【來源】：
超星視頻 > 超星課堂 > 計算機系統結構 > 計算成像與超分辨率圖像重建
有計算機參與的成像行為都可以認為是計算成像。
Computational Imaging（Photograph）
傳統成像是所見即所得
借助計算機對圖像重建、還原。計算成像能夠實現傳統成像無法完成的任務：如去除運動模糊、超分辨率成像。
研究比較多的：
- 照明方面的計算成像（Computational illumination），對快門編碼（coded exposure）編碼曝光。曝光時間、積分時間得到圖像。
- 光學方面的計算成像（Computational optics），對孔徑編碼（coded aperture）aperture光圈、光闌，F數：鏡頭F1.2分辨率很高了，F2.8沒法和1.2比。
- 信號處理方面的計算成像（Computational processing），non-optically coded images
- 探測器上的計算（Computational sensors），硬件上的探測器將探測與信號處理結合。
阿貝成像原理（Abbe）：二次衍射成像理論。目標在像平面上成像，最開始會有一個頻率分配的問題，目標上面每一點都會出現若干頻率的信號，經過光學系統，再經過焦平面再對頻率進行進一步的分配，最后在像平面上成像。
提出了顯微鏡分辨率存在上限，即光學衍射極限。很難突破200nm。可以利用隨機介質成像來突破200nm。衍射受限系統，只有孔徑之內的頻率可以進來，超出孔徑之外的頻率進不來。頻率，是看作光柵形式，光柵以波長為單位，可以計算出頻率，大概算出光學系統的分辨率。
阿貝原理提出：顯微鏡的分辨率和光的波長、顯微鏡物鏡孔徑的關系式。
編碼曝光：（coded exposure）
人眼可以容忍噪聲，忍受不了模糊。運動模糊=原圖*卷積上曝光時間PSF。
PSF中可以發現會有很多零值（0）或接近零的值。PSF本身是sinc函數。g=f*h，復原的時候，進行逆卷積的時候會有除0的情況，圖像恢復的噪聲很嚴重，得不到正確的信息，因此效果不好。這種方式去模糊，模型找的很好，但計算方法有問題。
對曝光進行編碼，讓PSF值不再為0。broadband function。
曝光就是光圈和快門的組合：一張正確曝光的圖片可以有N種不同的光圈和快門速度組合，可以這樣認為：光圈（值）大小其實就是那個小圓窗戶開多大，快門（速度）就是窗戶打開多久。假設窗戶只打開1/4，時間為4秒鍾可以正確曝光的話，很顯然，窗戶打開一半，時間2秒鍾也能讓底片正確曝光，因為1/4*4=1/2*2=1，進光量都是一樣多。
光圈與F數相關知識 - ostartech - 博客園 https://www.cnblogs.com/wxl845235800/p/9436071.html
編碼孔徑（coded aperture）：
五邊形孔徑：對模糊圖像重建，選取不合適的尺寸（大不好、小還可以）合適尺寸好的。合適不合適與否是人主觀來看的，計算機分辨不出來。
如果利用編碼孔徑，不合適的尺寸（大、小都不好）是錯的，只有合適尺寸才是對的。
這時可以把圖像模糊的程度精確的估計出來，用來做全景深圖像的恢復。拍攝圖像對其重聚焦。
利用不同孔徑對圖像深度來進行估計。優化，可以用不同顏色來體現目標在場景中的不同深度。
傳統的編碼孔徑成像：
來源於小孔成像，多個孔的成像重疊。
編碼模板可以是二值可以是多值（可以使用液晶調制方式來形成）。用二值的編碼模板結果處理后噪聲多，而多值編碼模板噪聲少。
選用合適大小的孔徑重建。
目標經過編碼模板成像，可以理解為是若干個小孔成像疊加。
壓縮編碼孔徑成像：
利用壓縮感知理論，（Compressive Sensing，Compressed Sampling，CS），在光學成像系統中加入隨機編碼孔徑，作為預測矩陣，實現壓縮感知采樣。做了降采樣，目的是來完成超分辨率重建。
采樣是在低分辨率CCD上完成的，通過CS理論的圖像超分辨率重建，可以獲得4x及以上的高分辨率圖像。
編碼過程成像公式：加入了，D降采樣。Y是得到圖像的頻譜，X是原圖像拍攝所得目標，H是編碼孔徑，e是噪聲。和一般的成像公式其實是一致的。只不過多加了降采樣的操作，分為m個小塊。
解碼過程（逆卷積）公式：
成像過程：目標經過編碼孔徑模板成像，會有很多像，這些像疊加在一起。即若干個小孔成像疊加在一起，再經過計算機解碼，得到復原圖像。
壓縮感知理論：在一維成立，二維不一定成立。所以在對圖像壓縮編碼孔徑時，要把其從二維展到一維操作，這個過程應該講是不嚴格的，因此壓縮編碼理論已經慢慢不是很熱門了。但是壓縮編碼中的方法很多在擴展的應用：光譜成像中。
二值模板，多值模板。
分時壓縮編碼孔徑成像：連續多次拍攝場景，更換不同模板（觀測矩陣是不同的），結果會更好。CCD分辨率可以更低。可以重建出更高分辨率圖像。
原圖->1/4采樣->壓縮編碼孔徑成像進行超分辨率重建
隨機散射SR成像：
隨機散射介質可以擴展透過光學系統的空間帶寬，在光學系統中加入隨機介質，可以增大光學系統的數值孔徑（NA）。
論文：2007年，Random Projections Imaging with Extended Space-band width Product。
在透鏡前面加上隨機介質，毛玻璃。成像不清晰，但PSF可以變得更窄，帶寬可以進入更多。
這種理論在90年代末，已經有人在聲學方面做散射類似研究。
借助壓縮感知理論進行重建。
量子成像：
鬼成像，利用光源及探測光場的非經典量子特性獲取圖像信息。
應用於空間遙感領域，可大大降低空間平台上成像系統的復雜性，特別適合於微小衛星遙感應用。
利用糾纏光子成像難題：糾纏光源的產生、糾纏光子的傳輸、糾纏光子的檢測、量子圖像的重建。
增大景深：
全景深：傳統利用小光圈獲得大景深，但曝光時間要很長，同時還有其他很多問題。
利用編碼孔徑方式精確估計出各個的模糊程度，用不同的孔徑對深度進行估計。目標在場景中不同深度。
增大景深與全景深成像 - ostartech - 博客園 https://www.cnblogs.com/wxl845235800/p/9408684.html
光場相機：
見 ，光場相機 - ostartech - 博客園 https://www.cnblogs.com/wxl845235800/p/9042374.html
【其他文獻】
寫的很棒的一篇綜述類博客：計算攝像學研究 https://blog.csdn.net/XWUkefr2tnh4/article/details/78955485
【筆記來自於】
在超星上的其他學術視頻：光電成像、計算成像。
