相位提取算法简介(Phase Retrieval/PR)（待更新）

原创

已于 2022-06-25 11:51:10 修改 · 7.9k 阅读

43 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #vr #ar #光学成像

于 2022-01-08 20:31:23 首次发布

本文深入探讨了计算全息在AR/VR领域的应用，特别是解决成像质量和eyebox问题。介绍了几种关键的相位恢复算法，包括Gerchberg-Saxton、Fienup以及Wirtinger Flow算法，分析了它们的工作原理和优化方法。Fienup算法通过迭代傅里叶变换提高收敛速度，而HIO方法在实践中表现最佳。这些算法在实际物理实现中可能需要结合傅里叶透镜以达成理想效果，但不同的实现方式对近场和远场成像效果有不同的影响。

存在的疑惑：使用ASM实现ITFA，是否在物理实现是还需要加上傅里叶透镜？不需要使用基于FFT2实现的ITFA，在使用FFT2时，重建效果好，但是不适用于近场，使用最基本的ASM时，重建效果也很好，但是不适用于远场，使用线性卷积时，效果不好，有振荡，使用带限ASM时，效果不好。why？

前言

PR问题在CGH中是最重要的问题之一，在AR/VR产业中，目前的解决方案有：立体显示、多焦、变焦、全息等，其中计算全息是最有潜力的实现方案之一，为什么呢？我们考虑AR/VR显示的需求：large FOV, large eyebox, compact form factor, no VAC等，计算全息能够提供自然的accommodation cue，能够解决VAC的问题、并且具有大FOV，理论上不需要太多的光学器件来校正像差或者实现其他功能，主要器件为SLM，能够实现紧凑的形状结构，但是同时计算全息在近眼显示方面存在很多的问题，目前在技术上的问题：成像质量有待提高、eyebox很小。本博客中的内容旨在介绍各个PR问题的算法来提高成像质量。
为了后续讲解方便，在这里提出一个而简单的计算全息的光路图(来自论文2020_Learned Hardware-in-the-loop Phase Retrieval for Holographic Near-Eye Displays_ACM TRANSACTIONS ON GRAPHICS)：