⚡ electrical engineering

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

Questo articolo presenta un nuovo e robusto algoritmo per l'olografia digitale a sfasamento che elimina la necessità di una conoscenza a priori degli sfasamenti di riferimento o di uno stadio piezoelettrico calibrato, consentendo un recupero accurato della fase dell'oggetto per applicazioni biologiche e metrologiche mediante passi di fase casuali.

Autori originali: Damien Peter Kelly, Kristiana Topi, Rainer Wittig

Pubblicato 2026-08-27

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Damien Peter Kelly, Kristiana Topi, Rainer Wittig

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

La luce trasporta due tipi di informazioni sul mondo che tocca: quanto è luminosa e la precisa tempistica delle sue onde al momento dell'arrivo. Mentre le fotocamere e i nostri occhi sono eccellenti nel registrare la luminosità, sono ciechi rispetto a questa tempistica, nota come fase. Questa informazione mancante è fondamentale per vedere oggetti trasparenti, come le cellule viventi, che non bloccano la luce ma la rallentano leggermente. Senza misurare questo ritardo, una cellula appare come una macchia spettrale e invisibile. Per rivelare questi dettagli nascosti, gli scienziati utilizzano una tecnica chiamata olografia digitale. Questo metodo mescola la luce che rimbalza su un oggetto con un fascio di luce di riferimento, creando un modello complesso di strisce chiamato ologramma. Analizzando come queste strisce si spostano, i ricercatori possono ricostruire matematicamente la fase invisibile e trasformare un oggetto trasparente in una mappa tridimensionale chiara della sua forma e del suo spessore.

La sfida è sempre stata che, per leggere accuratamente questa mappa, il fascio di riferimento deve essere spostato in passi molto precisi e noti. Tradizionalmente, ciò richiede macchinari costosi e delicati per muovere uno specchio con precisione microscopica. Se la macchina si muove della quantità errata, o se i passi sono irregolari, l'immagine risultante diventa distorta o inutile. Questa dipendenza da un hardware perfetto ha limitato dove e come queste misurazioni potessero essere effettuate. Un team di ricercatori dell'Università di Ulm ha ora sviluppato un nuovo modo per risolvere questo problema che non richiede di conoscere in anticipo gli step esatti. Hanno creato un algoritmo robusto in grado di recuperare l'informazione di fase nascosta anche quando la luce di riferimento viene spostata in modi completamente casuali e imprevedibili.

Nel loro lavoro, i ricercatori hanno dimostrato di poter catturare una serie di ologrammi in cui la luce di riferimento veniva spostata casualmente, forse a causa delle vibrazioni naturali di un edificio o di un semplice motore non calibrato. Invece di aver bisogno di una macchina che si muova con perfetta precisionità, il loro nuovo metodo tratta la casualità come una caratteristica piuttosto che come un difetto. Il processo inizia stimando i livelli di luminosità di base della luce coinvolta. Da queste misurazioni, il team calcola un'ipotesi preliminare della fase. Tuttavia, questa ipotesi iniziale presenta un'ambiguità matematica: per ogni punto dell'immagine, esistono due risposte possibili, una reale e una che è l'immagine speculare della verità. Per risolvere questo, l'algoritmo confronta diversi punti dell'immagine con un punto di riferimento, determinando quale delle due possibilità sia quella corretta per l'intera scena.

Una volta che il team ha una mappa iniziale affidabile della fase, passa a una seconda fase in cui genera un insieme di ologrammi "sintetici". Questi sono modelli generati al computer basati sulla loro migliore ipotesi attuale della fase e delle intensità luminose. Successivamente, confrontano questi modelli sintetici con gli ologrammi reali catturati in laboratorio. Trovando il modello sintetico che corrisponde più da vicino ai dati reali, l'algoritmo può dedurre esattamente di quanto la luce di riferimento si sia spostata tra ogni acquisizione, anche se tale spostamento era casuale. Con la conoscenza di questi spostamenti casuali, il sistema esegue un raffinamento finale, cercando attraverso un ampio intervallo di possibilità per agganciarsi alla versione più accurata della mappa di fase. Questa ricerca "a forza bruta", sebbene computazionalmente intensiva, evita la necessità di modelli matematici complessi che spesso falliscono quando i dati sono rumorosi o irregolari.

I ricercatori hanno testato questo approccio in due contesti molto diversi per dimostrarne la versatilità. Nel primo esperimento, hanno utilizzato una configurazione semplice senza microscopio per immagini di un bersaglio con una pendenza lineare. Nonostante abbiano utilizzato un motore non calibrato per creare gli spostamenti casuali, l'algoritmo ha ricostruito con successo la pendenza con alta precisione. Nel secondo esperimento, hanno rimosso completamente il motore. Hanno costruito un microscopio digitale e si sono affidati esclusivamente alle vibrazioni naturali e passive dell'ambiente di laboratorio per creare i necessari spostamenti casuali. Hanno immaginato cellule di cancro al seno MCF-7, che sono trasparenti e difficili da vedere con la luce standard. Il sistema ha mappato con successo le superfici delle cellule, rivelandone l'altezza e la forma. Rimuovendo le distorsioni di fondo causate dalla lente del microscopio, sono stati in grado di calcolare lo spessore effettivo delle cellule, misurandolo in micrometri.

I risultati dimostrano che il metodo è sia robusto che accurato. Nelle simulazioni al computer, l'algoritmo è stato in grado di produrre una mappa di fase chiara utilizzando appena cinque fotogrammi olografici, e la qualità dell'immagine migliorava all'aumentare dei fotogrammi aggiunti. Negli esperimenti fisici, le misurazioni sono state coerenti attraverso più sessioni, dimostrando che il sistema poteva gestire il rumore e le imperfezioni di un ambiente reale. Il team ha scoperto che, limitando la ricerca a 256 livelli possibili per gli spostamenti di fase, poteva bilanciare la velocità del calcolo con la precisione del risultato. Questo approccio significa che è possibile ottenere un'imaging di alta qualità, senza etichettatura, di cellule biologiche e altri oggetti trasparenti senza la necessità di stadi di movimento costosi e perfettamente calibrati. Ciò apre la porta a dispositivi più semplici e portatili che possono misurare le proprietà invisibili della luce in una vasta gamma di contesti, dai laboratori biologici ai reparti di ispezione industriale.

Sintesi Tecnica: Olografia Digitale con Spostamento di Fase mediante Step di Fase Casuali

Enunciato del Problema
L'olografia digitale con spostamento di fase (PSDH) è una tecnica interferometrica standard per il recupero dell'ampiezza complessa (magnitudo e fase) di un campo d'onda ottico. Tradizionalmente, ciò richiede l'acquisizione di molteplici ologrammi in cui la fase del campo di riferimento viene traslata di quantità note e precise, solitamente ottenute tramite uno stadio di movimento piezoelettrico calibrato. Tuttavia, l'accuratezza del recupero della fase negli algoritmi tradizionali dipende fortemente dalla precisione di questi spostamenti di fase. Se gli step di fase sono sconosciuti, non uniformi o casuali, gli algoritmi standard possono fallire o ristagnare. Sebbene ricerche precedenti abbiano affrontato il problema degli spostamenti di fase sconosciuti utilizzando metodi iterativi di minimi quadrati, l'analisi delle componenti principali o tecniche nel dominio di Fourier, esse richiedono spesso condizioni specifiche (ad esempio, un elevato numero di fotogrammi, una stima accurata del background o distribuzioni specifiche degli spostamenti di fase) e possono essere sensibili al rumore, in particolare quando i valori di intensità si avvicinano ai limiti di saturazione.

Metodologia
Gli autori propongono un nuovo algoritmo robusto capace di recuperare la fase dell'oggetto $\alpha(x)$ da una serie di ologrammi acquisiti con step di fase casuali e sconosciuti ( $\theta_n$ ). Il metodo non richiede la conoscenza a priori degli spostamenti di fase né un attuatore piezoelettrico calibrato. L'algoritmo opera attraverso quattro moduli distinti:

Modulo di Misurazione: Il sistema acquisisce $N$ ologrammi ( $H_n$ ). Le intensità dell'onda dell'oggetto ( $I_o$ ) e di riferimento ( $I_r$ ) sono misurate direttamente o stimate dallo stack olografico per determinare il termine DC ( $I_{DC}$ ) e il termine AC ( $I_{AC}$ ).
Modulo di Stima:
- L'algoritmo calcola $\cos[\alpha(x)]$ utilizzando la relazione $\Gamma_1(x) = [H_1(x) - I_{DC}(x)]/I_{AC}(x)$ .
- Poiché $\cos[\alpha(x)]$ produce due possibili soluzioni (una soluzione reale $\alpha$ e una soluzione coniugata $2\pi - \alpha$ ), l'algoritmo introduce una funzione binaria $T(x)$ per selezionare il ramo corretto per ogni pixel.
- Per determinare $T(x)$ , l'algoritmo confronta un pixel di riferimento ( $x_{ref}$ ) con un pixel di confronto ( $x_{comp}$ ). Calcola i potenziali spostamenti di fase ( $\theta_n$ ) sia per la soluzione reale che per quella coniugata attraverso più fotogrammi. Calcolando una media complessa corrente delle differenze tra queste soluzioni, l'algoritmo determina statisticamente se la soluzione reale o quella coniugata è coerente attraverso il fotogramma, risolvendo così l'ambiguità di fase.
Modulo di Predizione:
- Utilizzando la stima iniziale della fase $\alpha(x)$ , l'algoritmo genera un insieme di ologrammi sintetici ( $Z_p$ ) per un intervallo quantizzato di spostamenti di fase ( $\Theta_P$ ).
- Confrontando gli ologrammi effettivamente acquisiti ( $H_n$ ) con le predizioni sintetiche, l'algoritmo identifica lo specifico spostamento di fase $\theta_n$ che minimizza l'errore per ogni acquisizione. Ciò consente la stima precisa degli spostamenti di fase casuali senza calibrazione preventiva.
Modulo di Raffinamento:
- Con gli step di fase $\theta_n$ stimati, l'algoritmo esegue un raffinamento finale della stima della fase $\alpha(x)$ .
- Esegue una ricerca "brute force" su un vettore quantizzato di valori di fase ( $A_Q$ ) per trovare il valore che minimizza la differenza tra gli ologrammi misurati e la predizione del modello, ottenendo la fase finale raffinata $\alpha_R(x)$ .

Contributi Chiave

Gestione degli Step di Fase Casuali: L'algoritmo recupera con successo le informazioni di fase senza richiedere uno stadio piezoelettrico calibrato o spostamenti di fase noti, affidandosi invece a spostamenti di fase casuali generati da un attuatore non calibrato o da vibrazioni ambientali passive.
Risoluzione dell'Ambiguità ( $T(x)$ ): L'introduzione della funzione $T(x)$ fornisce un metodo statistico robusto per distinguere tra le soluzioni di fase reale e coniugata, una comune fonte di errore nel recupero della fase.
Predizione di Ologrammi Sintetici: L'uso di ologrammi sintetici per stimare attivamente gli spostamenti di fase casuali e l'errore di misurazione è un concetto nuovo in questo contesto.
Robustezza al Rumore: Il metodo dimostra stabilità anche quando $\Gamma_1(x)$ si avvicina a $\pm 1$ , una regione in cui gli stimatori basati su arccos tipicamente falliscono o diventano rumorosi.

Risultati
Gli autori hanno validato l'algoritmo attraverso simulazioni numeriche e due distinti setup sperimentali:

Simulazioni Numeriche: Utilizzando ologrammi da 20x1440 pixel con rumore aggiunto, l'algoritmo ha recuperato con successo la fase utilizzando appena 5 fotogrammi, con un'accuratezza che migliora all'aumentare del numero di fotogrammi (fino a 35). La fase raffinata ( $\alpha_R$ ) ha mostrato un rumore significativamente ridotto rispetto alla stima iniziale, in particolare vicino ai valori di fase $0, \pi$ e $2\pi$ .
Sistema Sperimentale 1 (Interferometro senza lente): È stato utilizzato un attuatore piezoelettrico non calibrato per generare spostamenti di fase casuali su un target a rampa di fase lineare. L'algoritmo ha recuperato con successo il profilo di fase, dimostrando che le caratteristiche strutturali del target erano preservate e che la misurazione era robusta attraverso molteplici prove.
Sistema Sperimentale 2 (Microscopio Olografico Digitale): È stato utilizzato un sistema senza attuatore attivo, basandosi esclusivamente sulle vibrazioni passive del laboratorio per creare spostamenti di fase casuali. Il sistema ha immagini di cellule tumorali MCF-7. L'algoritmo ha recuperato con successo la fase, che è stata poi srotolata (unwrapped) e corretta per le aberrazioni di Zernike (piston, tilt, defocus) per generare una mappa dell'altezza cellulare.

Significatività e Rivendicazioni
Il documento afferma che questo approccio offre un'alternativa robusta e flessibile alla tradizionale PSDH. Eliminando la necessità di uno stadio piezoelettrico calibrato, il metodo semplifica la configurazione ottica e riduce i costi dell'hardware. Gli autori sottolineano che l'algoritmo è efficace anche quando gli spostamenti di fase sono interamente casuali e sconosciuti, rendendolo adatto ad applicazioni in cui il controllo meccanico preciso è difficile o impossibile. I risultati indicano che il metodo è coerente e accurato sia per la metrologia (rampe di fase lineari) che per l'imaging biologico (misurazione dell'altezza cellulare senza etichettatura), fornendo una soluzione pratica per ambienti in cui lo spostamento di fase passivo (ad esempio, tramite vibrazione) è l'unica opzione disponibile. Gli autori osservano che, sebbene la ricerca brute-force introduca un errore di quantizzazione, la risoluzione a 8 bit (256 livelli) rappresenta un equilibrio ottimale tra tempo di elaborazione e accuratezza per le loro condizioni sperimentali.

Articoli simili