⚡ electrical engineering

Phase shifting digital holography with random phase steps: A novel robust algorithm

Este artículo presenta un algoritmo novedoso y robusto para la holografía digital de desplazamiento de fase que elimina la necesidad de conocimiento previo de los desplazamientos de fase de referencia o de un estante piezoeléctrico calibrado, permitiendo la recuperación precisa de la fase del objeto para aplicaciones biológicas y de metrología mediante pasos de fase aleatorios.

Autores originales: Damien Peter Kelly, Kristiana Topi, Rainer Wittig

Publicado 2026-08-27

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Damien Peter Kelly, Kristiana Topi, Rainer Wittig

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La luz transporta dos tipos de información sobre el mundo que toca: qué tan brillante es y el tiempo preciso de sus ondas al llegar. Mientras que las cámaras y nuestros ojos son excelentes para registrar el brillo, son ciegos a ese tiempo, conocido como fase. Esta pieza de información faltante es crucial para ver objetos transparentes, como células vivas, que no bloquean la luz, sino que la ralentizan ligeramente. Sin medir este retraso, una célula parece una mancha fantasmal e invisible. Para revelar estos detalles ocultos, los científicos utilizan una técnica llamada holografía digital. Este método mezcla la luz que rebota en un objeto con un haz de luz de referencia, creando un patrón complejo de franjas llamado holograma. Al analizar cómo se desplazan estas franjas, los investigadores pueden reconstruir matemáticamente la fase invisible y convertir un objeto transparente en un mapa claro y tridimensional de su forma y grosor.

El desafío siempre ha sido que, para leer este mapa con precisión, el haz de referencia debe desplazarse en pasos precisos y conocidos. Tradicionalmente, esto requiere maquinaria costosa y delicada para mover un espejo con precisión microscópica. Si la máquina se mueve la cantidad incorrecta, o si los pasos son desiguales, la imagen resultante se distorsiona o queda inútil. Esta dependencia de un hardware perfecto ha limitado dónde y cómo se pueden realizar estas mediciones. Un equipo de investigadores de la Universidad de Ulm ha desarrollado ahora una nueva forma de resolver este problema que no requiere conocer los pasos exactos de antemano. Crearon un algoritmo robusto que puede recuperar la información de fase oculta incluso cuando la luz de referencia se desplaza de formas completamente aleatorias e impredecibles.

En su trabajo, los investigadores demostraron que podían capturar una serie de hologramas donde la luz de referencia se desplazaba aleatoriamente, quizás por las vibraciones naturales de un edificio o un motor simple y no calibrado. En lugar de necesitar una máquina que se mueva con perfecta precisión, su nuevo método trata la aleatoriedad como una característica en lugar de un defecto. El proceso comienza estimando los niveles básicos de brillo de la luz involucrada. A partir de estas mediciones, el equipo calcula una suposición preliminar de la fase. Sin embargo, esta suposición inicial viene con una ambigüedad matemática: para cada punto en la imagen, hay dos respuestas posibles, una real y otra que es una imagen especular de la verdad. Para resolver esto, el algoritmo compara diferentes puntos en la imagen contra un punto de referencia, determinando cuál de las dos posibilidades es la correcta para toda la escena.

Una vez que el equipo tiene un mapa inicial confiable de la fase, pasan a una segunda etapa donde generan un conjunto de hologramas "sintéticos". Estos son patrones generados por computadora basados en su mejor suposición actual de la fase y las intensidades de luz. Luego comparan estos patrones sintéticos con los hologramas reales que capturaron en el laboratorio. Al encontrar el patrón sintético que coincide más estrechamente con los datos reales, el algoritmo puede deducir exactamente cuánto se desplazó la luz de referencia entre cada captura, a pesar de que dicho desplazamiento fue aleatorio. Con este conocimiento de los desplazamientos aleatorios, el sistema realiza un refinamiento final, buscando a través de un amplio rango de posibilidades para fijarse en la versión más precisa del mapa de fase. Esta búsqueda de fuerza bruta, aunque computacionalmente intensiva, evita la necesidad de modelos matemáticos complejos que a menudo fallan cuando los datos son ruidosos o irregulares.

Los investigadores probaron este enfoque en dos entornos muy diferentes para demostrar su versatilidad. En el primer experimento, utilizaron una configuración simple sin un microscopio para imágenes de un objetivo con una pendiente lineal. A pesar de que utilizaron un motor no calibrado para crear los desplazamientos aleatorios, el algoritmo reconstruyó la pendiente con alta precisión. En el segundo experimento, eliminaron el motor por completo. Construyeron un microscopio digital y dependieron únicamente de las vibraciones naturales y pasivas del entorno del laboratorio para crear los desplazamientos aleatorios necesarios. Imagenaron células de cáncer de mama MCF-7, que son transparentes y difíciles de ver con luz estándar. El sistema mapeó con éxito las superficies de las células, revelando su altura y forma. Al eliminar las distorsiones de fondo causadas por la lente del microscopio, pudieron calcular el grosor real de las células, midiéndolas en micrómetros.

Los resultados muestran que el método es tanto robusto como preciso. En simulaciones por computadora, el algoritmo pudo producir un mapa de fase claro utilizando tan solo cinco fotogramas holográficos, y la calidad de la imagen mejoró a medida que se añadían más fotogramas. En los experimentos físicos, las mediciones fueron consistentes a través de múltiples ejecuciones, mostrando que el sistema podía manejar el ruido y las imperfecciones de un entorno del mundo real. El equipo encontró que, al limitar su búsqueda a 256 niveles posibles para los desplazamientos de fase, podían equilibrar la velocidad del cálculo con la precisión del resultado. Este enfoque significa que se puede lograr un modelado de alta calidad, sin etiquetas, de células biológicas y otros objetos transparentes sin la necesidad de etapas de movimiento costosas y perfectamente calibradas. Abre la puerta a dispositivos más simples y portátiles que pueden medir las propiedades invisibles de la luz en una amplia variedad de entornos, desde laboratorios de biología hasta plantas de inspección industrial.

Resumen Técnico: Holografía Digital de Desplazamiento de Fase con Pasos de Fase Aleatorios

Planteamiento del Problema
La holografía de desplazamiento de fase digital (PSDH, por sus siglas en inglés) es una técnica interferométrica estándar para recuperar la amplitud compleja (magnitud y fase) de un campo de onda óptica. Tradicionalmente, esto requiere la captura de múltiples hologramas donde la fase del campo de referencia se desplaza mediante cantidades precisas y conocidas, lo cual se logra típicamente mediante un actuador piezoeléctrico calibrado. Sin embargo, la precisión de la recuperación de fase en los algoritmos tradicionales depende fuertemente de la precisión de estos desplazamientos de fase. Si los pasos de fase son desconocidos, no uniformes o aleatorios, los algoritmos estándar pueden fallar o estancarse. Si bien investigaciones previas han abordado los desplazamientos de fase desconocidos mediante métodos de mínimos cuadrados iterativos, análisis de componentes principales o técnicas en el dominio de Fourier, estos suelen requerir condiciones específicas (por ejemplo, un gran número de fotogramas, una estimación precisa del fondo o distribuciones específicas de los desplazamientos de fase) y pueden ser sensibles al ruido, particularmente cuando los valores de intensidad se aproximan a los límites de saturación.

Metodología
Los autores proponen un nuevo algoritmo robusto capaz de recuperar la fase del objeto $\alpha(x)$ a partir de una serie de hologramas capturados con pasos de fase aleatorios y desconocidos ( $\theta_n$ ). El método no requiere conocimiento a priori de los desplazamientos de fase ni un actuador piezoeléctrico calibrado. El algoritmo opera a través de cuatro módulos distintos:

Módulo de Medición: El sistema captura $N$ hologramas ( $H_n$ ). Las intensidades de las ondas del objeto ( $I_o$ ) y de la referencia ( $I_r$ ) se miden directamente o se estiman a partir de la pila de hologramas para determinar el término DC ( $I_{DC}$ ) y el término AC ( $I_{AC}$ ).
Módulo de Estimación:
- El algoritmo calcula $\cos[\alpha(x)]$ utilizando la relación $\Gamma_1(x) = [H_1(x) - I_{DC}(x)]/I_{AC}(x)$ .
- Dado que $\cos[\alpha(x)]$ produce dos soluciones posibles (una solución real $\alpha$ y una solución conjugada $2\pi - \alpha$ ), el algoritmo introduce una función binaria $T(x)$ para seleccionar la rama correcta para cada píxel.
- Para determinar $T(x)$ , el algoritmo compara un píxel de referencia ( $x_{ref}$ ) con un píxel de comparación ( $x_{comp}$ ). Calcula los posibles desplazamientos de fase ( $\theta_n$ ) tanto para la solución real como para la conjugada a través de múltiples fotogramas. Al calcular un promedio complejo acumulado de las diferencias entre estas soluciones, el algoritmo determina estadísticamente si la solución real o la conjugada es consistente a través del fotograma, resolviendo así la ambigüedad de fase.
Módulo de Predicción:
- Utilizando la estimación inicial de la fase $\alpha(x)$ , el algoritmo genera un conjunto de hologramas sintéticos ( $Z_p$ ) para un rango cuantizado de pasos de fase ( $\Theta_P$ ).
- Al comparar los hologramas capturados reales ( $H_n$ ) contra estas predicciones sintéticas, el algoritmo identifica el paso de fase $\theta_n$ específico que minimiza el error para cada captura. Esto permite la estimación precisa de los desplazamientos de fase aleatorios sin calibración previa.
Módulo de Refinamiento:
- Con los pasos de fase $\theta_n$ estimados ya conocidos, el algoritmo realiza un refinamiento final de la estimación de la fase $\alpha(x)$ .
- Realiza una búsqueda de "fuerza bruta" sobre un vector cuantizado de valores de fase ( $A_Q$ ) para encontrar el valor que minimiza la diferencia entre los hologramas medidos y la predicción del modelo, produciendo la fase refinada final $\alpha_R(x)$ .

Contribuciones Clave

Gestión de Pasos de Fase Aleatorios: El algoritmo recupera con éxito la información de fase sin requerir un actuador piezoeléctrico calibrado o pasos de fase conocidos, basándose en desplazamientos de fase aleatorios generados ya sea por un actuador no calibrado o por vibraciones ambientales pasivas.
Resolución de la Ambigüedad ( $T(x)$ ): La introducción de la función $T(x)$ proporciona un método estadístico robusto para distinguir entre las soluciones de fase real y conjugada, una fuente común de error en la recuperación de fase.
Predicción de Hologramas Sintéticos: El uso de hologramas sintéticos para estimar activamente los desplazamientos de fase aleatorios y el error de medición es un concepto novedoso dentro de este contexto.
Robustez al Ruido: El método demuestra estabilidad incluso cuando $\Gamma_1(x)$ se acerca a $\pm 1$ , una región donde los estimadores basados en arcocoseno tradicionales suelen fallar o volverse ruidosos.

Resultos
Los autores validaron el algoritmo mediante simulaciones numéricas y dos configuraciones experimentales distintas:

Simulaciones Numéricas: Utilizando hologramas de 20x1440 píxeles con ruido añadido, el algoritmo recuperó con éxito la fase utilizando tan solo 5 fotogramas, con una precisión que mejora a medida que aumenta el número de fotogramas (hasta 35). La fase refinada ( $\alpha_R$ ) mostró un ruido significativamente reducido en comparación con la estimación inicial, particularmente cerca de los valores de fase de $0, \pi$ y $2\pi$ .
Sistema Experimental 1 (Interferómetro sin Lente): Se utilizó un actuador piezoeléctrico no calibrado para generar desplazamientos de fase aleatorios en un objetivo de rampa de fase lineal. El algoritmo recuperó con éxito el perfil de fase, demostrando que las características estructurales del objetivo se preservaron y que la medición fue robusta a través de múltiples ensayos.
Sistema Experimental 2 (Microscopio Holográfico Digital): Se utilizó un sistema sin actuador activo, confiando únicamente en las vibraciones pasivas del laboratorio para crear desplazamientos de fase aleatorios. El sistema de imagen de células de cáncer de mama MCF-7. El algoritmo recuperó con éxito la fase, la cual fue posteriormente desenrollada y corregida por aberraciones de Zernike (piston, inclinación, desenfoque) para generar un mapa de altura celular.

Significancia y Reivindicaciones
El artículo afirma que este enfoque ofrece una alternativa robusta y flexible a la PSDH tradicional. Al eliminar la necesidad de un actuador piezoeléctrico calibrado, el método simplifica la configuración óptica y reduce los costos de hardware. Los autores enfatizan que el algoritmo es efectivo incluso cuando los desplazamientos de fase son completamente aleatorios y desconocidos, lo que lo hace adecuado para aplicaciones donde el control mecánico preciso es difícil o imposible. Los resultados indican que el método es consistente y preciso tanto para la metrología (rampas de fase lineales) como para la imagen biológica (medición de altura celular sin marcaje), proporcionando una solución práctica para entornos donde el desplazamiento de fase pasivo (por ejemplo, mediante vibración) es la única opción. Los autores señalan que, si bien la búsqueda de fuerza bruta introduce un error de cuantización, la resolución de 8 bits (256 niveles) establece un equilibrio óptimo entre el tiempo de procesamiento y la precisión para sus condiciones experimentales.

Más como este