如图1所示是灰度级为256的相位图,对于相位图中的每一个像素点,它的光强与其相应的相位是有联系的。结合式(1)可知,用于相位计算的反正切值函数的主值位于区间
(
−
π
,
π
]
(-\pi ,\pi ]
(−π,π]或
[
0
,
2
π
)
[0,2\pi )
[0,2π)之间。
将折叠在
[
−
π
,
π
]
[-\pi ,\pi ]
[−π,π]之间的相位值还原成其真实相位值的过程称为相位展开的过程,也称为相位解包裹的过程。由采样定理可知,一个周期内至少存在两个采样点,它们相邻两像素间的真实相位差满足:
ϕ ( i , j ) \phi \left( i,j \right) ϕ(i,j)为各点的相位值。相位展开的原理是:相邻两像素的相位主值进行比较,如果其相位差超出 [ − π , π ] [-\pi ,\pi ] [−π,π]范围,则将后面像素对应的相位值加上或减去2π的整数倍,直到得到的相位是连续的。
其中,
ϕ
(
x
,
y
)
\phi \left( x,y \right)
ϕ(x,y)是解包后的相位,N是条纹数目且为实数,n是条纹级次,为N的整数部分。
相位图中的任意一点均可以被设置为0从而作为相位解包的参考点,每一点处2π的不确定性可以通过沿着从参考点到当前点的连续路线来计算2π跳跃的次数和公式(2)中的条纹级次n来解决。解包后的相位可以被认为是绝对相位。在图1中,如果选点A作为参考点,B点的绝对条纹级次是15,因为选择不同的参考点会导致其他点处的条纹级次不同,所以应该根据实际应用来选择参考点。
在理想的条件下,相位图中不存在相位不一致(如图2),因此,解包过程可以沿着相位图中的任何一条路线进行。如公式(2)所示,原始相位 φ ( x , y ) \varphi \left( x,y \right) φ(x,y)加上2π的n倍等于解包后的相位 ϕ ( x , y ) \phi \left( x,y \right) ϕ(x,y),其中n为条纹级次。相位解包的关键是确定条纹级次n。通常,条纹级次可以通过公式(3)得到,利用相位图中已解包的像素来计算其相邻像素的n值。
在matlab中模拟一个一维信号,如图3(a)所示。并进一步求得其包裹信号,如图3(b),随后,对该包裹相位进行解包裹(解缠)处理,恢复得到的相位,如图3©所示。图3(d)中,将原始信号,与解包裹得到的信号绘制在同一图中,两者完全重合。
上述演示实例matlab程序可私信咨询获取:
如有问题,可私信交流讨论,博主可提供相关的技术支持。