤光器组件148可用于实现多通道成像,每个通道与不同的波长(即颜色)相关联,并且每个成像设备124和128用于一个或多个通道。作为一个非排他性示例,光学系统104可以被配置为在四个通道(例如,蓝色、绿色、红色和琥珀色)中获取图像,其中第一成像设备124被指定用于通道中的两个(例如,蓝色和绿色),并且第二成像设备128被指定用于其他两个通道(例如,红色和琥珀色)。滤光器组件148的切换(定位)可以根据需要与成像设备124和128以及光学系统104的其他部件的操作相协调,以在四个通道中顺序采集图像。在一个具体示例中,四通道配置可用于DNA测序,其中不同的荧光标记已与被分析样品中的不同核碱基(腺嘌呤、胞嘧啶、鸟嘌呤、胸腺嘧啶)相关联。
取决于被测实施例,光学系统104还可包括照射光路和/或成像光路中的一种或多种其他类型的光学部件。示例包括但不限于场透镜、中继透镜、束扩展器、束准直器、孔径、狭缝、针孔、共焦盘等。在所示实施例中,光学系统104包括位于像分离镜144和第一成像设备124之间的第一分离成像光路中的第一管透镜组件152,以及位于像分离镜144和第二成像设备128之间的第二分离成像光路中的第二管透镜组件156。在图示的实施例中,第一管透镜组件152可以代表安装到管透镜台的第一管透镜,该管透镜台被配置为沿着第一分离成像光路的轴调整(平移)第一管透镜内的元件的相对位置,如图1中的双头垂直箭头所示。第二管透镜组件156可以代表安装到管透镜台的第二管透镜,该管透镜台被配置为沿着第二分离成像光路的轴调整(平移)第二管透镜内的元件的相对位置,如图1中的双头水平箭头所示。可调整管透镜可用于实现无限远校正光学器件,如本领域技术人员所理解的。
光学系统104可以包括合适的参考基准,其被配置为用作用于定义光学系统104的各种可调整部件(例如目标保持器112/测试目标116、物镜132等)的位置的参考基准。在所示的实施例中,光学系统104的固定位置结构(例如容纳光学系统104的各种部件的外壳160的表面)可以用作参考基准。
通常,系统控制器(或控制器)108被配置为控制光学系统104的各个部件的操作。该控制包括监视和控制(调整)光学系统104的可调整部件的位置,以及协调或同步可调整部件与诸如光源120和成像设备124和128的其他部件的操作。系统控制器108还被配置为处理由成像设备124和128输出的成像数据(例如,数据采集和信号分析,包括数字化和记录/存储图像,格式化图像以在显示设备(如计算机屏幕等)上显示)。系统控制器108还被配置为根据本文公开的方法运行对光学系统104的性能测试,包括执行与该方法相关联的任何算法。系统控制器108还被配置为根据需要提供用户界面以促进对光学系统104的操作和性能测试的实现。对于所有这些功能,系统控制器108在图1中被示意性地描绘为包括与光学系统104通信的电子模块164和与电子模块164通信的计算设备168。电子模块164和计算设备168将如本领域技术人员所理解的那样,应理解为代表适用于执行所有这些功能的所有硬件(微处理器、存储器、电路、外围设备等)、固件和软件组件。
在实施例中,电子模块164可以代表专用于控制光学系统104和运行性能测试的组件,而计算设备168可以代表更通用的计算设备,其可配置或可编程以与电子模块164接口以便于控制光学系统104和运行性能测试。系统控制器108(电子模块164和/或计算设备168)可以包括非暂态计算机可读介质,其包括用于执行本文公开的方法的非暂态指令。系统控制器108(电子模块164和/或计算设备168)可以包括提供总体控制的主电子处理器,以及配置用于专用控制操作或特定信号处理任务的一个或多个电子处理器。系统控制器108(通常至少是计算设备168)可以包括一种或多种类型的用户接口设备,例如用户输入设备(例如,键盘、触摸屏、鼠标等)、用户输出设备(例如,显示屏、打印机、视觉指示器或警报、声音指示器或警报等)、由软件控制的图形用户界面(GUI),以及用于加载电子处理器可读介质的设备(例如,体现在软件、数据等中的非暂态逻辑指令)。系统控制器108(通常至少是计算设备168)可以包括用于控制和管理系统控制器108的各种功能的操作系统(例如,Microsoft软件)。
应当理解,图1是本文公开的光学成像性能测试系统100的高级示意图。如本领域技术人员所理解的,根据实际实现的需要,可以包括诸如附加结构、设备和电子设备之类的其他部件,这取决于测试系统100如何针对给定应用进行配置。
图2是根据实施例的目标固定器136的示例的示意性透视截面图。目标保持器112可以包括目标支撑块172、夹板176和一个或多个紧固件180。在其中光源120(在所示示例中为LED)与目标固定器136集成在一起的所示实施例中,目标固定器136可以包括安装构件184,用于支撑和包围光源120(并且可选地用作散热器)。安装构件184可以是目标支撑块172的一部分或附接到目标支撑块172。目标支撑块172包括用于支撑测试目标116的环形肩部和设置在测试目标116和光源120之间的任何合适的光学器件(例如,窗口188)。在将测试目标116安装到目标支撑块172之后,盖玻片(或盖片)192可以放置在测试目标116上。作为一个示例,盖玻片192可以具有500±5μm的厚度。然后使用紧固件180(例如,可以是与目标支撑块172的螺纹孔接合的螺钉)将夹板176(其可以配置为弹簧)固定到目标支撑块172以将测试目标116和盖玻片192固定在目标固定器136中的固定位置。
图3A是根据实施例的测试目标116的示意性平面图。测试目标116可以是或包括由暗(吸光)材料309和设置在暗材料309上(或与其集成)的亮(反光)目标特征313的二维阵列(图案)组成(或至少包括由其组成的外表面)的平面几何形状(例如,板形)的基板。在本上下文中,术语“暗”和“亮”是彼此相关的。即,对于使用反射光照射的实现方式,暗材料比目标特征313更暗(更吸光),并且目标特征313比暗材料309更亮(更反光)。对于以透射光照射为特征的实现方式,更暗的材料更吸光,而更亮的材料透射光的效果更好(更透光)。目标特征313优选地是多边形,从而提供显示亮特征313和周围暗材料309之间的对比度的边缘。特别地,目标特征313可以是直线组成的(方块或矩形)。在实施例中并且如图所示,目标特征313在测试目标116的平面(正交于光轴的平面)中相对于水平和垂直方向倾斜(旋转),特别是相对于成像设备124和128的像素阵列。这在图8A中进一步示出,图8A是在成像设备124和128的像素阵列上实现的测试目标116的一个部分的详细视图。
在非排他性示例中,暗材料309是熔凝石英基板(或者是其一部分),并且目标特征313是设置在基板上的图案化铬层。目标特征313的阵列是具有42μm边缘的14x10方块阵列。目标特征313在图像的长轴上间隔开(中心到中心)92μm,在图像的短轴上间隔开94μm。目标特征313相对于光轴倾斜100mRad(约5.73°)。图像在暗场中的亮度为19%。铬指向物镜。
测试系统100可用于执行测试光学系统104的成像性能的方法。根据该方法,测试目标116通过该测试目标116被固定在目标保持器112中而定位在光学系统104的物平面处。可以对各种可调(在台上的)光学部件(例如,目标保持器112、物镜132、管透镜152和156、成像设备124和128等)的定位进行初始调整。此外,可以通过调整滤光器组件148来选择要传递到成像设备124和128的波长。然后光源120被激活以产生照射光以照射测试目标116,从而导致从测试目标116发射的光成像。成像光由物镜132和管透镜152和156聚焦为像束部分,并(由像分离镜144分离)去往相应成像设备124和128的像素阵列上,以获取来自相应像束部分的测试目标116(在物镜132的视场内)的图像。然后成像数据从成像设备124和128被传送到系统控制器108进行处理。
根据该方法,成像数据被用来计算测试目标116内的多个位置处的多个边缘扩展函数。然后从计算的各个边缘扩展函数构建点扩展函数的模型。从这些点扩展函数,然后计算包围矩形能量EE的多个(估计)值。替代地或附加地,可以计算包围圆能量和/或斯特列尔比。
从倾斜边缘目标进行清晰度(包括包围矩形能量)估计
在实施例中,该方法需要使用所选择的基组拟合实验边缘扩展函数(ESF),使得拟合参数可以用于创建点扩展函数的模型。从该模型中,可以导出各种清晰度度量。
清晰度度量定义
包围矩形能量
对于以点(x=0,y=0)为中心的给定PSF(x,y),包围矩形能量是落在以同一点为中心的面积a的方块内的PSF部分:
包围圆能量
对于以点(x=0,y=0)为中心的给定PSF(x,y),包围圆能量是落在以同一点为中心的半径r的圆内的PSF部分:
斯特列尔比
对于给定的PSF,斯特列尔比是归一化PSF的最大值(这里假设发生在(x=0;y=0)处)与完美的、衍射受限的PSF的最大值之比。在圆形光瞳的情况下,衍射受限的PSF是艾里斑,并且斯特列尔比为:
0<Str.≤1 (5)
线扩展函数(LSF)和边缘扩展函数(ESF)
测量PSF的一种方法是将背光孔阵列成像为点源,孔的直径显著小于艾里斑,并且孔之间的间距足够大,以至于来自相邻点源的PSF重叠到不明显的程度。这种方法的挑战涉及在高OD目标背景下精确制造这种微小特征(尤其是在测试高NA显微镜时)以及PSF在二维中衰减为1/r2并且合法信号迅速落入噪声的事实。即使当前可用的传感器具有超过70dB的动态范围和10,000e-1全井深,也可能无法识别距离PSF中心几个像素处的PSF密度,并且该区域的密度可能会迅速降低系统信噪比(SNR)。替代实验协议涉及量子点或单个荧光团的稀释单分散涂层的荧光照射,这可以生成可靠的点源,但仍会成为与孔目标相同的SNR约束的受害者。
常见的解决方案是使用扩展边缘目标而不是针孔,所谓的倾斜边缘系列方法通常用于生成调制传递函数(MTF)测量。这样的目标利用线对称性来查看点扩散函数的一维投影,称为线扩散函数(LSF):
由于LSF衰减为1/r,因此对LSF的分析能够更好地捕捉距中心几个像素处的PSF的扩展密度。不是使用针孔来测量PSF,而是使用边缘来测量LSF,由此产生的实验曲线称为边缘扩展函数(ESF)。边缘可以与成像系统的轴对准或倾斜。首先,考虑与y轴对准的边,它由传输函数E(x,y)描述:
此图像是PSF与E(x,y)的2-D卷积或等效的LSF(x)与E(x)的1-D卷积:
从概念上讲,根据以下关系可以直接找到LSF(x)作为观察到的ESF(x)的导数:
然而,实际上噪声数据的数值微分会产生不希望的噪声水平。相反,根据本公开的方面,等式12直接如下所述拟合。
使用可分离函数进行PSF的近似
虽然测量LSF比测量PSF更稳健,但最终目标是了解PSF。从沿正交方向记录的两个1-D LSF重建完整的2-D PSF在形式上是不可能的。相反,根据本公开的一方面,该方法(例如,可以体现在由控制设备执行的软件中的算法)如下计算PSF的近似:
c=∫PSF(x,y)dxdy (15)
该假设在两种情况下是不能容忍的:(1)需要非常精确的校正良好的PSF模型,例如查看艾里斑中零点的位置;(2)评估中的PSF远非完美(>1/4波RMS波前误差)并且包含甚至不关于y或x轴的大量不对称性,例如在场的对角线角处经历的彗差,其中|y|~|x|。
LSF x LSF近似的有限精度在图7A中进行评估(各种PSF离焦的LSF x LSF近似精度)。为了进行分析,将几个已知PSF的集合投影到水平和垂直LSF中,并使用等式14从它们的外积重新计算近似PSF。计算了原始和近似PSF跨2x2像素区域的包围矩形能量(EE4)。原始PSF是从高NA显微镜系统的几个场点的实验波前误差测量中获得的真实世界PSF。对于九个波前误差测量中的每一个,通过在跨光瞳积分以获得像空间PSF之前添加散焦项来生成31个PSF。对于更清晰的PSF,LSF x LSF近似始终低估实际PSF的EE约0:05,但这样做的方式足够精确,使得可以执行使用多项式拟合或其他插值方法的经验校正以恢复精度。对于更模糊的PSF,LSF x LSF近似与真实PSF之间的平均对应关系更好,但精度低于EE<0.1的均值。尽管模糊PSF的相对精度较差,但模糊PSF被明确地识别为这样,并且不会与清晰的PSF混淆。
总体而言,该近似足够精确以能够将被测系统与PSF清晰度规格进行有意义的比较。
在详细描述ESF拟合过程之前,描述像素化输入数据的形式并触及与图像配准相关的实际问题是有帮助的。
倾斜边缘目标
倾斜边缘目标的图像是用于该方法的PSF拟合的唯一数据源,其中边缘被布置在方块的阵列中,每个方块具有四个边缘。倾斜边缘ESF目标的使用已经很好地建立起来。考虑单个边缘的ESF,可以提取以边缘为中心的数据区域,并继续处理边缘任一侧任意数量的像素,其中长度足够长以捕获合理模糊PSF的整个ESF并且还为图像的全暗和全亮部分提供了对基线强度水平的良好估计。对于倾斜边缘目标,可以组合多个ESF,例如,如果边缘大部分是垂直的,但具有1/a弧度倾斜,其中a的值约为10,则可以收集图像的相邻行的集合并池化,使得每个边缘包含ESF的唯一副本,相对于相邻行移位1/a像素。然后,所得的ESF可以一起被查看,并在x上移位(行高)/a以对准每个ESF转换的中点。
该数据集以1/a像素的间隔对ESF进行采样,但本身并没有增加分辨率,因为在特定像素处的每次观察仍然是像素有效区域上的平均值。对于所采用的特定传感器,可能不知道除间距之外的像素有效区域和几何形状。像素有效区域假定为100%填充因子。因此,观察到的垂直倾斜ESF周围的图像将被建模如下:
在当前的实践中,将a=10的倾斜边缘目标的跨越32像素(边缘任一侧16像素)的64行图像池化在一起以进行分析。基于离所有行一起的中值的距离,异常值拒绝消除了四分之一的行,距离被计算为l2范数。
图像配准
粗图像配准
通过首先计算图像中心在垂直和水平方向上的投影的单频傅立叶变换来识别边缘。傅立叶变换的相位被用于通过使用目标的已知尺寸来估计图像的整体位移,假设标称放大倍数。
图像被分成相邻的瓦片,并且每个瓦片在x上的质心和每个瓦片在y上的质心与每个瓦片的均值一起被计算出。根据FFT的粗移位,图像的每个方块的大致位置已经足够清楚,然后根据预先计算得到的质心值来计算每个方块的质心,从而提供对每个方块的位置的早期估计。
方块(x;y)坐标的全局集合被拟合到旋转、平移和放大的线性模型,以基于全局模型来生成对方块位置的修正估计。
精细图像配准
通过识别四个边缘的中心并对位置信息求平均来精确定位每个方块。通过计算沿每一行的数值导数并对结果求立方以识别边缘,然后使用该乘积作为质心计算的权重来估计边缘沿行坐标的位置,来计算到垂直边缘的拟合。边缘坐标和行号的集合被使用中值方法的稳健统计中值而拟合到斜率和偏移的线性模型。对所有四个边缘重复该技术,对于水平边缘,交换行和列。边缘偏移的集合用于估计方块的中心,斜率的中值用于计算用于倾斜边缘计算的方块的旋转角度。
然后将方块的精细配准拟合值再次拟合到整个图像平移、旋转和放大的全局模型。其结果用于计算多相机系统中两个相机的相对方向,特别是相对图像平移Δx;Δy和旋转θ。放大倍数参数用于计算每个图像的整体放大倍数。可以通过修改拟合函数以包括特定的失真模型或通过共同地分析指定特定失真模型的模型的拟合残差来计算失真,例如没有失真。
将PSF模型拟合到ESF数据
根据本公开的实施例,如下所述,可以利用若干方法来获取ESF数据并创建与LSFx LSF近似(等式14)一致的PSF。
直接外积
LSFx(x)和LSFy(y)可以直接从垂直和水平ESF数据的数值导数计算得到(等式13),并且可以取外积。生成的矩阵将利用因子a对PSF过采样,其中边缘被倾斜1/a弧度,并且可以通过积分对图像进行下采样以生成PSF的像素化版本。
然而,在另一个实施例中,由于若干原因,不使用该方法。首先,它没有提供太多的数据平均,并且对数值导数中的噪声敏感,此噪声通常很高。其次,这是对像素化PSF的估计,而设计规范和测试经常地参考作为常见光学建模软件的输出的非像素化PSF。
对ESF进行插值
数值导数的噪声可以通过将ESF拟合到N个具有已知导数的平滑连续函数来降低,其中N小于实验ESF中的总数据点的数目。
这有对于噪声而言是有帮助的,但与现有方法一样,它不直接拟合到非像素化PSF。
将ESF拟合到PSF模型
将ESF拟合到平滑函数的改进是首先假设PSF的特定模型,表示为PSFa,然后使用该模型导出ESF的解析表达式。其关键是PSF模型在x和y方面是可分离函数。使用对数性间隔的反宽度bi来选择高斯基组,但原则上可以使用其他基组。
其中(x,y)是测试目标116内物平面上点的场坐标,Ng是用于构成用于对PSF建模的基组的高斯的数目,ai是一组系数,权衡每个高斯i在等式20的模型中的贡献,并且bi与每个高斯的宽度的平方反比成比例。
然后可以根据系数直接计算非像素化ESF:
其中erf(x)是高斯误差函数,即每个高斯的定积分,并且通常在数值库中可得到。
像素化ESF可以通过对非像素化ESF的数值积分计算得出:
注意,用于拟合LSF的拟合函数关于x0对称,使得LSFx(x-x0)=LSFx(x0-x)。这种对称性不是严格必要的,但被用来减少拟合空间并增加上升ESF与下降ESF(即来自方块右侧的ESF与来自方块左侧的ESF)的等效性。ESF的上部拟合区域和下部拟合区域在统计上有很大不同,因为来自高增益传感器的图像是受限散粒噪声计数过程,并且在绝对意义上,ESF数据较低、较暗部分的方差低于ESF数据顶部的方差。如果使用每个ESF数据点的信号电平(以光电子为单位)作为等效于其方差的权重来执行对ESF的加权线性最小二乘拟合,这将导致对具有关于原点不对称的LSF的PSF的左ESF和右ESF的不同拟合。
替代算法可以在等式20中利用不同基组,等式20忽略此处使用的显式对称性。这样的基组可以是通常用于插值的函数,例如B样条函数、多项式函数或其组合,例如等式20中采用的高斯函数,以及奇次幂多项式或变化频率的余弦函数,以允许拟合非对称LSF。上升ESF和下降ESF(例如方块的左边缘和右边缘)的同时线性最小二乘拟合可以使用散粒噪声导出的权重来将非对称LSF拟合到非对称基函数。
数值拟合
实践中,使用线性最小二乘法拟合图像数据。QR分解用作已知DGELS LAPACK(线性代数包)例程的一部分,如在INTEL MKL Math内核库中实现的。使用设计矩阵D拟合图像数据Img以获得拟合系数Ai。存在D的若干预先计算的版本,使用九个不同的偏移量x0以及每行数据将使用D的与x0值对应的行,该x0值最接近数据的x0值。
Img=DX (29)
dim[D]=(ND,Ng+1)=(32,7) (30)
fH=4 (32)
s=0.4 (33)
拟合系数X[0]表示由于背景噪声和测试目标的渗漏引起的图像的基线强度。如果拟合的数据是导致ESFx(x)的垂直边缘,则系数X[1];X[2];:::;X[Ng]表示等式20中的系数ax;1,ax;1,:::,ax;Ng。如果拟合的数据是导致ESFy(y)的水平边缘,则系数X[1],X[2];:::;X[Ng]表示等式20中的ay,1;ay,1;:::;ay,Ng。
重建PSF模型并计算清晰度
PSF的模型可以从前一部分中获得的拟合系数ai重建。几个不同的模型代表不同的知识水平。最完整的模型使用等式20组合垂直LSF和水平LSF并且包围矩形能量可以直接从系数总和的简单乘积计算得到。
下面讨论该方法的准确度。
同样可以通过在数字上评估等式3和20来计算包围圆能量。斯特列尔比采用简单的形式:
替代的简单PSF模型
虽然PSF基本上是2-D概念,但表达PSF的EE是有用的,该EE是在假设垂直LSF和水平LSF相同的情况下确定的。这些用途包括通过将最大化从水平ESF估计的EE的焦点位置与最大化从垂直ESF估计的EE的焦点位置进行比较来寻找图像的像散。为此,采用了具有非常有限数量的拟合系数ai的简单PSF模型。
(40)
这种形式的数据反馈是执行系统对准的主要方法,并且已经证明在操作中非常稳健。
等式37的模型被选择为相对于x和y是可分离的,这样可以从仅包含有关一维LSF的信息的ESF数据中获得PSF的2-D重建。因此,该模型可能无法表示由高度像差或散焦系统导致的复杂PSF,但足以描述补偿良好且对焦系统的PSF。可以进一步修改ESF以通过检测器MTF的贡献来反映PSF的退化,在最坏的情况下,这是通过在每个像素的整个长度上对等式38的准确ESF求平均值来实现的。
数据拟合(例如基于线性最小二乘回归)通过对照实验数据拟合等式38来执行以获得系数ai。PSF模型是通过使用从拟合中获得的ai值评估等式37来构建的。然后通过在方块区域上积分等式37以获得等式40来分析计算EE值。
算法的准确度
使用具有已知PSF的合成图像,使用用于评估LSF x LSF近似精度的相同真实世界PSF,评估整个算法的准确度。然后将PSF与无限清晰的测试目标的图像进行卷积。卷积表示具有10x14斜方块的网格的理想的无噪声图像。这些方块提供了测试多样性,因为它们不能相互叠加,这是因为每个方块相对于相机像素网格的放置在子像素级别上有所不同,具体取决于方块中心所在的位置。为了理解散粒噪声对数据的影响,首先对图像进行缩放以匹配目标实际图像中的强度,并添加基线以添加系统背景强度和测试目标渗漏的影响。缩放的图像以光电子为单位表示。通过从专门为每个像素计算的分布中对每个像素的强度进行采样,从该缩放图像创建散粒噪声采样图像。散粒噪声泊松分布近似为正态分布,其均值对应于缩放图像的均值,方差也等于图像的均值。通过使用每216-1个图像计数10,550个光电子的缩放因子,图像最终被缩放到作为16位TIFF的高位的12位深度。
在每个图像被创建之后,它通过完整的分析管线运行以使用等式35估计每个方块的包围矩形能量。此外,PSF的模型是根据拟合系数ax;i和ay;i创建的,以便进行直接比较。图4A-4F显示了具有0.594真实EE的合理清晰PSF的结果。PSF的3-D图描绘了真实PSF(图4A)、从LSF x LSF近似得出的PSF(图4B)、最后是从分析合成图像并拟合ESF数据中恢复的PSF模型(图4C)。三个PSF之间的差异如图4D-4F所示,使用了相同的垂直标度。正如预期的那样,PSF模型与LSF x LSF近似非常相似。注意,底部真实PSF的密度在图的右前方比在图的左前方下降得更快。LSF x LSF模型保留了该属性,并且来自ESF数据的PSF模型也忠实地恢复了该属性。LSF x LSF近似会导致对峰值的低估和对从峰值发出的水平行和垂直列的高估。这会导致对真实EE的低估,并且鉴于近似是不可避免的。当从上方观察PSF时,这会导致典型的“+”形PSF模型。尽管如此,LSF x LSF模型的忠实重建和仅根据拟合系数ax;i和ay;i准确计算EE表明ESF拟合过程按预期运行。
以相同的方式拟合两个附加的PSF,如图5A-5F和6A-6F所示,它们分别描绘了清晰和模糊的PSF。注意,正如预测的那样,LSF x LSF模型没有充分捕捉到模糊PSF的不对称性。
使用图7A中使用的相同PSF,对在三十一个不同焦点位置范围内计算的九个不同实验PSF重复合成图像分析。图7B显示了使用等式35估计的EE相对于已知起始PSF的EE的散点图。散点图的每个点代表由10x14个方块组成的图像,每个方块独立采样,期望当呈现多个在子像素布置方面不同的方块时,它们将产生相同的EE估计以及由散粒噪声和算法错误(如果有的话)产生的噪声。误差棒代表所有140次测量的标准偏差。点在不同位置表现出自然聚类,这是由于PSF生成在每个PSF的最佳焦点周围创建一系列类似的PSF。
EE被算法低估,这是在给定核心LSF x LSF近似的情况下预期的。EE估计预期应与LSF x LSF近似完全匹配,但在这种情况下,它们略有升高。虽然这确实使整体估计更加准确,但它也提供了提高ESF拟合和EE估计数值方法性能的机会。
图7B中EE估计的准确度对于仪器测试的目的是完全可以接受的,并且证明本文公开的方法采用的基本方法能够生成可用数据和有用的测试平台。
算法的精度
根据图7B中EE估计的相对严格的标准偏差判断,算法的精度是可接受的。然而,将反馈用于光学对准提出了额外水平的要求,而不仅仅是严格的标准偏差。在执行优化时,通常会对系统产生很小的扰动,重要的是反馈信号不会作为调整变量的函数来回跳跃。图7C是EE与焦点位置的关系图,说明算法为散焦扰动提供了非常平滑和可预测的响应曲线。虽然红线和黑线(或分别为圆形和三角形数据点)之间的距离表明EE被低估,但它被系统地且一致地低估,并且该方法的不准确性不会随着散焦位置从点到点的变化而失控地跳跃。因此,这条曲线适用于更高级别的解释和拟合,例如以确定EE最大化的散焦位置。
上面注意到,可以利用替代的基组来近似LSF,包括允许拟合不对称LSF的基组。如果使用此类方法,它们可能会产生比图7B中所示的更好的精度。然而,有必要验证图7C形式的响应曲线对于优化使用足够平滑。未经证实的问题是,使用大量拟合参数会损害平滑度。然而,这个假设仍然未经检验,更高准确度的模型可能会不同于预期,实际上会平滑或更平滑。
EE得分
包围矩形能量(EE)值可以用作被测光学系统104的成像性能的指标。用户可以对系统的光学部件进行初始设置或调整(例如,部件之间以及部件与测试目标116之间的对准)。用户然后可以根据这里描述的方法运行对光学系统104的测试。基于测试结果,用户可以确定是否应进行进一步调整以改进结果(例如,进一步优化对准和聚焦)。在进行任何进一步的调整后,用户可以再次运行测试。测试和调整的迭代可以继续,直到结果被认为是可接受的。
如果图像中的所有场点都超过预定的最小阈值EE值(例如,EE>0.51),则可确定光学系统104已成功通过成像性能测试。然而,仅基于是否所有EE值都通过来评估成像性能在某些情况下可能被认为是不利的。在光学系统104表现出一些暗点但在其他情况下是清晰(高图像质量)系统的情况下,这种方法可能是棘手的。此外,由于在对准过程的进展中不断评估光学性能,因此使用阈值产生的不连续性使得阈值方法难以用作优选连续指标的优化过程(例如,对准激光功率,或对准最小均方根(RMS)波前误差),并且阈值效应可能不利于制造良率计算。
为了克服上述潜在缺点,在本公开方法的进一步实施例中,基于EE值计算EE得分ES。EE得分用单个连续变量描述整个场,该变量需要超过(或达到或超过)预定的最小阈值才能通过成像性能测试。例如,EE得分可被加权,使得ES≥100是通过得分。EE得分有两个组成部分:<EE>是在指定景深上的所有场点中观察到的所有EE值的空间平均值;并且重叠积分EO测量不同成像通道(例如,对应于图像被过滤成的四种颜色的四个通道,其中在所示实施例中,两个成像设备124和128结合可调滤波器组件148使用以各自在四个通道中的两个通道中获取图像)之间EE的一致性。如果清晰和模糊区域在场位置(x,y)和焦点位置(z)上重合,则奖励EO。如果四个通道不一致,例如如果两个成像设备124和128相对于彼此的聚焦不够好,或者如果蓝色通道在左上角清晰且在右下角模糊而红色通道是相反的等等,则惩罚EO。EE得分及其组成部分根据下面的等式41-44计算。
其中x和y再次表示排列在大小为Nx×Ny的网格中的场点,c是颜色(例如,在四通道实施例中,颜色1、2、3和4可能对应于蓝色、绿色、红色和琥珀色),z是焦点位置,nm是纳米。
虽然EE得分考虑来自所有通道的贡献,但一次考虑单个通道并且仅考虑场位置和焦点位置的同质性具有相似的得分也是有用的。每通道EE得分ECc就是这样的示例,在等式46中捕获了单个通道的异质性,类似于均方方差。
如果等式46中的积分为零,则异质性EH所代表的惩罚将为零。
相对于Z拟合EE
等式42、43、46中的积分旨在表征聚焦成像性能,并且可以使用简单的实验数据总和来计算。替代地,可以通过首先将实验的成对EE值及其对应的z位置拟合到高斯分布来计算积分(等式49)。然后根据下面的等式49-55将积分计算为高斯拟合函数的定积分的解析解。
EE(z)=a exp(-(z-z0)2/w2) (49)
其中a是在焦点上获得的峰值EE值,w是高斯宽度并且z0是对应于峰值EE值的z值。这特别有用,因为它允许采取相对粗略的z步长(从而减少数据采集),同时仍然准确地将z0捕获到z步长的一小部分内。等式55可用于计算上述等式42中的积分。
对于EO计算,等式44中不同通道之间的重叠积分也可以使用实验数据的高斯拟合的解析积分来计算,如等式56-63所示:
其中w1和w2是对应于通道1和2的高斯宽度。两个高斯的乘积本身就是以z0p为中心、宽度为wp的第三高斯。等式56-63可用于计算以上等式47。
惩罚表示各种光学缺陷损失了多少性能
除了估计光学系统104的当前EE得分之外,该方法可能需要向用户传达由于一个或多个伪影或光学缺陷(例如,像差)而损失多少潜在得分。以这种方式,该方法可以告知用户哪些特定缺陷对成像性能的负面影响最大。为此目的,该方法可以计算与一个或多个相应伪影相关联的一个或多个惩罚。惩罚是当前EE得分与考虑缺陷后将获得的得分之间的差异。该方法可以包括在向用户显示的图像的区域上显示对应于惩罚的信息。当只考虑<EE>对EE得分的贡献(没有重叠得分EO)时,惩罚计算应该总是导致更大的<EE>量。惩罚表示为实际得分与人为增加的得分之间的差异,应始终为负数。在考虑重叠得分EO时,惩罚计算有时可能会导致正数。
惩罚的一个示例是来自成像设备(例如,相机)Z-移位的惩罚。在计算该惩罚时,该方法可以假设成像设备124和128两者可以相对于彼此最佳地聚焦,但不假设成像设备124和128内的轴向色差为零。该方法将第一成像设备124的理想焦点位置计算为第一成像设备124获取的两组波长滤波成像数据的平均值(例如,蓝色和绿色数据的平均值)。该方法还将第二成像设备128的理想焦点位置计算为第二成像设备128获取的两组波长滤波成像数据的平均值(例如,红色和琥珀色数据的平均值)。
惩罚的另一个示例是来自成像设备(例如,相机)倾斜的惩罚。对于每个通道,该方法构建焦面作为两种颜色(例如,通道1中的蓝色和绿色)的平均值,使用线性最小二乘法将其拟合到平面上以找到尖端和倾斜部分,这些部分然后从焦平面中移除,同时为每个成像设备124和128保留焦点差异。
惩罚的另一个示例是来自像散的惩罚。水平LSF和垂直LSF的EE得分是独立计算的,从而使每个方向的焦平面倾斜和高度都是最佳的。然后将这些图平均在一起以创建最终估计。
惩罚的另一个示例是来自轴向色差的惩罚。该惩罚计算两次,每个通道一次。对于通道1,两种颜色(例如,蓝色和绿色)的最佳焦点均被找到,差异被分割,每个通道偏移该量。由于不完美的相机-相机焦点差异,最终的焦点位置可能仍然不理想。
惩罚的另一个示例是来自场平坦度的惩罚。该惩罚计算两次,每个通道一次。对于通道1,将两种颜色的曝光(例如蓝色和绿色曝光)的最佳焦面平均在一起,并从(例如,蓝色和绿色)数据的焦点位置中减去最佳拟合平面,而通道2正常处理。这种惩罚可能有相互矛盾的解释。例如,如果两个通道同样不平坦,则它们都将受到<EE>的影响,但重叠EO将以一种富有成效的方式得以增强。展平通道将消除这两种影响。通常<EE>效应会占主导地位,但这并不能保证。
图8A是从测试目标116的目标特征313之一获取的图像的示例。图8B是从图8A的图像计算的ESF的示例。在图8B中,图像坐标零对应于成像目标特征313的边缘之一。图8B中的一些数据点是异常值。如图所示,这些异常值中的一个或多个可以对应于目标特征313上的暗伪影(例如,来自制造的污垢或碎屑)。该方法可以包括拒绝(例如,忽略或去除)ESF数据中的异常值。
图9是将图8B的ESF拟合到误差函数并从ESF计算EE的结果的示例。
图10是计算目标特征313的四个边缘的ESF、将ESF拟合到误差函数、以及从对应的ESF计算四个独立的EE值的示例。名义上,左右边缘应导致相同的测量(EEleft=EEright),上下边缘应导致相同的测量(EEup=EEdown)。但是,左右边缘的测量不一定与上下边缘的测量相同。
在替代实施例中,可以利用包围圆能量代替包围矩形能量作为成像性能指标。在进一步的替代实施例中,可以利用斯特列尔比代替包围矩形能量作为成像性能指标。
图11是图示了根据本公开的实施例的用于测试光学系统(例如这里描述的光学系统104)的成像性能的方法的示例的流程图1100。如图所示,该方法是通过将物镜的Z平台移动到近似焦点位置来启动的。然后用户启动Z-堆叠获取过程,通过该过程在不同的焦点位置获取测试目标的多个图像。然后,光学系统的硬件执行Z-堆叠获取,图12中进一步说明了其实施例。然后将Z-堆叠范围与Z-堆叠获取期间的聚焦性能进行比较。然后基于Z-堆叠结果更新Z焦点位置。然后确定是否在Z-堆叠范围的中间三分之一处找到焦点。如果是,则该方法确定当前获取的数据可用,在Z-堆叠上执行全局计算,并将生成的新数据通知用户。
另一方面,如果确定没有在Z-堆叠范围的中间三分之一处找到焦点,则从当前获取的数据进行成像性能值(例如,如本文所述的包围矩形能量估计)的计算,但警告用户数据不完整或不可靠,因为在范围中间找不到焦点。然后可以重复Z-堆叠获取的过程,并对从该z-堆叠获得的焦点位置进行更明智的猜测。
图12是图示根据本公开的实施例的图像的Z-堆叠的获取的流程图1200。在用户启动Z堆叠获取(图11)后,围绕初始焦点猜测计算一系列Z位置。对于每个视场FOV i,在FOV的集合中,Z平台被命令移动到与FOV i对应的散焦位置。然后查询并记录Z平台的实际位置。然后同时获取来自所有成像设备的图像。然后单独执行每个图像的高速处理,其实施例在图13中进一步示出。然后图像数据被池化。然后通过将ESF拟合到高斯误差函数的基组来构建多个PSF模型,每个ESF一个PSF模型,如本文所述。
图13是图示根据本公开的实施例的图像自身高速处理的流程图1300。图像被下采样到强度、水平质心和垂直质心的表示。然后使用下采样图像执行粗略的全局配准。使用质心数据定位每个方块(或测试目标的其他类型的目标特征)。然后将多个方块位置拟合到平移、旋转和放大的全局模型。然后从每个方块的每个边缘提取ESF,并计算边缘角度和中心。然后从ESF数据中清除异常值。然后通过将每个ESF独立地拟合到高斯误差函数的基组来构建多个PSF模型,如本文所述。然后为每个ESF计算成像性能值(例如,如本文所述的包围矩形能量估计)。可以对数据进行平均(EEhorizontal=(EEleft=EEright)/2,EEvertical=(EEup=EEdown)/2)。图13所示的过程可以对多个图像重复,并且可以池化所得图像数据(图12)并进一步处理。
在实施例中,流程图1100、1200和1300中的一个或多个可以表示光学成像性能测试系统或光学成像性能测试系统的一部分,被配置为执行(例如,控制或执行)上面描述的和在图11、12和13中的一个或多个中示出的步骤或功能。为此目的,可以提供控制器(例如,图1中所示的控制器108)(包括处理器、存储器和如本领域技术人员所理解的其他组件)来控制步骤或功能的执行,例如通过控制执行步骤或功能所涉及的测试系统的组件。如本领域技术人员所理解的,这可以涉及接收和处理用户输入和/或机器可执行指令。
图14图示了可以根据该方法生成并且可以在计算设备(例如,计算设备168)的显示屏上向用户显示的一组EE性能图的示例。图的列对应不同的颜色,在本示例中,从左到右为蓝色、绿色、琥珀色和红色。在最上面的行(第1行)中,每个图显示视场(FOV)中每个点的平均EE。在下一行(第2行)中,每个图显示在FOV中每个点的任何散焦值处找到的最佳EE。在下一行(第3行)中,每个图显示由EE确定的最佳焦点的表面。在下一行(第4行)中,每个图显示由EE确定的水平与垂直成像数据的像散。在最底行(第5行)中,每个图将景深显示为EE超过最小值的z范围。
图15图示了可以根据该方法生成并且可以在计算设备(例如,计算设备168)的显示屏上向用户显示的组合EE得分和性能图的示例。最上面的图(1)是全局EE图,显示了所有通道和散焦位置上的可用EE。在最上面的图(1)下方,一组图(2)显示了各种光学缺陷的贡献,例如上述那些。因此,这些图(2)会告知用户如果用户解决了相关缺陷,成像性能会好多少。在本示例中,该组图(2)的第一行显示了不同颜色的全局得分,在本示例中,从左到右为蓝色、绿色、琥珀色和红色。该组图(2)的第二行从左到右显示了重叠、成像设备Z位移对EE的惩罚、通道1中轴向色差对EE的惩罚以及通道2中轴向色差对EE的惩罚。该组图(2)的第三行从左到右显示了像散对EE的惩罚、成像设备倾斜对EE的惩罚、通道1中场平坦度对EE的惩罚以及通道2中场平坦度对EE的惩罚。
图16是根据本公开的实施例的可以是光学成像性能测试系统的一部分或与之通信的系统控制器(或控制器)1600的非限制性示例的示意图。例如,系统控制器1600可以对应于上述并如图1所示的测试系统100的系统控制器108。
在所示实施例中,系统控制器1600包括处理器1602(通常是基于电子器件),其可以代表提供总体控制的主电子处理器,以及配置用于专用控制操作或特定信号处理任务的一个或多个电子处理器(例如,图形处理单元或GPU、数字信号处理器或DSP、专用集成电路或ASIC、现场可编程门阵列或FPGA等)。系统控制器1600还包括用于存储数据和/或软件的一个或多个存储器1604(易失性和/或非易失性)。系统控制器1600还可以包括一个或多个设备驱动器1606,用于控制一种或多种类型的用户接口设备并提供用户接口设备和与用户接口设备通信的系统控制器1600的部件之间的接口。这样的用户接口设备可以包括用户输入设备1608(例如,键盘、小键盘、触摸屏、鼠标、操纵杆、轨迹球等)和用户输出设备1610(例如,显示屏、打印机、视觉指示器或警报、听觉指示器或警报等)。在各种实施例中,系统控制器1600可以被认为包括用户输入设备1608和/或用户输出设备1610中的一个或多个,或者至少与它们通信。系统控制器1600还可以包括包含在存储器中和/或在一种或多种类型的计算机可读介质1614上的一种或多种类型的计算机程序或软件1612。计算机程序或软件可以包含非暂态指令(例如,逻辑指令),用于控制或执行测试系统100的各种操作。计算机程序或软件可以包括应用软件和系统软件。系统软件可以包括用于控制和管理系统控制器1600的各种功能(包括硬件和应用软件之间的交互)的操作系统(例如,Microsoft操作系统)。特别地,操作系统可以提供图形用户界面(GUI),其可经由用户输出设备1610显示并且用户可以使用用户输入设备1608与之交互。
系统控制器1600还可以包括一个或多个数据采集/信号调节部件(DAQ)1616(如可以体现在硬件、固件和/或软件中),用于接收和处理由被测光学系统(例如,上述并如图1所示的光学系统104)输出的信号(例如,成像数据),包括格式化数据,以供GUI以图形形式呈现。DAQ 1616还可以被配置为将控制信号传输到光学系统以控制可调整光学部件的移动/定位,例如这里描述的那些。DAQ 1616可以对应于上述并如图1所示的电子模块164的全部或部分。
系统控制器1700还可以包括数据分析器(或模块)1618,其被配置为处理从光学系统输出的信号并由此产生数据,包括成像性能度量、得分、图等,如本公开通篇所述。因此,数据分析器1618可以被配置为实施(控制或执行)本文公开的任何方法的全部或部分。出于这些目的,数据分析器1618可以体现在本领域技术人员所理解的软件和/或电子设备(硬件和/或固件)中。数据分析器1618可以对应于上述并如图1所示的电子模块164和/或计算设备168的全部或部分。
应当理解,图16是与本公开一致的系统控制器1600的示例的高级示意图。根据实际实施的需要,可以包括其他部件,例如附加结构、设备、电子设备和计算机相关或电子处理器相关部件。还将理解,系统控制器1600在图16中示意性地表示为旨在表示可以提供的结构(例如,电路、机制、硬件、固件、软件等)的功能块。各种功能块和它们之间的任何信号链路已被任意定位,仅用于说明的目的并且不以任何方式进行限制。本领域技术人员将理解,在实践中,系统控制器1600的功能可以以多种方式来实现,而不必以图16中所示的和这里通过示例描述的确切方式来实现。
示例性实施例
根据当前公开的主题提供的示例性实施例包括但不限于以下:
1.一种用于测试光学系统的成像性能方法,所述方法包括:将测试目标定位在所述光学系统的物平面上;操作所述光学系统以照射所述测试目标并产生像束;操作所述光学系统的调焦台以从所述像束中获取所述测试目标的对应于多个散焦值的多个图像;从每个图像计算所述测试目标内多个位置处的多个边缘扩展函数;从边缘扩展函数构建相应的多个点扩展函数模型;以及基于所述点扩展函数模型,计算对应于所述多个位置的多个成像性能值,其中所述成像性能值基于选自由以下各项组成的组的指标:包围矩形能量;包围圆能量;和斯特列尔比。
2.如实施例1所述的方法,其中所述多个位置包括所述测试目标内的所述物平面中的多个场坐标(x,y)。
3.如前述实施例中任一项所述的方法,其中所述多个位置包括沿着穿过所述测试目标的光轴的多个焦点位置(z),并且操作所述光学系统包括:在不同焦点位置(z)处获取所述测试目标的多个图像。
4.如前述实施例中任一项所述的方法,包括:基于所述成像性能值的组合而产生成像性能的一个或多个图。
5.如实施例4所述的方法,包括:比较所述图中的两个或更多个图,以提供对每个成像设备或通道的焦平面相对于所述物平面的相对对准的测量。
6.如实施例4或5所述的方法,其中所述一个或多个图对应于不同的成像通道,并且所述不同的成像通道对应于所述光学系统的被操作以获取图像的不同成像设备、或所获取的图像的不同波长、或不同成像设备和不同颜色两者。
7.如实施例6所述的方法,包括:比较所述图中的两个或更多个图以提供对每个成像设备或通道相对于彼此的相对对准的测量;以及上述两者。
8.如实施例4-7中任一项所述的方法,包括:在产生所述一个或多个图之后,基于由所述一个或多个图提供的信息来调整所述光学系统的一个或多个光学部件的位置或者更换所述一个或多个光学部件。
9.如实施例8所述的方法,其中所述一个或多个光学部件选自由以下各项组成的组:一个或多个成像设备;所述光学系统的物镜;所述光学系统的一个或多个管透镜;一个或多个反射镜或分色镜;以及上述中的两项或更多项的组合。
10.如实施例8或9所述的方法,其中所述一个或多个图为一个或多个初始图,并且所述方法还包括:在对所述一个或多个光学部件进行调整或更换后,获取所述测试目标的新图像,计算多个新的成像性能值,并产生成像性能的一个或多个新图。
11.如实施例10所述的方法,包括:将所述一个或多个新图与所述一个或多个初始图进行比较,以确定要对所述一个或多个光学部件进行的用优化成像性能的位置调整。
12.如实施例8-11中任一项所述的方法,其中所述调整或更换找到了所述光学系统中的一对最佳共轭像平面;
13.如实施例8-12中任一项所述的方法,其中所述调整或更换改进了属性,该属性选自由以下各项组成的组:各成像设备的焦点匹配;成像设备倾斜;场曲的展平;像散的减少;与波长相关的焦点偏移的减少;以及上述中的两项或更多项的组合。
14.如前述实施例中任一项所述的方法,包括:基于所述成像性能值的组合来计算成像性能的一个或多个全局得分。
15.如实施例14所述的方法,包括:修改所述一个或多个全局得分,以惩罚或奖励所述成像性能值在所述测试目标内在所述物平面中的一系列场坐标(x,y)上的异质性、或所述成像性能值在所述物平面的一系列焦点位置(z)上的异质性,或上述两者。
16.如实施例14或15所述的方法,包括修改所述一个或多个全局得分,以惩罚或奖励作为所述测试目标内的所述物平面中的场坐标(x,y)或所述物平面的焦点位置(z)或者上述两者的函数的不同成像通道的相似性,其中所述不同成像通道对应于所述光学系统的被操作以获取图像的不同成像设备、或所获取的图像的不同波长、或不同成像设备和不同颜色两者。
17.如前述实施例中任一项所述的方法,包括:在计算所述成像性能值之后,基于所述成像性能值提供的信息来调整所述光学系统的一个或多个光学部件的位置。
18.如实施例17所述的方法,其中所述成像性能值为初始成像性能值,并且所述方法还包括在调整所述一个或多个光学部件后,获取所述测试目标的新图像,并计算出多个新成像性能值。
19.如实施例18所述的方法,包括:将所述新成像性能值与所述初始成像性能值进行比较,以确定要对所述一个或多个光学部件进行的用以优化成像性能的位置调整。
20.如前述实施例中任一项所述的方法,其中定位所述测试目标包括:将所述目标相对于所述光学系统的一个或多个光学部件共享的基准对准。
21.如前述实施例中任一项所述的方法,其中操作所述光学系统包括:在所述像束中利用物镜,并且所述方法还包括:沿着所述像束的轴调整所述物镜的位置,以在不同焦点位置(z)处获取所述测试目标的多个图像。
22.如实施例21所述的方法,其中所述物镜具有配置,该配置选自由以下各项组成的组:所述物镜被配置用于无限共轭显微术;以及所述物镜被配置用于有限共轭显微术。
23.如前述实施例中任一项所述的方法,其中操作所述光学系统包括:操作两个或更多成像设备,以获取所述测试目标的相应图像。
24.如实施例23所述的方法,其中所述两个或更多成像设备以两个或更多不同波长获取相应图像。
25.如实施例24所述的方法,包括:将从所述测试目标传播的像束分离为两个或更多像束部分,并将所述两个或更多像束部分分别传输到所述两个或更多成像设备。
26.如前述实施例中任一项所述的方法,其中操作所述光学系统包括:操作滤光器组件以过滤选定波长的像束。
27.如前述实施例中任一项所述的方法,其中操作所述光学系统包括:在所述像束中利用管透镜,并且所述方法还包括:调整所述管透镜内的一个或多个透镜或透镜组的相对位置,以获取所述测试目标在所述管透镜的不同位置的多个图像。
28.如前述实施例中任一项所述的方法,其中所述测试目标包括暗材料和设置在所述暗材料上的亮特征的阵列。
29.如实施例28所述的方法,其中亮特征是多边形的。
30.如实施例29所述的方法,其中亮特征是倾斜的,使得亮特征的边缘相对于所述光学成像系统的获取图像的像素阵列成角度取向。
31.一种光学成像性能测试系统,包括:目标保持器,被配置为保持测试目标;光源,被配置为照射所述测试目标;成像设备,被配置为获取所述测试目标的图像;物镜,位于所述测试目标与所述成像设备之间的成像光路中,其中所述物镜或所述目标保持器中的至少一者的位置能沿所述成像光路调整;和控制器,包括电子处理器和存储器,并被配置为控制如前述实施例中任一项的方法的以下步骤:计算多个边缘扩展函数,构建多个点扩展函数模型,以及计算多个成像性能值。
32.如实施例31所述的系统,其中所述物镜具有配置,该选自由以下各项组成的组:所述物镜被配置用于无限共轭显微术;以及所述物镜被配置用于有限共轭显微术。
33.如实施例31或32所述的系统,其中所述成像设备包括多个成像设备,还包括像分离镜,该像分离镜被配置为将所述成像光路分成多条成像光路,该多条像光路分别指向相应成像设备。
34.如实施例31-33中任一项所述的系统,包括滤光器组件,被配置为选择所述成像光路中用于传播到所述成像设备的像束的波长。
35.如实施例31-34中任一项所述的系统,包括位于所述成像光路中的管透镜,其中所述管透镜内的一个或多个透镜或透镜组的相对位置是可调的。
36.如实施例31-35中任一项所述的系统,包括所述测试目标,其中所述测试目标包括暗材料和设置在所述暗材料上的亮特征的阵列。
37.如实施例36所述的系统,其中亮特征是多边形的。
38.如实施例37所述的系统,其中亮特征是倾斜的,使得亮特征的边缘相对于所述光学成像系统的获取图像的像素阵列成角度取向。
39.一种非暂态计算机可读介质,包括存储在其上的指令,所述指令当在处理器上执行时,执行如前述实施例中任一项的方法的以下步骤:计算多个边缘扩展函数,构建多个点扩展函数模型,以及计算多个成像性能值。
40.一种光学系统成像性能测试系统,包括实施例39的计算机可读存储介质。
应当理解,本文描述的过程、子过程和过程步骤中的一个或多个可以由硬件、固件、软件或前述中的两个或多个的组合在一个或多个电子或数字控制设备上执行。软件可以驻留在合适的电子处理组件或系统(例如图1或16中示意性描绘的控制器108或1600)中的软件存储器(未示出)中。软件存储器可以包括可执行指令的有序列表,用于实现逻辑功能(即,可以以数字形式(例如,数字电路或源代码)或模拟形式(例如,诸如模拟电、声音或视频信号的模拟源)实现的“逻辑”)。指令可以在处理模块内执行,该处理模块包括例如一个或多个微处理器、通用处理器、处理器的组合、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或专用集成电路(ASIC)。此外,示意图描述了具有不受体系结构或功能的物理布局限制的物理(硬件和/或软件)实现的功能的逻辑划分。在此描述的系统的示例可以以各种配置来实现并且在单个硬件/软件单元中或在单独的硬件/软件单元中作为硬件/软件组件操作。
可执行指令可以被实现为其中存储有指令的计算机程序产品,当由电子系统的处理模块(例如,图1或16中的控制器108或1600)执行时,将电子系统引导至执行指令。计算机程序产品可以选择性地体现在任何非暂态计算机可读存储介质中,以供指令执行系统、装置或设备使用或与其结合使用,例如基于电子计算机的系统、包含处理器的系统或可以选择性地从指令执行系统、装置或设备获取指令并执行指令的其他系统。在本公开的上下文中,计算机可读存储介质是可以存储由指令执行系统、装置或设备使用或与其结合使用的程序的任何非暂态装置。非暂态计算机可读存储介质可以选择性地是例如电子、磁、光、电磁、红外或半导体系统、装置或设备。非暂态计算机可读介质的更具体示例的非详尽列表包括:具有一根或多根线(电子)的电连接;便携式计算机软盘(磁性);随机存取存储器(电子);只读存储器(电子);可擦除可编程只读存储器,例如闪存(电子);光盘存储器,例如CD-ROM、CD-R、CD-RW(光学);和数字多功能光盘存储器,即DVD(光学)。注意,非暂态计算机可读存储介质甚至可以是纸或其他合适的在其上打印程序的介质,因为程序可以通过例如对纸或其他介质的光学扫描以电子方式捕获,然后必要时以合适的方式编译、解释或以其他方式处理,然后存储在计算机存储器或机器存储器中。
还应理解,本文中使用的术语“在信号通信中”是指两个或多个系统、设备、组件、模块或子模块能够通过在某种类型信号路径上传播的信号相互通信。信号可以是通信、电力、数据或能量信号,其可以将信息、电力或能量从第一系统、设备、组件、模块或子模块沿着第一和第二系统、设备、组件、模块或子模块之间的信号路径传送到第二系统、设备、组件、模块或子模块。信号路径可以包括物理、电、磁、电磁、电化学、光学、有线或无线连接。信号路径还可以包括第一和第二系统、设备、组件、模块或子模块之间的附加系统、设备、组件、模块或子模块。
更一般地说,诸如“通信”和“通信中”的术语(例如,第一部件与第二部件“通信”或“通信中”)在本文中用于表示两个或更多个部件或元素之间的结构、功能、机械、电、信号、光、磁、电磁、离子或流体关系。因此,一个部件被称为与第二部件通信的事实并不旨在排除附加部件可能存在于第一和第二部件之间和/或可操作地关联或接合第一和第二部件的可能性。
应当理解,在不脱离本发明范围的情况下,可以改变本发明的各个方面或细节。此外,前述说明仅用于说明的目的,而非用于限制的目的——本发明由权利要求限定。
Claims (20)
1.一种用于测试光学系统的成像性能的方法,所述方法包括:
将测试目标定位在所述光学系统的物平面上;
操作所述光学系统以照射所述测试目标并产生像束;
操作所述光学系统的调焦台,以从所述像束中获取所述测试目标的对应于多个散焦值的多个图像;
从每个图像计算所述测试目标内多个位置处的多个边缘扩展函数;
从所述边缘扩展函数构建相应的多个点扩展函数模型;以及
基于所述点扩展函数模型,计算对应于所述多个位置的多个成像性能值,其中所述成像性能值基于指标,该指标选自由以下各项组成的组:包围矩形能量;包围圆能量;和斯特列尔比。
2.如权利要求1所述的方法,包括以下项中的至少一项:
(a)其中所述多个位置包括所述测试目标内的所述物平面中的多个场坐标(x,y);
(b)其中所述多个位置包括沿着穿过所述测试目标的光轴的多个焦点位置(z),并且操作所述光学系统包括:在不同焦点位置(z)处获取所述测试目标的多个图像。
3.如权利要求1所述的方法,包括:基于所述成像性能值的组合而产生成像性能的一个或多个图。
4.如权利要求3所述的方法,包括:比较所述图中的两个或更多个图,以提供对每个成像设备或通道的焦平面相对于所述物平面的相对对准的测量。
5.如权利要求3所述的方法,其中所述一个或多个图对应于不同的成像通道,并且所述不同的成像通道对应于所述光学系统的被操作以获取图像的不同成像设备、或所获取的图像的不同波长、或不同成像设备和不同颜色两者。
6.如权利要求5所述的方法,包括:比较所述图中的两个或更多个图,以提供对每个成像设备或通道相对于彼此的相对对准的测量;以及上述两者。
7.如权利要求3所述的方法,包括:在产生所述一个或多个图之后,基于由所述一个或多个图提供的信息来调整所述光学系统的一个或多个光学部件的位置或者更换所述一个或多个光学部件。
8.如权利要求7所述的方法,其中所述一个或多个光学部件选自由以下各项组成的组:一个或多个成像设备;所述光学系统的物镜;所述光学系统的一个或多个管透镜;一个或多个反射镜或分色镜;以及上述中的两项或更多项的组合。
9.如权利要求7所述的方法,其中所述一个或多个图为一个或多个初始图,并且所述方法还包括:在对所述一个或多个光学部件进行调整或更换后,获取所述测试目标的新图像,计算多个新的成像性能值,并产生成像性能的一个或多个新图。
10.如权利要求9所述的方法,包括:将所述一个或多个新图与所述一个或多个初始图进行比较,以确定要对所述一个或多个光学部件进行的用以优化成像性能的位置调整。
11.如权利要求7所述的方法,包括以下项中的至少一项:
(a)其中所述调整或更换找到了所述光学系统中的一对最佳共轭像平面;
(b)其中所述调整或更换改进了属性,该属性选自由以下各项组成的组:各成像设备的焦点匹配;成像设备倾斜;场曲的展平;像散的减少;与波长相关的焦点偏移的减少;以及上述中的两项或更多项的组合。
12.如权利要求1所述的方法,包括:基于所述成像性能值的组合来计算成像性能的一个或多个全局得分。
13.如权利要求12所述的方法,包括以下项中的至少一项:
(a)修改所述一个或多个全局得分,以惩罚或奖励所述成像性能值在所述测试目标内的所述物平面中的一系列场坐标(x,y)上的异质性、或所述成像性能值在所述物平面的一系列焦点位置(z)上的异质性,或上述两者;
(b)修改所述一个或多个全局得分,以惩罚或奖励作为所述测试目标内的所述物平面中的场坐标(x,y)或所述物平面的焦点位置(z)或者上述两者的函数的不同成像通道的相似性,其中所述不同成像通道对应于所述光学系统的被操作以获取图像的不同成像设备、或所获取的图像的不同波长、或不同成像设备和不同颜色两者。
14.如权利要求1所述的方法,包括:在计算所述成像性能值之后,基于所述成像性能值提供的信息来调整所述光学系统的一个或多个光学部件的位置。
15.如权利要求14所述的方法,其中所述成像性能值为初始成像性能值,并且所述方法还包括:在调整所述一个或多个光学部件后,获取所述测试目标的新图像,并计算出多个新成像性能值。
16.如权利要求15所述的方法,包括:将所述新成像性能值与所述初始成像性能值进行比较,以确定要对所述一个或多个光学部件进行的用以优化成像性能的位置调整。
17.如权利要求1所述的方法,包括以下项中的至少一项:
(a)其中定位所述测试目标包括:将所述目标相对于与所述光学系统的一个或多个光学部件共享的基准对准;
(b)其中操作所述光学系统包括:在所述像束中利用物镜,并且所述方法还包括:沿着所述像束的轴调整所述物镜的位置,以在不同焦点位置(z)处获取所述测试目标的多个图像;
(c)其中操作所述光学系统包括:在所述像束中利用物镜,并且所述方法还包括:沿着所述像束的轴调整所述物镜的位置,以在不同焦点位置(z)处获取所述测试目标的多个图像,其中所述物镜具有配置,该配置选自由以下各项组成的组:所述物镜被配置用于无限共轭显微术;以及所述物镜被配置用于有限共轭显微术;
(d)其中操作所述光学系统包括:操作两个或更多成像设备,以获取所述测试目标的相应图像;
(e)其中操作所述光学系统包括:操作两个或更多成像设备,以获取所述测试目标的相应图像,其中所述两个或更多成像设备以两个或更多不同波长获取相应图像;
(f)其中操作所述光学系统包括:操作两个或更多成像设备,以获取所述测试目标的相应图像,其中所述两个或更多成像设备以两个或更多不同波长获取相应图像,并且所述方法还包括:将从所述测试目标传播的像束分离为两个或更多像束部分,并将所述两个或更多像束部分分别传输到所述两个或更多成像设备;
(g)其中操作所述光学系统包括:操作滤光器组件以过滤选定波长的像束;
(h)其中操作所述光学系统包括:在所述像束中利用管透镜,并且所述方法还包括:调整所述管透镜内的一个或多个透镜或透镜组的相对位置,以获取所述测试目标在所述管透镜的不同位置的多个图像;
(i)其中所述测试目标包括:暗材料和设置在所述暗材料上的亮特征的阵列;
(j)其中所述测试目标包括:暗材料和设置在所述暗材料上的亮特征的阵列,并且其中所述亮特征是多边形的;
(k)其中所述测试目标包括:暗材料和设置在所述暗材料上的亮特征的阵列,其中所述亮特征是多边形的,并且所述亮特征是倾斜的,从而使得所述亮特征的边缘相对于所述光学成像系统的获取图像的像素阵列成角度取向。
18.一种光学成像性能测试系统,包括:
目标保持器,被配置为保持测试目标;
光源,被配置为照射所述测试目标;
成像设备,被配置为获取所述测试目标的图像;
物镜,位于所述测试目标与所述成像设备之间的成像光路中,其中所述物镜或所述目标保持器中的至少一者的位置能沿所述成像光路调整;和
控制器,包括电子处理器和存储器,并被配置为控制如权利要求1所述的方法的以下步骤:计算所述多个边缘扩展函数,构建所述多个点扩展函数模型,以及计算所述多个成像性能值。
19.如权利要求18所述的系统,包括以下项中的至少一项:
(a)其中所述物镜具有配置,该配置选自由以下各项组成的组:所述物镜被配置用于无限共轭显微术;以及所述物镜被配置用于有限共轭显微术;
(b)其中所述成像设备包括多个成像设备,并且所述系统还包括像分离镜,该像分离镜被配置为将所述成像光路分成多条成像光路,所述多条成像光路分别指向相应成像设备;
(c)滤光器组件,被配置为选择所述成像光路中用于传播到所述成像设备的像束的波长;
(d)位于所述成像光路中的管透镜,其中所述管透镜内的一个或多个透镜或透镜组的相对位置是可调的;
(e)所述测试目标,其中所述测试目标包括暗材料和设置在所述暗材料上的亮特征的阵列;
(f)所述测试目标,其中所述测试目标包括暗材料和设置在所述暗材料上的亮特征的阵列,并且其中所述亮特征是多边形的;
(g)所述测试目标,其中所述测试目标包括暗材料和设置在所述暗材料上的亮特征的阵列,所述亮特征是多边形的,并且其中所述亮特征是倾斜的,从而使得所述亮特征的边缘相对于所述光学成像系统的获取图像的像素阵列成角度取向。
20.一种非暂态计算机可读介质,包括存储在其上的指令,所述指令当在处理器上执行时,执行如权利要求1所述的方法的以下步骤:计算所述多个边缘扩展函数,构建所述多个点扩展函数模型,以及计算所述多个成像性能值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962884116P | 2019-08-07 | 2019-08-07 | |
US62/884,116 | 2019-08-07 | ||
PCT/US2020/045525 WO2021026515A1 (en) | 2019-08-07 | 2020-08-07 | Optical imaging performance test system and method |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114174791A true CN114174791A (zh) | 2022-03-11 |
Family
ID=72234963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080055029.3A Pending CN114174791A (zh) | 2019-08-07 | 2020-08-07 | 光学成像性能测试系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220276125A1 (zh) |
EP (1) | EP4010755A1 (zh) |
JP (1) | JP2022543592A (zh) |
CN (1) | CN114174791A (zh) |
AU (1) | AU2020325162B2 (zh) |
WO (1) | WO2021026515A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117234091A (zh) * | 2023-11-14 | 2023-12-15 | 四川省威沃敦石油科技股份有限公司 | 一种油气井测试量子点投放系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL2028376B1 (en) * | 2021-06-03 | 2022-12-15 | Nearfield Instr B V | Method of and arrangement for verifying an alignment of an infinity-corrected objective. |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0848809A1 (en) * | 1995-09-06 | 1998-06-24 | Neuromedical Systems Inc. | Global mtf measurement system |
WO2003056392A1 (en) * | 2001-12-24 | 2003-07-10 | Koninklijke Philips Electronics N.V. | Determining the aberrations of an imaging system |
US20070165131A1 (en) * | 2005-12-12 | 2007-07-19 | Ess Technology, Inc. | System and method for measuring tilt of a sensor die with respect to the optical axis of a lens in a camera module |
WO2008050320A2 (en) * | 2006-10-23 | 2008-05-02 | Ben Gurion University Of The Negev, Research And Development Authority | Blind restoration of images degraded by isotropic blur |
US20080212830A1 (en) * | 2007-03-02 | 2008-09-04 | Northrop Grumman Corporation | Efficient Calculation of Ensquared Energy in an Imaging System |
CN101303269A (zh) * | 2007-05-09 | 2008-11-12 | 奥林巴斯株式会社 | 光学系统评价装置、光学系统评价方法及其程序 |
GB201011974D0 (en) * | 2010-07-16 | 2010-09-01 | St Microelectronics Ltd | Improvements in or relating to characterisation of image sensors |
US20110044554A1 (en) * | 2009-08-21 | 2011-02-24 | Konica Minolta Systems Laboratory, Inc. | Adaptive deblurring for camera-based document image processing |
JP2011159178A (ja) * | 2010-02-02 | 2011-08-18 | Univ Of Electro-Communications | 光学的情報読取装置、光学的情報読取方法及びデジタルフィルタの作成方法 |
CN103905714A (zh) * | 2012-12-26 | 2014-07-02 | 中国电子科技集团公司第五十研究所 | 基于边沿扩展函数测量的调焦方法及装置 |
CN103927740A (zh) * | 2014-02-18 | 2014-07-16 | 北京象开科技有限公司 | 获得图像的点扩展函数的方法和装置 |
WO2014174438A1 (en) * | 2013-04-21 | 2014-10-30 | Nova Measuring Instruments Ltd. | Method and system for improving optical measurements on small targets |
US9030594B1 (en) * | 2012-04-19 | 2015-05-12 | Southern Methodist University | Applying phase transfer function |
CN104833480A (zh) * | 2015-04-27 | 2015-08-12 | 北京空间机电研究所 | 一种测试刃边倾角对调制传递函数影响的装置及方法 |
CN104937475A (zh) * | 2012-04-05 | 2015-09-23 | 奇跃公司 | 具有相互遮挡和不透明度控制能力的用于光学透视头戴显示器的设备 |
CN105719298A (zh) * | 2016-01-22 | 2016-06-29 | 北京航空航天大学 | 一种基于边缘检测技术的线扩散函数提取的方法 |
CN109708842A (zh) * | 2018-10-18 | 2019-05-03 | 北京航空航天大学 | 一种基于单像素成像的相机镜头点扩散函数测量方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007212620A (ja) * | 2006-02-08 | 2007-08-23 | Matsushita Electric Ind Co Ltd | レンズ系の製造方法と評価装置および評価方法 |
JP5322722B2 (ja) * | 2009-03-26 | 2013-10-23 | 株式会社Suwaオプトロニクス | レンズ調芯装置およびレンズ調芯装置の制御方法 |
US8318094B1 (en) * | 2010-06-18 | 2012-11-27 | Pacific Biosciences Of California, Inc. | Substrate analysis systems |
JP2014521117A (ja) * | 2011-06-28 | 2014-08-25 | ペリカン イメージング コーポレイション | アレイカメラで使用するための光学配列 |
EP2596745B1 (en) * | 2011-10-07 | 2019-06-19 | Popovic, Zoran | Reference calibration for an adaptive optics system |
EP2864468B1 (en) * | 2012-06-22 | 2020-08-05 | The Regents of the University of Colorado, a body corporate | Method and system for estimating a position and an angular orientation of a particle |
WO2014059331A1 (en) * | 2012-10-12 | 2014-04-17 | Thorlabs, Inc. | Compact, low dispersion, and low aberration adaptive optics scanning system |
WO2014152739A2 (en) * | 2013-03-14 | 2014-09-25 | The Regents Of The University Of California | Interferometric focusing of guide-stars for direct wavefront sensing |
CN111999861A (zh) * | 2014-09-15 | 2020-11-27 | 远程保真公司 | 紧凑型全景摄像机:光学系统,装置,图像形成方法 |
WO2020123842A1 (en) * | 2018-12-12 | 2020-06-18 | Drake Precision Optics, Inc. | Ophthalmic surgery laser system and method for utilizing same for ophthalmic surgery |
-
2020
- 2020-08-07 US US17/632,595 patent/US20220276125A1/en active Pending
- 2020-08-07 CN CN202080055029.3A patent/CN114174791A/zh active Pending
- 2020-08-07 AU AU2020325162A patent/AU2020325162B2/en active Active
- 2020-08-07 WO PCT/US2020/045525 patent/WO2021026515A1/en unknown
- 2020-08-07 JP JP2022506600A patent/JP2022543592A/ja active Pending
- 2020-08-07 EP EP20761417.3A patent/EP4010755A1/en active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0848809A1 (en) * | 1995-09-06 | 1998-06-24 | Neuromedical Systems Inc. | Global mtf measurement system |
WO2003056392A1 (en) * | 2001-12-24 | 2003-07-10 | Koninklijke Philips Electronics N.V. | Determining the aberrations of an imaging system |
US20070165131A1 (en) * | 2005-12-12 | 2007-07-19 | Ess Technology, Inc. | System and method for measuring tilt of a sensor die with respect to the optical axis of a lens in a camera module |
WO2008050320A2 (en) * | 2006-10-23 | 2008-05-02 | Ben Gurion University Of The Negev, Research And Development Authority | Blind restoration of images degraded by isotropic blur |
US20080212830A1 (en) * | 2007-03-02 | 2008-09-04 | Northrop Grumman Corporation | Efficient Calculation of Ensquared Energy in an Imaging System |
CN101303269A (zh) * | 2007-05-09 | 2008-11-12 | 奥林巴斯株式会社 | 光学系统评价装置、光学系统评价方法及其程序 |
US20110044554A1 (en) * | 2009-08-21 | 2011-02-24 | Konica Minolta Systems Laboratory, Inc. | Adaptive deblurring for camera-based document image processing |
JP2011159178A (ja) * | 2010-02-02 | 2011-08-18 | Univ Of Electro-Communications | 光学的情報読取装置、光学的情報読取方法及びデジタルフィルタの作成方法 |
GB201011974D0 (en) * | 2010-07-16 | 2010-09-01 | St Microelectronics Ltd | Improvements in or relating to characterisation of image sensors |
CN104937475A (zh) * | 2012-04-05 | 2015-09-23 | 奇跃公司 | 具有相互遮挡和不透明度控制能力的用于光学透视头戴显示器的设备 |
US9030594B1 (en) * | 2012-04-19 | 2015-05-12 | Southern Methodist University | Applying phase transfer function |
CN103905714A (zh) * | 2012-12-26 | 2014-07-02 | 中国电子科技集团公司第五十研究所 | 基于边沿扩展函数测量的调焦方法及装置 |
WO2014174438A1 (en) * | 2013-04-21 | 2014-10-30 | Nova Measuring Instruments Ltd. | Method and system for improving optical measurements on small targets |
CN103927740A (zh) * | 2014-02-18 | 2014-07-16 | 北京象开科技有限公司 | 获得图像的点扩展函数的方法和装置 |
CN104833480A (zh) * | 2015-04-27 | 2015-08-12 | 北京空间机电研究所 | 一种测试刃边倾角对调制传递函数影响的装置及方法 |
CN105719298A (zh) * | 2016-01-22 | 2016-06-29 | 北京航空航天大学 | 一种基于边缘检测技术的线扩散函数提取的方法 |
CN109708842A (zh) * | 2018-10-18 | 2019-05-03 | 北京航空航天大学 | 一种基于单像素成像的相机镜头点扩散函数测量方法 |
Non-Patent Citations (3)
Title |
---|
刘丽等: "《综合孔径成像原理与应用》", vol. 1, 31 July 2013, 国防工业出版社, pages: 46 - 51 * |
娄颖;: "光学透镜参数现代测量方法研究", 《红外与激光工程》, vol. 37, no. 1, pages 71 - 74 * |
汪立宏等: "《生物医学光学》", vol. 1, 31 January 2017, 中国科学技术大学出版社, pages: 9 - 14 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117234091A (zh) * | 2023-11-14 | 2023-12-15 | 四川省威沃敦石油科技股份有限公司 | 一种油气井测试量子点投放系统 |
CN117234091B (zh) * | 2023-11-14 | 2024-01-23 | 四川省威沃敦石油科技股份有限公司 | 一种油气井测试量子点投放系统 |
Also Published As
Publication number | Publication date |
---|---|
US20220276125A1 (en) | 2022-09-01 |
WO2021026515A8 (en) | 2022-03-17 |
WO2021026515A1 (en) | 2021-02-11 |
WO2021026515A9 (en) | 2021-03-18 |
AU2020325162B2 (en) | 2023-08-31 |
AU2020325162A1 (en) | 2022-03-24 |
JP2022543592A (ja) | 2022-10-13 |
EP4010755A1 (en) | 2022-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1990624B1 (en) | Apparatus and method for evaluating an optical system | |
JP4806630B2 (ja) | 多軸統合を用いて三次元対象物の光学的画像データを取得する方法 | |
US7831105B2 (en) | Method for determining the image quality of an optical imaging system | |
JP5972563B2 (ja) | 構造化照明を用いるエッジ検出 | |
US9471984B2 (en) | Method for self-calibration of a microscope apparatus | |
EP3918402B1 (en) | Calibration of a light-field imaging system | |
JP5816297B2 (ja) | マスク上の構造を特徴付ける方法及び方法を実施するためのデバイス | |
WO2019097587A1 (ja) | 定量位相画像生成方法、定量位相画像生成装置およびプログラム | |
KR20150090180A (ko) | 동공 결상 산란율 측정을 위한 아포다이제이션 | |
JP2022533001A (ja) | 無限遠補正顕微鏡のための自己較正および方向集束のシステムおよび方法 | |
CN109767425B (zh) | 机器视觉光源均匀性评估装置及方法 | |
JP2016533525A (ja) | スキャニング顕微鏡、およびスキャニング顕微鏡の点像分布関数(psf)を決定する方法 | |
AU2020325162B2 (en) | Optical imaging performance test system and method | |
CN108885089A (zh) | 用于远心光学测量机器的聚焦系统 | |
CN113008789B (zh) | 具有透明工件表面模式的计量系统 | |
CN109391758B (zh) | 对样品保持器中的样品进行成像 | |
US8937654B2 (en) | Machine vision inspection system comprising two cameras having a rotational offset | |
CN108291870B (zh) | 用于确定样本介质的波长相关折射率的光显微镜和方法 | |
WO2018118487A1 (en) | Surface sensing in optical microscopy and automated sample scanning systems | |
JP2015169624A (ja) | 計測装置、計測方法及び物品の製造方法 | |
US20240069322A1 (en) | Methods and systems to compensate for substrate thickness error |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: William K Ridgway Inventor after: Alan Dyke Inventor after: Chen Pengyuan Inventor after: Rebecca Dee Rico Kurzawa Inventor before: William K Ridgway Inventor before: Alan Dyke Inventor before: Chen Pengyuan Inventor before: Rebecca Kurzawadiriko |
|
CB03 | Change of inventor or designer information |