第24章：全息显示与计算全息

章节概要

本章探讨全息术在计算机图形学中的应用，将传统的全息记录原理与现代计算方法相结合。我们将从物理全息的基本原理出发，发展到计算机生成全息图（CGH）的算法实现，并讨论如何将全息技术集成到现代渲染管线中。通过将全息术表述为体积渲染方程的特殊形式，我们建立了与前述章节的理论联系。

学习目标

完成本章后，您将能够：

1. 理解全息记录与重建的物理原理及其数学表述
2. 推导计算机生成全息图的各种算法
3. 分析空间光调制器的工作原理与限制
4. 实现相位恢复算法解决全息重建问题
5. 设计完整的全息渲染管线并分析其计算复杂度

24.1 全息记录与重建原理

24.1.1 全息的物理基础

全息术基于光波的干涉与衍射原理。与传统成像只记录光的强度不同，全息同时记录光波的振幅和相位信息。考虑物光波 $U_o(\mathbf{x})$ 和参考光波 $U_r(\mathbf{x})$，在记录平面上的总光场为：

$$U_{total}(\mathbf{x}) = U_o(\mathbf{x}) + U_r(\mathbf{x})$$ 记录介质响应光强度 $I(\mathbf{x}) = |U_{total}(\mathbf{x})|^2$： $$I(\mathbf{x}) = |U_o|^2 + |U_r|^2 + U_o U_r^ + U_o^ U_r$$ 其中后两项包含了物光波的相位信息，这是全息记录的关键。

将复振幅写成极坐标形式 $U = |U|e^{i\phi}$，干涉项展开为： $$U_o U_r^ + U_o^ U_r = 2|U_o||U_r|\cos(\phi_o - \phi_r)$$ 这表明干涉条纹的对比度由振幅乘积决定，条纹间距由相位差梯度决定： $$\Lambda = \frac{2\pi}{|\nabla(\phi_o - \phi_r)|}$$ 对于典型的离轴全息配置，参考光与物光夹角为 $\theta$，条纹间距约为： $$\Lambda \approx \frac{\lambda}{2\sin(\theta/2)}$$ 干涉条纹的形成机理： 当物光波和参考光波在记录介质上相遇时，空间各点的相位差决定了干涉强度。对于平面参考波 $U_r = A_r \exp(i\mathbf{k}_r \cdot \mathbf{x})$ 和来自点源的球面物波： $$U_o = \frac{A_o}{r} \exp(ikr)$$ 相位差为： $$\Delta\phi = kr - \mathbf{k}_r \cdot \mathbf{x}$$ 等相位面（亮条纹位置）满足 $\Delta\phi = 2\pi m$，形成三维驻波模式。

记录介质的响应特性： 全息记录材料的响应可用透过率调制度表征： $$T(I) = T_0 + \beta I$$ 其中 $\beta$ 是材料的响应系数。对于线性记录： $$T(\mathbf{x}) = T_0 + \beta[|U_o|^2 + |U_r|^2 + 2|U_o||U_r|\cos(\phi_o - \phi_r)]$$ 非线性响应会产生高阶衍射项，影响重建质量。常见记录材料包括：

• 卤化银乳胶：高灵敏度，分辨率>5000线/mm
• 光致聚合物：实时记录，动态范围大
• 光折变晶体：可擦写，适合动态全息

空间频率分析： 全息图可视为物光波的空间频谱载波调制。设物光波的频谱为 $\tilde{U}_o(f_x, f_y)$，参考光引入载波频率 $(f_{xr}, f_{yr})$： $$\tilde{I}(f_x, f_y) = \tilde{U}_o \otimes \tilde{U}_o^ + \delta(f_x, f_y) + \tilde{U}_o(f_x - f_{xr}, f_y - f_{yr}) + \tilde{U}_o^(-(f_x + f_{xr}), -(f_y + f_{yr}))$$ 这解释了为什么离轴配置可以空间分离不同衍射级。载波频率必须满足： $$f_{xr} > 3f_{x,max}, \quad f_{yr} > 3f_{y,max}$$ 以避免频谱重叠。

24.1.2 菲涅尔全息图

对于菲涅尔全息，参考光为球面波。设参考点源位于 $\mathbf{r}_r$，则： $$U_r(\mathbf{x}) = \frac{A_r}{|\mathbf{x} - \mathbf{r}_r|} \exp\left(ik|\mathbf{x} - \mathbf{r}_r|\right)$$ 在近轴近似下，设全息平面位于 $z = 0$，参考源位于 $(x_r, y_r, z_r)$，则： $$|\mathbf{x} - \mathbf{r}_r| \approx z_r + \frac{(x - x_r)^2 + (y - y_r)^2}{2z_r}$$ 参考光相位在全息平面上的分布为： $$\phi_r(x, y) = k\left[z_r + \frac{(x - x_r)^2 + (y - y_r)^2}{2z_r}\right]$$ 记录的全息图模式为： $$H(\mathbf{x}) = |U_o|^2 + |U_r|^2 + 2|U_o||U_r|\cos[\phi_o(\mathbf{x}) - \phi_r(\mathbf{x})]$$ 当参考光远强于物光时（$|U_r| >> |U_o|$），可简化为： $$H(\mathbf{x}) \approx |U_r|^2[1 + 2\frac{|U_o|}{|U_r|}\cos(\phi_o - \phi_r)]$$ 这种线性记录条件下，全息图的调制深度正比于物光振幅。

24.1.3 重建过程

用相同的参考光照明全息图，透射光场为： $$U_{trans}(\mathbf{x}) = H(\mathbf{x}) \cdot U_r(\mathbf{x})$$ 将全息图透过率函数 $H(\mathbf{x}) = T_0 + \beta I(\mathbf{x})$ 代入： $$U_{trans} = [T_0 + \beta(|U_o|^2 + |U_r|^2 + U_o U_r^ + U_o^ U_r)]U_r$$ 展开后得到多项： $$U_{trans} = T_0 U_r + \beta(|U_o|^2 + |U_r|^2)U_r + \beta U_o |U_r|^2 + \beta U_o^* U_r^2$$ 各项的物理意义和空间分布：

1. 零级衍射：$[T_0 + \beta(|U_o|^2 + |U_r|^2)]U_r$ - 直透光，沿参考光方向传播
2. +1级衍射：$\beta U_o |U_r|^2$ - 虚像（原始物光波的准确重现）
3. -1级衍射：$\beta U_o^* U_r^2$ - 实像（共轭波，产生赝像）

虚像的形成机理： 虚像项 $U_{virtual}(\mathbf{x}) = \beta U_o(\mathbf{x}) |U_r(\mathbf{x})|^2$ 准确重现原始物光波。当 $|U_r|$ 为常数（平面参考波）时： $$U_{virtual} \propto U_o(\mathbf{x})$$ 这解释了为什么虚像保持原始物体的所有光学特性，包括深度信息和视差。

实像的共轭性质： 实像项 $U_{real}(\mathbf{x}) = \beta U_o^(\mathbf{x}) U_r^2(\mathbf{x})$ 产生相位共轭波。对于球面波物光： $$U_o = \frac{A_o}{r_o} \exp(ikr_o) \Rightarrow U_o^ = \frac{A_o^*}{r_o} \exp(-ikr_o)$$ 共轭波向内汇聚而非向外发散，形成实像。空间位置关系：

• 虚像位于原物体位置 $z = z_o$（保持原始深度）
• 实像位于 $z = -z_o + 2z_r$（相对于参考源的镜像位置）

角度分离条件： 离轴配置使不同衍射级在角度上分离。设参考光入射角为 $\theta_r$，物光平均出射角为 $\theta_o$，则：

• 零级：沿 $\theta_r$ 方向
• +1级：沿 $\theta_o$ 方向
• -1级：沿 $2\theta_r - \theta_o$ 方向

为避免重叠，需要： $$|\theta_o - \theta_r| > \Delta\theta_{obj} + \Delta\theta_{ref}$$ 其中 $\Delta\theta$ 是光束发散角。

衍射效率分析： 对于振幅全息图，一级衍射效率定义为： $$\eta = \frac{|U_{+1}|^2}{|U_{incident}|^2} = \frac{|\beta U_o |U_r|^2|^2}{|U_r|^2}$$ 在线性记录条件下（$|U_o| << |U_r|$），且透过率调制度 $m = \beta |U_o||U_r|/T_0$： $$\eta = \left(\frac{m T_0}{2}\right)^2$$ 对于理想的正弦光栅（$m = 1$），当 $T_0 = 0.5$ 时： $$\eta_{max} = \left(\frac{1 \times 0.5}{2}\right)^2 = 0.0625 = 6.25\%$$ 厚全息图的耦合波分析： 对于体积全息图，使用Kogelnik的耦合波理论。定义耦合参数： $$\nu = \frac{\pi n_1 d}{\lambda \cos\theta_B}$$ 透射型相位光栅的衍射效率： $$\eta = \sin^2(\nu) = \sin^2\left(\frac{\pi n_1 d}{\lambda \cos\theta_B}\right)$$ 当 $\nu = \pi/2$ 时达到100%效率，需要： $$n_1 d = \frac{\lambda \cos\theta_B}{2}$$ 反射型相位光栅： $$\eta = \tanh^2(\nu) = \tanh^2\left(\frac{\pi n_1 d}{\lambda \cos\theta_B}\right)$$ 大耦合强度下趋向100%。这解释了为什么相位全息图比振幅全息图效率更高。

像质评估： 重建像的质量受多种因素影响，可通过系统分析量化：

1. 记录介质的MTF（调制传递函数）： $$MTF(f) = \frac{M_{out}(f)}{M_{in}(f)} = \frac{|H(f)|}{|H(0)|}$$ 其中 $M$ 是调制度，$H(f)$ 是系统传递函数。对于典型的卤化银乳胶： $$MTF(f) \approx \exp\left(-\frac{f^2}{2f_c^2}\right)$$ 截止频率 $f_c \approx 3000-5000$ 线/mm。高频衰减导致细节损失，表现为边缘模糊。

2. 参考光的相干性要求：

时间相干性：相干长度必须大于最大光程差 $$l_c = c\tau_c = \frac{\lambda^2}{\Delta\lambda} > \Delta_{max}$$ 其中 $\Delta_{max} = |r_{o,max} - r_{o,min}| + |r_{r,max} - r_{r,min}|$。

对于He-Ne激光器（$\lambda = 633nm$, $\Delta\lambda \approx 0.002nm$）： $$l_c \approx \frac{(633 \times 10^{-9})^2}{0.002 \times 10^{-9}} \approx 20cm$$ 空间相干性：相干宽度决定干涉条纹可见度 $$w_c = \frac{\lambda D}{s}$$ 其中 $D$ 是到光源的距离，$s$ 是光源尺寸。条纹可见度： $$V = \frac{I_{max} - I_{min}}{I_{max} + I_{min}} = |\gamma_{12}|$$ 其中 $\gamma_{12}$ 是复相干度。对于扩展光源： $$\gamma_{12} = \frac{\sin(\pi s \sin\theta/\lambda)}{\pi s \sin\theta/\lambda}$$

3. 记录几何的像差分析： 球面参考波引入的波前像差可展开为Zernike多项式： $$W(\rho, \theta) = \sum_{n=0}^{\infty} \sum_{m=-n}^{n} a_{nm} Z_n^m(\rho, \theta)$$ 主要像差项：

• 离焦（$n=2, m=0$）：$a_{20} = \frac{\Delta z}{8(f/#)^2}$
• 球差（$n=4, m=0$）：$a_{40} = \frac{1}{48(f/#)^4}$
• 彗差（$n=3, m=1$）：$a_{31} = \frac{\theta_{off}}{8(f/#)^3}$

其中 $f/#$ 是F数，$\theta_{off}$ 是离轴角。

Strehl比评估像质： $$S = \exp\left(-\left(\frac{2\pi\sigma_W}{\lambda}\right)^2\right)$$ 其中 $\sigma_W$ 是波前误差的RMS值。$S > 0.8$ 认为是衍射极限成像。

波长选择性与角度选择性： 重建时使用不同波长 $\lambda'$ 或不同角度 $\theta'$ 会导致像质变化：

1. 波长变化的影响：

横向放大率：根据光栅方程 $$\sin\theta_d = \sin\theta_r + \frac{\lambda'}{\Lambda}$$ 其中 $\Lambda$ 是干涉条纹间距。横向放大率： $$M_x = \frac{\lambda'}{\lambda} \cdot \frac{\cos\theta_r}{\cos\theta_d}$$ 轴向位置变化： $$z_i' = z_i \cdot \frac{\lambda}{\lambda'}$$ 色差：不同波长成像在不同深度，产生色散： $$\Delta z_{chromatic} = z_i \left(1 - \frac{\lambda_{min}}{\lambda_{max}}\right)$$

2. 角度变化的影响：

布拉格失配：偏离布拉格角 $\Delta\theta$ 导致效率下降 $$\eta(\Delta\theta) = \eta_0 \cdot \text{sinc}^2\left(\frac{\pi d \Delta\theta}{\Lambda}\right)$$ 像差引入：主要是球差和彗差 $$W_{spherical} = \frac{(\Delta\theta)^2 \rho^4}{32(f/#)^3}$$ $$W_{coma} = \frac{\Delta\theta \cdot \rho^3 \cos\phi}{8(f/#)^2}$$ 其中 $(\rho, \phi)$ 是归一化极坐标。

3. 补偿方法：

预畸变：记录时引入相反的畸变 $$\phi_{comp}(x,y) = -\frac{2\pi}{\lambda}\left(\frac{\lambda'}{\lambda} - 1\right)\sqrt{x^2 + y^2 + z^2}$$ 动态补偿：使用SLM实时校正波前误差

数字重建方法： 除了光学重建，可通过数值计算模拟重建过程，这在数字全息显微镜中尤其重要： $$U_{recon}(\xi, \eta) = \iint H(x,y) U_r(x,y) h(x,y;\xi,\eta) dx dy$$ 其中 $h$ 是从全息平面到重建平面的传播核。根据Rayleigh-Sommerfeld衍射理论： $$h(x,y;\xi,\eta) = \frac{1}{i\lambda} \frac{\exp(ikr)}{r} \cos\theta$$ 其中 $r = \sqrt{(\xi-x)^2 + (\eta-y)^2 + z^2}$，$\cos\theta = z/r$。

频域快速算法： 利用卷积定理和FFT加速计算： $$U_{recon} = \mathcal{F}^{-1}{\mathcal{F}{H \cdot U_r} \cdot \mathcal{F}{h}}$$ 对于Fresnel近似，传播传递函数简化为： $$H_z(f_x, f_y) = \exp(ikz)\exp\left[-i\pi\lambda z(f_x^2 + f_y^2)\right]$$ 数字聚焦技术： 通过改变传播距离 $z$ 实现后聚焦： $$U(x,y,z) = \mathcal{F}^{-1}{\mathcal{F}{U(x,y,0)} \cdot H_z(f_x,f_y)}$$ 搜索最佳聚焦平面的判据：

• 强度梯度最大化：$\max_z \sum|\nabla I(x,y,z)|^2$
• 频谱能量集中度：$\max_z \frac{\sum f^2|\tilde{I}(f)|^2}{\sum|\tilde{I}(f)|^2}$
• Tamura系数：$\max_z \frac{\sigma_I^2}{\mu_I}$

数字像差补偿： 测量或计算系统像差后，引入补偿相位： $$U_{corrected} = U_{recon} \cdot \exp[-i\phi_{aberration}]$$ 常见补偿项：

• 倾斜：$\phi_{tilt} = k(x\sin\theta_x + y\sin\theta_y)$
• 离焦：$\phi_{defocus} = \frac{k(x^2+y^2)}{2R}$
• 球差：$\phi_{spherical} = \frac{k(x^2+y^2)^2}{8R^3}$

24.1.4 体积全息与布拉格条件

三维光栅的形成： 对于厚全息图（厚度 $d >> \Lambda$，其中 $\Lambda$ 是条纹间距），需考虑体积内的布拉格衍射。记录时，干涉图样在整个体积内形成三维强度分布： $$I(\mathbf{r}) = |U_o(\mathbf{r}) + U_r(\mathbf{r})|^2$$ 对于线性记录材料，折射率调制正比于曝光强度： $$n(\mathbf{r}) = n_0 + n_1 \cos(\mathbf{K} \cdot \mathbf{r} + \phi_0)$$ 其中光栅矢量 $\mathbf{K} = \mathbf{k}_o - \mathbf{k}_r$ 决定了光栅的周期和方向。光栅周期： $$\Lambda = \frac{2\pi}{|\mathbf{K}|} = \frac{\lambda}{2\sin(\theta/2)}$$ 其中 $\theta$ 是物光和参考光的夹角。

体积光栅的类型：

1. 透射型光栅：$\mathbf{K} \perp$ 表面，用于透射几何
2. 反射型光栅：$\mathbf{K} \parallel$ 表面，用于反射几何
3. 倾斜光栅：$\mathbf{K}$ 与表面成任意角，混合特性

布拉格条件要求入射光满足动量匹配： $$\mathbf{k}_{in} + \mathbf{K} = \mathbf{k}_{out}$$ 在标量形式下，对于对称几何（入射角等于衍射角），布拉格角为： $$2d\sin\theta_B = m\lambda/n_0$$ 其中 $d = 2\pi/|\mathbf{K}|$ 是光栅周期。

耦合波理论分析： Kogelnik的耦合波理论提供了体积光栅衍射效率的解析解。定义耦合常数： $$\kappa = \frac{\pi n_1}{\lambda \cos\theta_B}$$ 和失谐参数（偏离布拉格条件）： $$\xi = \frac{\Delta\theta \cdot K d}{2\cos\theta_B}$$ 透射型相位光栅： 衍射效率为： $$\eta = \frac{\sin^2(\sqrt{\nu^2 + \xi^2})}{1 + \xi^2/\nu^2}$$ 其中 $\nu = \kappa d = \frac{\pi n_1 d}{\lambda \cos\theta_B}$。布拉格条件下（$\xi = 0$）： $$\eta = \sin^2(\nu) = \sin^2\left(\frac{\pi n_1 d}{\lambda \cos\theta_B}\right)$$ 最大效率100%出现在 $\nu = \pi/2$。

反射型相位光栅： 衍射效率为： $$\eta = \frac{\sinh^2(\sqrt{s^2 - \xi^2})}{1 + s^2/\xi^2}$$ 其中 $s = \kappa d$。布拉格条件下： $$\eta = \tanh^2(s) = \tanh^2\left(\frac{\pi n_1 d}{\lambda \cos\theta_B}\right)$$ 大耦合强度下趋向100%。

Q参数与光栅分类： Klein-Cook参数区分薄光栅和厚光栅： $$Q = \frac{2\pi\lambda d}{n_0\Lambda^2}$$

• $Q < 1$：Raman-Nath衍射（薄光栅），多级衍射
• $Q > 10$：Bragg衍射（厚光栅），单级衍射
• $1 < Q < 10$：过渡区域

选择性分析：

角度选择性（半高全宽）： 对于透射光栅： $$\Delta\theta = \frac{\lambda\cos\theta_B}{\pi d\sin\theta_B} \approx \frac{\Lambda}{d}$$ 对于反射光栅： $$\Delta\theta = \frac{\lambda}{2d\sin\theta_B}$$ 角度选择性与光栅厚度成反比，厚光栅具有更高的角度选择性。

波长选择性： 布拉格波长偏移的容忍度： $$\Delta\lambda = \frac{\lambda^2}{2nd\sin\theta_B}$$ 对于垂直入射的反射光栅： $$\Delta\lambda = \frac{\lambda^2}{2nd}$$ 温度和应力效应： 温度变化引起的波长偏移： $$\Delta\lambda_T = \lambda \left(\alpha + \frac{1}{n}\frac{dn}{dT}\right) \Delta T$$ 其中 $\alpha$ 是热膨胀系数。应力引起的双折射： $$\Delta n = C_{ij} \sigma_{ij}$$ 其中 $C_{ij}$ 是光弹系数张量。

多重全息与复用技术： 利用选择性可在同一体积内记录多个全息图：

1. 角度复用：不同角度记录 $N$ 个全息图 $$N_{angle} \approx \frac{\theta_{range}}{\Delta\theta} = \frac{\theta_{range} \cdot d}{\Lambda}$$

2. 波长复用：不同波长记录 $$N_{wavelength} \approx \frac{\Delta\lambda_{source}}{\Delta\lambda} = \frac{\Delta\lambda_{source} \cdot 2nd}{\lambda^2}$$

3. 空间复用：分区记录

4. 相位编码复用：使用正交相位码

总存储容量： $$C = N_{angle} \times N_{wavelength} \times N_{spatial} \times \frac{A}{(\Delta x)^2}$$ 其中 $A$ 是全息图面积，$\Delta x$ 是空间分辨率。

24.2 计算机生成全息图（CGH）

24.2.1 从物理到计算

计算机生成全息图通过数值计算模拟物光波的传播和干涉过程。CGH的核心优势在于：

1. 可以生成物理上不存在的物体的全息图
2. 精确控制光波的振幅和相位分布
3. 无需物理干涉系统，避免了振动和相干性要求
4. 可以引入计算优化和预补偿

从连续到离散的表示： 对于连续3D场景，物光波为： $$U_o(\mathbf{x}) = \iiint_{V} \rho(\mathbf{r}') G(\mathbf{x}, \mathbf{r}') d\mathbf{r}'$$ 其中 $\rho(\mathbf{r}')$ 是物体的复振幅分布，$G$ 是格林函数： $$G(\mathbf{x}, \mathbf{r}') = \frac{\exp(ik|\mathbf{x} - \mathbf{r}'|)}{4\pi|\mathbf{x} - \mathbf{r}'|}$$ 离散化后，使用点采样： $$U_o(\mathbf{x}) \approx \sum_{j=1}^N A_j \frac{\exp(ik|\mathbf{x} - \mathbf{r}_j|)}{|\mathbf{x} - \mathbf{r}_j|}$$ 其中 $A_j = \rho(\mathbf{r}_j) \Delta V$ 包含了体积元素。

光波传播的数学框架： CGH计算基于标量衍射理论。根据不同近似程度：

1. Rayleigh-Sommerfeld衍射（最精确）： $$U(\mathbf{x}) = \frac{1}{i\lambda} \iint_{\Sigma} U_0(\mathbf{x}') \frac{\exp(ikr)}{r} \cos(\mathbf{n}, \mathbf{r}) d\mathbf{x}'$$

2. Fresnel衍射（近轴近似）： $$U(x,y,z) = \frac{\exp(ikz)}{i\lambda z} \iint U_0(x',y') \exp\left[\frac{ik}{2z}[(x-x')^2 + (y-y')^2]\right] dx'dy'$$

3. Fraunhofer衍射（远场近似）： $$U(x,y) = \frac{\exp(ikz)\exp\left[\frac{ik(x^2+y^2)}{2z}\right]}{i\lambda z} \mathcal{F}{U_0}\left(\frac{x}{\lambda z}, \frac{y}{\lambda z}\right)$$ 在实际计算中，需要考虑多个约束条件：

采样要求：

1. 横向采样（Nyquist准则）： $$\Delta x < \frac{\lambda z_{min}}{2L}$$ 其中 $L$ 是物体横向尺寸，$z_{min}$ 是最近物点距离。

2. 角谱采样：为避免混叠 $$\Delta u < \frac{1}{2L}, \quad \Delta v < \frac{1}{2L}$$ 其中 $(u,v) = (\sin\theta_x/\lambda, \sin\theta_y/\lambda)$ 是方向余弦。

数值孔径与带宽限制： 系统的空间带宽受限于： $$B_{spatial} = \frac{2NA}{\lambda} = \frac{2\sin\theta_{max}}{\lambda}$$ 对应的最小可分辨特征： $$\delta_{min} = \frac{\lambda}{2NA}$$ 量化与噪声分析：

1. 相位量化：$B$位量化产生量化噪声 $$\sigma_\phi^2 = \frac{(2\pi)^2}{12 \cdot 2^{2B}}$$

2. 振幅量化：影响动态范围 $$SNR = 20\log_{10}\left(\frac{2^B - 1}{\sigma_n}\right) \text{ dB}$$

3. 计算精度：浮点运算误差 $$\epsilon_{total} = \epsilon_{round} + N \cdot \epsilon_{accum}$$ 其中 $N$ 是累加次数。

Rayleigh-Sommerfeld衍射理论基础： CGH计算基于标量衍射理论。第一类Rayleigh-Sommerfeld积分给出： $$U(\mathbf{x}) = \frac{1}{i\lambda} \iint_{\Sigma} U_0(\mathbf{x}') \frac{\exp(ikr)}{r} \cos(\mathbf{n}, \mathbf{r}) d\mathbf{x}'$$ 其中 $r = |\mathbf{x} - \mathbf{x}'|$，$\cos(\mathbf{n}, \mathbf{r})$ 是倾斜因子。这是CGH算法的理论基础。

带限信号的完美重建条件： 根据Whittaker-Shannon采样定理，要完美重建带限信号，采样率必须满足： $$f_s > 2B$$ 其中 $B$ 是信号带宽。对于全息图，空间带宽由物体的角谱范围决定： $$B_x = \frac{NA_x}{\lambda}, \quad B_y = \frac{NA_y}{\lambda}$$ 因此全息图的采样间隔应满足： $$\Delta x < \frac{\lambda}{2NA_x}, \quad \Delta y < \frac{\lambda}{2NA_y}$$ 复数编码策略： 由于大多数空间光调制器只能调制振幅或相位，需要编码方法表示复数值：

1. Kinoform（纯相位编码）： 忽略振幅，只编码相位： $$H_{kino} = \exp(i\arg[U_o])$$ 效率损失：$\eta = |\langle U_o, H_{kino} \rangle|^2 / |U_o|^2$

2. 迭代傅里叶变换算法（IFTA）： 交替投影在全息平面和重建平面约束间：

• 全息平面：$\phi_{holo}^{(k+1)} = \arg[U_{holo}^{(k)}]$
• 重建平面：$U_{image}^{(k+1)} = A_{target} \exp(i\arg[U_{image}^{(k)}])$

收敛速度：$O(1/\sqrt{k})$，其中 $k$ 是迭代次数。

3. 双相位分解： $$A e^{i\phi} = \frac{1}{2}[e^{i\phi_1} + e^{i\phi_2}]$$ 求解约束： $$\cos(\phi_1 - \phi) = \cos(\phi - \phi_2) = A$$ 得到：$\phi_1 = \phi + \arccos(A)$，$\phi_2 = \phi - \arccos(A)$

限制：要求 $0 \leq A \leq 1$。

4. 误差扩散编码： 将量化误差扩散到邻近像素： $$e_{i,j} = U_{target} - U_{quantized}$$ $$U_{i+1,j} \leftarrow U_{i+1,j} + \alpha e_{i,j}$$ 其中 $\alpha \approx 7/16$ 为Floyd-Steinberg权重。

5. 张量分解方法： 将复振幅矩阵分解为低秩近似： $$\mathbf{U} \approx \sum_{r=1}^R \sigma_r \mathbf{u}_r \mathbf{v}_r^T$$ 每个分量可以独立编码。

计算精度与数值稳定性： 浮点运算的有限精度影响CGH质量，需要特殊处理：

1. 相位卷绕处理： 大传播距离时相位迅速增长： $$\phi = kr = \frac{2\pi}{\lambda}\sqrt{(x-x')^2 + (y-y')^2 + (z-z')^2}$$ 使用双精度计算或相位展开： $$\exp(ikr) = \exp(i\phi_{wrapped}) \cdot \exp(i2\pi m)$$ 其中 $\phi_{wrapped} = \mod(kr, 2\pi)$，$m = \lfloor kr/2\pi \rfloor$。

2. 近场奇异性处理： 当 $r \to 0$ 时，使用正则化： $$G_{reg}(r) = \begin{cases} \frac{\exp(ikr) - 1}{ikr} + 1/\epsilon & r < \epsilon \ \frac{\exp(ikr)}{r} & r \geq \epsilon \end{cases}$$ 其中 $\epsilon = \lambda/100$ 避免除零。

3. FFT数值误差分析：

舆入误差：FFT的误差传播 $$|\text{FFT}(x + \delta x) - \text{FFT}(x)| \leq \sqrt{N} |\delta x|$$ 累积误差：$N$点FFT的总误差 $$\epsilon_{total} \approx \sqrt{N\log_2 N} \cdot \epsilon_{machine}$$ 对于 $N = 4096^2$：

• 单精度：$\epsilon \approx 10^{-4}$
• 双精度：$\epsilon \approx 10^{-13}$

4. 数值稳定性优化：

预条件化：归一化坐标和振幅 $$\tilde{x} = x/L, \quad \tilde{U} = U/U_{max}$$ Kahan求和：减少累加误差 sum = 0; c = 0 for j in 1:N y = a[j] - c t = sum + y c = (t - sum) - y sum = t

分块计算：避免过大数组

24.2.2 点源法（Point Source Method）

基本原理： 点源法是最直观的CGH算法，基于惠更斯-菲涅尔原理。每个物点被视为次级球面波源： $$U_j(\mathbf{x}) = A_j \frac{\exp(ik r_j)}{r_j} \cdot K(\theta_j)$$ 其中：

• $r_j = |\mathbf{x} - \mathbf{r}_j| = \sqrt{(x-x_j)^2 + (y-y_j)^2 + (z-z_j)^2}$
• $K(\theta)$ 是倾斜因子，有多种选择：

倾斜因子的选择：

1. Kirchhoff倾斜因子： $$K_{Kirchhoff}(\theta) = \frac{1 + \cos\theta}{2}$$

2. Rayleigh-Sommerfeld倾斜因子： $$K_{RS}(\theta) = \cos\theta = \frac{z}{r}$$

3. 无倾斜因子（近轴近似）： $$K_{paraxial}(\theta) = 1$$ 对于大多数应用，Rayleigh-Sommerfeld因子给出最准确的结果。

全息图计算： 对于全息平面上的每个采样点 $\mathbf{x}_i$，计算总光场： $$U_{total}(\mathbf{x}_i) = \sum_{j=1}^N A_j \frac{\exp(ik r_{ij})}{r_{ij}} K(\theta_{ij}) + U_r(\mathbf{x}_i)$$ 其中 $r_{ij} = |\mathbf{x}_i - \mathbf{r}_j|$。

干涉图样的记录：

1. 强度全息图： $$H_I(\mathbf{x}_i) = |U_{total}(\mathbf{x}_i)|^2$$

2. 相位全息图（Kinoform）： $$H_\phi(\mathbf{x}_i) = \arg[U_{total}(\mathbf{x}_i)]$$

3. 复振幅全息图： $$H_C(\mathbf{x}_i) = U_{total}(\mathbf{x}_i)$$ 计算复杂度分析：

• 时间复杂度：$O(MN)$
• $M = M_x \times M_y$ 是全息图像素数
• $N$ 是场景点数
• 空间复杂度：$O(M + N)$
• 每像素计算：
• 距离计算：9次乘法，6次加法，1次平方根
• 相位计算：1次乘法
• 复数运算：2次三角函数

优化策略：

1. 查找表（LUT）加速： 预计算常用函数值： 对于 r ∈ [r_min, r_max]，步长 Δr LUT[i] = exp(ik*r[i])/r[i]

内存需求：$N_{LUT} = (r_{max} - r_{min})/\Delta r$ 精度权衡：$\Delta r < \lambda/10$ 保证相位精度

2. GPU并行加速： 每个线程计算一个全息像素 thread(i,j): U = 0 for each object point k: U += A[k] * G(x[i,j], r[k]) H[i,j] = |U + U_ref|^2

加速比：$S = N_{cores} \times \eta_{occupancy}$ 典型值：$S \approx 100-1000$ 对于现代GPU

3. 分层距离计算： 根据距离分组，使用不同精度：

• 近场（$r < 10\lambda$）：完整计算
• 中场（$10\lambda < r < 1000\lambda$）：Fresnel近似
• 远场（$r > 1000\lambda$）：Fraunhofer近似

4. 空间划分优化： 使用八叉树或k-d树：

• 只计算影响显著的点
• 剪枝条件：$|A_j|/r_j^2 < \epsilon$
• 复杂度降低到：$O(M\log N)$

5. 自适应精度控制： 根据局部相位梯度调整： $$N_{local} = \max\left(N_{min}, \frac{|\nabla\phi|}{2\pi} \cdot N_{base}\right)$$ 误差分析：

6. 离散采样误差： 由于有限采样点表示连续物体： $$\epsilon_{sampling} = \frac{\sigma_U}{\sqrt{N}} \approx \frac{\langle|A|\rangle}{\sqrt{N}}$$ 其中 $\sigma_U$ 是光场标准差。

7. 有限孔径误差： 全息图有限尺寸导致频谱截断： $$\epsilon_{aperture} = \int_{|f| > f_{max}} |\tilde{U}(f)|^2 df$$ 对于点源，近似为： $$\epsilon_{aperture} \approx \frac{\lambda z}{\pi D} \cdot \frac{|A|}{r}$$ 其中 $D$ 是全息图孔径。

8. 量化误差： 数字表示的有限位数： $$\epsilon_{quant} = \frac{\Delta}{2\sqrt{3}}$$ 其中 $\Delta$ 是量化步长。

9. 总误差估计： 假设各误差源独立： $$\epsilon_{total} = \sqrt{\epsilon_{sampling}^2 + \epsilon_{aperture}^2 + \epsilon_{quant}^2 + \epsilon_{numeric}^2}$$

10. 信噪比分析： $$SNR = 10\log_{10}\left(\frac{\sum|U_{signal}|^2}{\sum|U_{noise}|^2}\right)$$ 典型值：

• 单精度计算：SNR ≈ 40-50 dB
• 双精度计算：SNR ≈ 80-90 dB
• 8位量化：SNR ≈ 48 dB

24.2.3 多边形法（Polygon-based Method）

对于多边形物体，可通过解析积分提高效率。对于三角形面片 $T$，其贡献为： $$U_T(\mathbf{x}) = \iint_T \frac{A(\mathbf{r}')\exp(ik|\mathbf{x} - \mathbf{r}'|)}{|\mathbf{x} - \mathbf{r}'|} d\mathbf{r}'$$ 对于平面三角形，可使用解析方法。设三角形顶点为 $\mathbf{v}_1, \mathbf{v}_2, \mathbf{v}_3$，使用重心坐标： $$\mathbf{r}'(u,v) = (1-u-v)\mathbf{v}_1 + u\mathbf{v}_2 + v\mathbf{v}_3$$ 积分变换为： $$U_T(\mathbf{x}) = 2A_{triangle} \int_0^1 \int_0^{1-u} \frac{A(u,v)\exp(ikr(u,v))}{r(u,v)} dv du$$ Babinet原理优化： 对于不透明多边形，可利用Babinet原理： $$U_{polygon} = U_{aperture} - U_{background}$$ 这将复杂形状的计算转化为简单孔径的计算。

近似方法：

1. 恒定相位近似：当多边形远小于到观察点的距离时 $$U_T \approx \frac{A_{avg} \cdot S_T \exp(ikr_c)}{r_c}$$ 其中 $r_c$ 是到多边形质心的距离，$S_T$ 是面积。

2. Fresnel近似：在近轴条件下使用二次相位展开 $$r \approx z + \frac{(x-x')^2 + (y-y')^2}{2z}$$

24.2.4 波前记录平面法（Wavefront Recording Plane）

WRP方法通过引入中间虚拟平面，将3D问题分解为多个2D传播问题，显著减少计算量。

基本原理：

1. 在物体附近放置多个WRP
2. 计算物点到最近WRP的短距离传播
3. 计算WRP到全息平面的长距离传播

算法步骤：

1. 物体到WRP的传播（使用Rayleigh-Sommerfeld积分）： $$U_{WRP}(\mathbf{u}) = \sum_{j} A_j \frac{\exp(ik\rho_j)}{\rho_j}$$ 其中 $\rho_j = |\mathbf{u} - \mathbf{r}_j|$ 是物点到WRP的距离。

2. WRP到全息平面的传播（使用角谱方法）： $$U_h(\mathbf{x}) = \mathcal{F}^{-1}{\mathcal{F}{U_{WRP}} \cdot H(f_x, f_y)}$$ 传播传递函数： $$H(f_x, f_y) = \exp\left(ikd\sqrt{1 - \lambda^2(f_x^2 + f_y^2)}\right)$$ 对于大传播距离，可使用Fresnel近似： $$H(f_x, f_y) \approx \exp(ikd)\exp\left(-i\pi\lambda d(f_x^2 + f_y^2)\right)$$ 优化考虑：

• WRP位置选择：通常放置在物体的包围盒表面
• WRP分辨率：由物体细节和传播距离决定
• 多WRP策略：对复杂物体使用多个WRP，每个负责一部分物点

计算复杂度： 从 $O(MN)$ 降低到 $O(M\log M + KN)$，其中 $K$ 是WRP像素数，通常 $K << M$。

24.2.5 层析法（Layer-based Method）

层析法将3D场景沿深度方向切片，特别适合体积数据和半透明物体的全息计算。

基本原理： 将3D场景分解为多个深度层，每层独立计算后叠加： $$U_o(\mathbf{x}) = \sum_{l=1}^L U_l(\mathbf{x}) * h_{z_l}(\mathbf{x})$$ 其中 $h_{z_l}$ 是从深度 $z_l$ 到全息平面的传播核。

Fresnel传播核： $$h_z(\mathbf{x}) = \frac{\exp(ikz)}{i\lambda z}\exp\left(\frac{ik|\mathbf{x}|^2}{2z}\right)$$ 频域实现（更高效）： $$U_o = \sum_{l=1}^L \mathcal{F}^{-1}{\mathcal{F}{U_l} \cdot H_l}$$ 其中 $H_l(f_x, f_y) = \exp(ikz_l)\exp(-i\pi\lambda z_l(f_x^2 + f_y^2))$

层间距选择： 根据采样定理，层间距应满足： $$\Delta z \leq \frac{\lambda}{2(NA)^2}$$ 其中 NA 是系统数值孔径。这确保了轴向分辨率。

优化策略：

1. 非均匀层分布：在物体密集区域使用更多层
2. 自适应层数：根据场景复杂度动态调整
3. 层间插值：使用三线性插值减少所需层数

遮挡处理： 对于不透明物体，需要考虑遮挡： $$U_l(\mathbf{x}) = A_l(\mathbf{x}) \cdot V_l(\mathbf{x})$$ 其中 $V_l(\mathbf{x})$ 是可见性函数，可通过深度缓冲或光线投射计算。

计算复杂度： $O(LM\log M)$，其中 $L$ 是层数，利用FFT加速每层的传播计算。

24.3 空间光调制器显示技术

24.3.1 SLM的工作原理

空间光调制器（SLM）是实现动态全息显示的关键器件。主要类型包括：

1. 液晶SLM（LC-SLM）：通过电场控制液晶分子取向改变折射率
2. 数字微镜器件（DMD）：通过微镜阵列的机械偏转调制光
3. 硅基液晶（LCoS）：结合液晶和CMOS技术

对于相位型SLM，其传递函数为： $$t_{SLM}(\mathbf{x}) = \exp[i\phi_{SLM}(\mathbf{x})]$$ 其中 $\phi_{SLM} \in [0, 2\pi]$ 是可控相位延迟。

液晶SLM的物理机制： 向列型液晶的双折射特性使其折射率随分子取向变化： $$\Delta n(\theta) = n_e \cos^2\theta + n_o \sin^2\theta - n_o$$ 其中 $n_e$、$n_o$ 分别是非常光和寻常光折射率，$\theta$ 是液晶分子倾角。相位延迟为： $$\phi = \frac{2\pi d \Delta n(\theta)}{\lambda}$$ 其中 $d$ 是液晶层厚度。通过施加电压 $V$ 控制倾角： $$\theta(V) = \begin{cases} 0 & V < V_{th} \ \arcsin\sqrt{\frac{V^2 - V_{th}^2}{V^2}} & V > V_{th} \end{cases}$$ DMD的工作特性： DMD由微镜阵列组成，每个微镜可在 ±12° 间切换。其调制特性： $$t_{DMD}(x,y) = \begin{cases} 1 & \text{镜子处于 ON 状态} \ 0 & \text{镜子处于 OFF 状态} \end{cases}$$ 通过脉宽调制（PWM）实现灰度： $$t_{avg} = \frac{t_{ON}}{t_{ON} + t_{OFF}}$$ 刷新率可达 22kHz，适合时分复用全息显示。

响应时间与带宽：

• 液晶SLM：响应时间 ~10ms，刷新率 60-120Hz
• DMD：切换时间 ~10μs，二进制帧率 >20kHz
• 铁电液晶：响应时间 ~100μs，适合中速应用

24.3.2 像素化效应与衍射

SLM的像素结构导致额外的衍射效应。对于像素间距 $p$，衍射角由光栅方程给出： $$\sin\theta_m = m\frac{\lambda}{p}$$ 有效视场角（FOV）受限于： $$\text{FOV} = 2\arcsin\left(\frac{\lambda}{2p}\right)$$ 像素化的傅里叶分析： SLM可建模为理想光场与像素函数的卷积： $$t_{pixelated}(x,y) = t_{ideal}(x,y) \otimes \text{rect}\left(\frac{x}{w}, \frac{y}{w}\right) * \text{comb}\left(\frac{x}{p}, \frac{y}{p}\right)$$ 其中 $w$ 是像素宽度（填充因子 $FF = w/p$）。频域表示： $$\tilde{t}_{pixelated}(f_x, f_y) = \tilde{t}_{ideal}(f_x, f_y) \cdot \text{sinc}(wf_x, wf_y) \otimes \text{comb}(pf_x, pf_y)$$ 这产生了多个衍射级，强度分布为： $$I_m = I_0 \cdot \text{sinc}^2\left(\frac{m\lambda w}{p}\right)$$ 串扰与对比度： 相邻像素间的串扰影响调制质量： $$\text{Crosstalk} = \frac{I_{neighbor}}{I_{pixel}} = \exp\left(-\frac{2\pi^2 g^2}{\lambda^2}\right)$$ 其中 $g$ 是像素间隙。对比度定义为： $$\text{Contrast} = \frac{I_{max} - I_{min}}{I_{max} + I_{min}}$$ 典型液晶SLM对比度 >1000:1，DMD >2000:1。

24.3.3 振幅与相位调制

纯相位SLM无法直接实现复数调制。常用编码方法包括：

1. 双相位编码： $$A\exp(i\phi) = \frac{1}{2}[\exp(i\phi_1) + \exp(i\phi_2)]$$ 其中 $\phi_1 = \phi + \arccos(A)$，$\phi_2 = \phi - \arccos(A)$

2. 误差扩散法： 将复数值量化到最近的可实现相位值，并将误差扩散到邻近像素

超像素编码方法： 使用多个物理像素编码一个复数值： $$U_{target} = A e^{i\phi} \approx \frac{1}{N}\sum_{n=1}^N \exp(i\phi_n)$$ 优化问题： $$\min_{{\phi_n}} \left|A e^{i\phi} - \frac{1}{N}\sum_{n=1}^N \exp(i\phi_n)\right|^2$$ 对于 $N=4$ 的 2×2 超像素，可实现约 85% 的调制精度。

迭代量化算法：

1. 初始化：$\phi^{(0)} = \arg[U_{target}]$
2. 量化：$\phi_q^{(k)} = Q[\phi^{(k)}]$，其中 $Q$ 是量化函数
3. 误差计算：$e^{(k)} = U_{target} - \exp(i\phi_q^{(k)})$
4. 更新：$\phi^{(k+1)} = \phi^{(k)} + \alpha \cdot \arg[e^{(k)}]$

收敛后的量化噪声约为： $$\sigma_q^2 = \frac{\Delta^2}{12}$$ 其中 $\Delta = 2\pi/L$ 是量化步长，$L$ 是量化级数。

24.3.4 时分复用与空分复用

提高显示质量的复用技术：

1. 时分复用：快速切换多个全息图 $$H_{avg} = \frac{1}{T}\sum_{t=1}^T H_t$$

2. 空分复用：将SLM分割为多个子区域 $$H_{total}(\mathbf{x}) = \sum_{k} W_k(\mathbf{x}) H_k(\mathbf{x})$$ 其中 $W_k$ 是窗函数。

时分复用的视觉积分： 人眼的时间积分特性（~50ms）允许多帧融合： $$I_{perceived} = \frac{1}{\tau} \int_0^\tau I(t) dt$$ 对于 $N$ 个二值全息图的循环显示： $$\langle U \rangle = \frac{1}{N}\sum_{n=1}^N U_n$$ 斑点噪声降低因子：$\sqrt{N}$

空间复用的优化分配： 将SLM分为 $K$ 个区域，每个区域负责不同视角或颜色： $$\text{minimize} \sum_{k=1}^K |U_k - U_{target,k}|^2$$ 约束条件：

• 区域不重叠：$W_i \cap W_j = \emptyset$，$i \neq j$
• 完整覆盖：$\bigcup_{k=1}^K W_k = \Omega_{SLM}$

随机相位复用： 添加随机相位减少斑点： $$H_{random} = |H| \exp[i(\arg[H] + \phi_{random})]$$ 其中 $\phi_{random} \sim \mathcal{U}[0, 2\pi]$。多次平均后斑点对比度： $$C_{speckle} = \frac{1}{\sqrt{M}}$$ 其中 $M$ 是独立随机相位的数量。

24.4 相位恢复算法

24.4.1 相位恢复问题的数学表述

相位恢复是从强度测量中重建复数光场的逆问题。给定目标强度分布 $I_{target}(\mathbf{x}) = |U_{target}(\mathbf{x})|^2$，求解相位 $\phi(\mathbf{x})$ 使得： $$U(\mathbf{x}) = \sqrt{I_{target}(\mathbf{x})} \exp[i\phi(\mathbf{x})]$$ 这是一个非凸优化问题，存在多个局部最优解。

24.4.2 Gerchberg-Saxton算法

最经典的迭代相位恢复算法：

1. 初始化随机相位：$\phi_0(\mathbf{x}) = \text{random}[0, 2\pi]$
2. 迭代过程： - 前向传播：$U_{far}^{(k)} = \mathcal{F}{A_{near}\exp(i\phi_{near}^{(k)})}$ - 施加远场约束：$U_{far}^{(k+1)} = A_{far}\exp(i\arg[U_{far}^{(k)}])$ - 逆向传播：$U_{near}^{(k+1)} = \mathcal{F}^{-1}{U_{far}^{(k+1)}}$ - 施加近场约束：$\phi_{near}^{(k+1)} = \arg[U_{near}^{(k+1)}]$

收敛条件：$|A_{far} - |U_{far}^{(k)}||_2 < \epsilon$

24.4.3 加权Gerchberg-Saxton算法

引入权重因子改善收敛性： $$U_{far}^{(k+1)} = w \cdot A_{far}\exp(i\arg[U_{far}^{(k)}]) + (1-w) \cdot U_{far}^{(k)}$$ 其中 $w \in [0,1]$ 是混合权重。

24.4.4 梯度下降法

定义损失函数： $$L = \int ||\mathcal{F}{A_{near}\exp(i\phi)}|^2 - I_{far}|^2 d\mathbf{x}$$ 梯度更新： $$\phi^{(k+1)} = \phi^{(k)} - \alpha \nabla_\phi L$$ 其中梯度通过自动微分或解析推导获得。

24.4.5 相位多样性方法

使用多个测量约束提高重建质量： $$L = \sum_{j=1}^J ||\mathcal{P}_j{U}|^2 - I_j|^2$$ 其中 $\mathcal{P}_j$ 是不同的传播算子（如不同距离或波长）。

24.5 全息渲染管线

24.5.1 从传统渲染到全息渲染

将传统图形管线扩展到全息领域需要考虑波动性质。全息渲染管线的主要阶段：

1. 几何处理：与传统管线相同
2. 光波计算：将几何转换为复数光场
3. 传播模拟：计算光波传播
4. 全息编码：生成SLM驱动信号

24.5.2 体积渲染方程的全息形式

将体积渲染方程扩展到复数域： $$U(\mathbf{x}) = \int_V \sigma(\mathbf{r}) A(\mathbf{r}) \frac{\exp(ik|\mathbf{x} - \mathbf{r}|)}{|\mathbf{x} - \mathbf{r}|} d\mathbf{r}$$ 其中 $\sigma(\mathbf{r})$ 是体密度，$A(\mathbf{r})$ 是复振幅。这与第3章的统一体积渲染方程形式一致，但在复数域工作。

24.5.3 加速结构与优化

1. 八叉树加速： $$U(\mathbf{x}) = \sum_{node} U_{node}(\mathbf{x}) \cdot \mathbb{1}_{visible}(node)$$

2. 层次细节（LOD）： 根据观察距离选择不同分辨率： $$N_{samples} = \min\left(\frac{c}{\Delta\theta \cdot d}, N_{max}\right)$$ 其中 $\Delta\theta$ 是角分辨率，$d$ 是距离。

3. GPU并行化： 利用FFT的并行性和光波传播的独立性

24.5.4 实时全息渲染

实现实时性能的关键技术：

1. 查找表方法： 预计算传播核： $$H_{LUT}[i,j] = \frac{\exp(ikr_{ij})}{r_{ij}}$$

2. 稀疏表示： 只计算显著贡献的点： $$U(\mathbf{x}) \approx \sum_{j \in S} A_j H_{LUT}[\mathbf{x}, \mathbf{r}_j]$$ 其中 $S = {j : |A_j| > \epsilon}$

3. 时间相干性利用： $$U_t(\mathbf{x}) = \alpha U_{t-1}(\mathbf{x}) + (1-\alpha)\Delta U_t(\mathbf{x})$$

24.5.5 质量评估指标

全息重建质量的定量评估：

1. 信噪比（SNR）： $$\text{SNR} = 10\log_{10}\frac{\sum|U_{target}|^2}{\sum|U_{recon} - U_{target}|^2}$$

2. 结构相似性（SSIM）： 应用于强度和相位分布

3. 斑点对比度： $$C = \frac{\sigma_I}{\langle I \rangle}$$

衡量相干噪声水平。

本章小结

本章建立了从物理全息到计算全息的完整理论框架：

1. 全息原理：通过干涉记录振幅和相位，通过衍射重建原始光场
2. CGH算法：点源法、多边形法、WRP法和层析法，各有不同的效率-质量权衡
3. SLM技术：理解像素化、调制限制和复用技术对显示质量的影响
4. 相位恢复：从强度约束反演相位的迭代算法
5. 渲染集成：将全息计算纳入统一的体积渲染框架

关键数学工具：

• 菲涅尔-基尔霍夫衍射积分
• 快速傅里叶变换（FFT）
• 非凸优化与相位恢复
• 复数域的体积渲染方程

练习题

基础题

24.1 推导菲涅尔全息图的重建过程，说明为什么会产生孪生像。

24.2 给定SLM像素间距 $p = 8\mu m$，波长 $\lambda = 633nm$，计算最大衍射角和视场角。

24.3 证明Gerchberg-Saxton算法每次迭代不会增加误差。

挑战题

24.4 设计一个自适应采样算法for CGH，根据局部相位梯度调整采样密度。

24.5 推导使用两个正交偏振态同时编码两个独立全息图的方法。

24.6 分析层析CGH方法中层数 $L$ 与重建质量的关系，给出最优层数的估计。

常见陷阱与错误

1. 混淆强度全息与相位全息 - 错误：认为SLM可以直接显示强度全息图 - 正确：需要编码方法将强度信息转换为相位调制

2. 忽略采样要求 - 错误：使用不足的采样率导致混叠 - 正确：确保采样满足奈奎斯特准则，特别是在高NA系统中

3. 相位恢复的初值选择 - 错误：总是使用随机初始相位 - 正确：利用先验知识（如光滑性）选择更好的初值

4. 忽略SLM的物理限制 - 错误：假设理想的相位调制范围和分辨率 - 正确：考虑量化误差、死区和串扰效应

5. 计算效率问题 - 错误：直接计算所有点对的贡献 - 正确：使用FFT、查找表和自适应采样

最佳实践检查清单

算法选择

• [ ] 根据场景特性选择CGH算法（稀疏/密集）
• [ ] 评估实时性要求vs质量要求
• [ ] 考虑可用的硬件加速（GPU/FPGA）

系统设计

• [ ] 匹配SLM分辨率与目标应用
• [ ] 优化照明光源的相干性
• [ ] 设计合适的光学系统（f数、视场）

质量优化

• [ ] 实施迭代相位恢复提高图像质量
• [ ] 使用多重约束减少斑点噪声
• [ ] 应用预补偿校正系统像差

性能优化

• [ ] 利用对称性减少计算
• [ ] 实现多分辨率/LOD策略
• [ ] 使用时间相干性加速动态场景

验证测试

• [ ] 定量评估重建质量（SNR, SSIM）
• [ ] 测试不同观察角度和距离
• [ ] 验证实时性能指标