中文：点扩散函数；英文：point spread function

和y中激发的点扩散函数（PSF），因此将SLM的正方形感兴趣区域成像到物镜的后焦平面，有效地将SLM分辨率降低到1152×1152像素。 SLM的像素间距为9.2微米，使得SLM的短轴为10.6毫米。为了使SLM图像的尺寸与物镜的后孔径相匹配，中继光学器件必须将SLM的图像放大，从而将有效像素间距减小到8μm。在0，π衍射图中，最大光栅周期为2个像素，入射波长为940 nm，SLM可以转向的最大角度为3.36°。取物镜焦距为7.2 mm，最大横向位移为零点附近±423μm，或x和y的总横向位移为847μm。这超出了目标可以成像的视野，同时保持目标的全部NA，因此不会牺牲激励约束。此外，通过傅里 ...

版，从工程化点扩散函数 (E-PSF)出发，使用螺旋相位掩模板来控制景深、发射波长和精度，结合3DTRAX软件对3D图像进行重建和分析，可在不需要扫描的条件下即时捕获 3D 信息，得到无与伦比的深度和精度3D图像，横向精度可达20nm, 轴向精度可达25nm，成像深度可达20um。当与其他工具和技术，包括STORM、PALM、SOFI、光片显微、宽场、宽场显微、TIRF、FRET等一起使用时，可释放巨大的潜力，适用于活细胞、固定细胞和全细胞成像、单分子、粒子跟踪和粒子计数等应用。图1：SPINDLE2双通道显微镜模块，用于同时多色、多深度3D成像SPINDLE2可以被很容易地安装到现有显微镜和 ...

设计具有特定点扩散函数 (PSF) 的相机镜头，使用光谱选择性滤光器设计传感器像素的光谱灵敏度，或选择设计其它属性。然而，开发专用成像系统的挑战在于如何最好地设计此类仪器并利用这些工程能力。在这种情况下，将相机解释为编码器-解码器系统是有帮助的。一个或多个镜头通过其深度变化点扩展函数将场景投影到2D传感器上，从而对传感器上的场景进行光学编码，然后光谱过滤器确定如何集成色谱。通常，电子解码器从原始传感器测量中估计某些属性。使用可微分图像形成模型，我们可以模拟 3D 多光谱场景在传感器上的光学投影，然后使用算法处理该数据。因此，我们可以将相机设计的问题整体视为光学和成像处理的端到端优化（见图 1） ...

着有平移不变点扩散函数 (PSF)。具有已知PSF的散射介质（通常被侵入性测量）可以被视为散射透镜，用于通过反卷积进行成像。与任何传统透镜类似，散射透镜只能分辨由其数值孔径(NA)定义的衍射极限的物体。解卷积成像目前以最少的介质特征（单次 PSF 测量）从散斑图样获得最佳分辨率图像。但是，每个测量的 PSF 仅对测量时的散射特性有效；因此，解卷积方法对于静态散射介质很有效，但它不能实际用于动态散射介质。实际应用需要通过散射介质进行非侵入性成像，其在没有任何散射介质测量的情况下恢复图像。扩散光学层析成像(diffuse optical tomography)和飞行时间成像是可能的解决方案，然而， ...

通过具有优化点扩散函数(PSF)的光学滤波器将最亮像素值的信息编码到附近像素中来保留饱和像素值的信息。使用光学滤波器对HDR像素信息进行编码，并转向机器学习来自动设计光学元件和端到端的重建算法，从而最大化从HDR场景传递到低动态范围的信息(LDR)测量。文章通过大量的模拟，证明深度光学通常比替代的单次HDR成像方法获得更好的结果。因为与HDR-CNN方法相比，优化的PSF具有更大的自由度来编码图像传感器图像中的场景信息，并且与其它光学编码技术相比，这里使用与重建算法联合优化的光学元件 ，而不是启发式选择。且制造出的光学元件可以作为附件直接安装在现有的光学镜头上。原理解析(数学原理见附录，对公式 ...

得到超表面的点扩散函数PSF，fSENSOR描述图像传感器感光加上其本身的读取噪声。星号*代表卷积。优化问题公式：方程左边大括号内，前者用于加工meta-optics，后者用于确定解卷积算法。附图：因为后焦只有1mm，作者所用图像传感器不适于直接接收像面，因此使用物镜加tube lens作为中继镜头。（晶圆级镜头尺寸也可以达到本文超表面如此程度，如ovm6948，视场角120°，0.65mmX0.65mm）参考文献：Tseng, E., Colburn, S., Whitehead, J. et al. Neural nano-optics for high-quality thin lens ...

到的光强作为点扩散函数。只考虑点扩散函数为平移不变的情况，这样可以简化问题。图像源与点扩散函数卷积，在图像传感器每个像素上随波长和时间积分，加上传感器的读取噪声，最终成像。图像重建可以看作为求解一个Tikhonov正则化最小二乘问题。(2) 端到端优化框架。用随机梯度法优化有一个光学元件的计算相机。将成像模型的每一步描述为一个可微的模块。光学元件的光学高度分布h是一个优化变量，光学元件的尺寸、图像传感器像元尺寸、传输距离z和图像传感器读取噪声水平等，均为超参数。在一个RGB图像数据集上优化模型。损失函数为均方根误差。(3) 消色差拓展景深。在成像建模的时候，考虑多色和多深度的场景：将整个光谱离 ...

息可以通过对点扩散函数（PSF）求解卷积的方法得到一定程度的恢复，从而放宽空间和角度信息之间的权衡要求。当前不足：当前有两个主要因素限制了 LFM 的更广泛应用。首先，LFM 的空间信息的采样模式是不均匀的。特别是在NIP附近，信息的冗余导致重建时产生严重的伪影。其次，体积重建采用波动光学模型的 PSF 解卷积。传统 LFM 的 PSF 在横向和轴向维度上都有空间变化，因此用5D 矩阵描述，该矩阵将 3D 物体投影到 2D 相机平面上。这加剧了计算成本，使得重建相当缓慢，并且对于动态或功能数据的快速观察来说是不切实际的。最近虽然提出了傅立叶成像方案，然而，其光学传播模型并不完善，使得应用范围和 ...

,y)|2是点扩散函数(PSF)。它的傅里叶变换H(u,υ)是光学传递函数（OTF）。OTF与光瞳函数的二维自相关成正比：出于简化考虑，常数比例因子被略掉，这对我们的分析只有很小的影响。尽管如此，OTF在其原点以统一最大值表示。我们注意到，所有的真实光源都是部分相干的。大多数的被动成像是空间不相干的。如前所述，主动成像的特性取决于所用的光源。显微镜、计量、光刻都是理解和控制光源及其相干性特别重要的应用。相干性对成像仪器的响应的影响如图3所示。图3(a)，成像系统的一个一维通光孔径由光瞳函数表示。其生成的sinc函数相干响应p(x)见图3(b)。图3(c)和图3(d)分别表示非相干响应的OTF和 ...

分辨率为照明点扩散函数的平方的最大强度的1∕e半径，定义为：其中，λ为照明光的波长，NA为物镜的数值孔径。我们将成像系统的横向空间分辨率定义为IPSF2的1∕e2点的全宽度:求解NA，在小于0.7的假设下，我们发现0.65NA的物镜足以在1040nm照明光下提供约1μm的空间分辨率。因此，我们选择一个40×∕0.65NA的物镜。基于这个物镜，我们现在选择能够提供所需 FOV 的扫描透镜和套筒透镜Tube Lens。实际上，这相当于选择具有适当 f 数 (f ∕#) 的 Tube Lens。套筒透镜的孔径 (At) 必须足够大，以支持最大扫描角(θmax) 处的照明光束的整个直径。因此，套筒透镜 ...