【来源】：
超星视频 > 超星课堂 > 计算机系统结构 > 计算成像与超分辨率图像重建
有计算机参与的成像行为都可以认为是计算成像。
Computational Imaging（Photograph）
传统成像是所见即所得
借助计算机对图像重建、还原。计算成像能够实现传统成像无法完成的任务：如去除运动模糊、超分辨率成像。
研究比较多的：
- 照明方面的计算成像（Computational illumination），对快门编码（coded exposure）编码曝光。曝光时间、积分时间得到图像。
- 光学方面的计算成像（Computational optics），对孔径编码（coded aperture）aperture光圈、光阑，F数：镜头F1.2分辨率很高了，F2.8没法和1.2比。
- 信号处理方面的计算成像（Computational processing），non-optically coded images
- 探测器上的计算（Computational sensors），硬件上的探测器将探测与信号处理结合。
阿贝成像原理（Abbe）：二次衍射成像理论。目标在像平面上成像，最开始会有一个频率分配的问题，目标上面每一点都会出现若干频率的信号，经过光学系统，再经过焦平面再对频率进行进一步的分配，最后在像平面上成像。
提出了显微镜分辨率存在上限，即光学衍射极限。很难突破200nm。可以利用随机介质成像来突破200nm。衍射受限系统，只有孔径之内的频率可以进来，超出孔径之外的频率进不来。频率，是看作光栅形式，光栅以波长为单位，可以计算出频率，大概算出光学系统的分辨率。
阿贝原理提出：显微镜的分辨率和光的波长、显微镜物镜孔径的关系式。
编码曝光：（coded exposure）
人眼可以容忍噪声，忍受不了模糊。运动模糊=原图*卷积上曝光时间PSF。
PSF中可以发现会有很多零值（0）或接近零的值。PSF本身是sinc函数。g=f*h，复原的时候，进行逆卷积的时候会有除0的情况，图像恢复的噪声很严重，得不到正确的信息，因此效果不好。这种方式去模糊，模型找的很好，但计算方法有问题。
对曝光进行编码，让PSF值不再为0。broadband function。
曝光就是光圈和快门的组合：一张正确曝光的图片可以有N种不同的光圈和快门速度组合，可以这样认为：光圈（值）大小其实就是那个小圆窗户开多大，快门（速度）就是窗户打开多久。假设窗户只打开1/4，时间为4秒钟可以正确曝光的话，很显然，窗户打开一半，时间2秒钟也能让底片正确曝光，因为1/4*4=1/2*2=1，进光量都是一样多。
光圈与F数相关知识 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9436071.html
编码孔径（coded aperture）：
五边形孔径：对模糊图像重建，选取不合适的尺寸（大不好、小还可以）合适尺寸好的。合适不合适与否是人主观来看的，计算机分辨不出来。
如果利用编码孔径，不合适的尺寸（大、小都不好）是错的，只有合适尺寸才是对的。
这时可以把图像模糊的程度精确的估计出来，用来做全景深图像的恢复。拍摄图像对其重聚焦。
利用不同孔径对图像深度来进行估计。优化，可以用不同颜色来体现目标在场景中的不同深度。
传统的编码孔径成像：
来源于小孔成像，多个孔的成像重叠。
编码模板可以是二值可以是多值（可以使用液晶调制方式来形成）。用二值的编码模板结果处理后噪声多，而多值编码模板噪声少。
选用合适大小的孔径重建。
目标经过编码模板成像，可以理解为是若干个小孔成像叠加。
压缩编码孔径成像：
利用压缩感知理论，（Compressive Sensing，Compressed Sampling，CS），在光学成像系统中加入随机编码孔径，作为预测矩阵，实现压缩感知采样。做了降采样，目的是来完成超分辨率重建。
采样是在低分辨率CCD上完成的，通过CS理论的图像超分辨率重建，可以获得4x及以上的高分辨率图像。
编码过程成像公式：加入了，D降采样。Y是得到图像的频谱，X是原图像拍摄所得目标，H是编码孔径，e是噪声。和一般的成像公式其实是一致的。只不过多加了降采样的操作，分为m个小块。
解码过程（逆卷积）公式：
成像过程：目标经过编码孔径模板成像，会有很多像，这些像叠加在一起。即若干个小孔成像叠加在一起，再经过计算机解码，得到复原图像。
压缩感知理论：在一维成立，二维不一定成立。所以在对图像压缩编码孔径时，要把其从二维展到一维操作，这个过程应该讲是不严格的，因此压缩编码理论已经慢慢不是很热门了。但是压缩编码中的方法很多在扩展的应用：光谱成像中。
二值模板，多值模板。
分时压缩编码孔径成像：连续多次拍摄场景，更换不同模板（观测矩阵是不同的），结果会更好。CCD分辨率可以更低。可以重建出更高分辨率图像。
原图->1/4采样->压缩编码孔径成像进行超分辨率重建
随机散射SR成像：
随机散射介质可以扩展透过光学系统的空间带宽，在光学系统中加入随机介质，可以增大光学系统的数值孔径（NA）。
论文：2007年，Random Projections Imaging with Extended Space-band width Product。
在透镜前面加上随机介质，毛玻璃。成像不清晰，但PSF可以变得更窄，带宽可以进入更多。
这种理论在90年代末，已经有人在声学方面做散射类似研究。
借助压缩感知理论进行重建。
量子成像：
鬼成像，利用光源及探测光场的非经典量子特性获取图像信息。
应用于空间遥感领域，可大大降低空间平台上成像系统的复杂性，特别适合于微小卫星遥感应用。
利用纠缠光子成像难题：纠缠光源的产生、纠缠光子的传输、纠缠光子的检测、量子图像的重建。
增大景深：
全景深：传统利用小光圈获得大景深，但曝光时间要很长，同时还有其他很多问题。
利用编码孔径方式精确估计出各个的模糊程度，用不同的孔径对深度进行估计。目标在场景中不同深度。
增大景深与全景深成像 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9408684.html
光场相机：
见 ，光场相机 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9042374.html
【其他文献】
写的很棒的一篇综述类博客：计算摄像学研究 https://blog.csdn.net/XWUkefr2tnh4/article/details/78955485
【笔记来自于】
在超星上的其他学术视频：光电成像、计算成像。
