⚡ electrical engineering

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

Este artigo apresenta um algoritmo novo e robusto para holografia digital de deslocamento de fase que elimina a necessidade de conhecimento a priori de deslocamentos de fase de referência ou de um estágio piezoelétrico calibrado, permitindo a recuperação precisa da fase do objeto para aplicações biológicas e de metrologia usando passos de fase aleatórios.

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

Publicado 2026-08-27

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A luz carrega dois tipos de informação sobre o mundo que ela toca: o quão brilhante ela é e o tempo preciso de suas ondas ao chegarem. Embora as câmeras e nossos olhos sejam excelentes em registrar o brilho, eles são cegos para esse tempo, conhecido como fase. Essa peça de informação ausente é crucial para ver objetos transparentes, como células vivas, que não bloqueiam a luz, mas a retardam ligeiramente. Sem medir esse atraso, uma célula parece uma mancha fantasmagórica e invisível. Para revelar esses detalhes ocultos, os cientistas utilizam uma técnica chamada holografia digital. Este método mistura a luz que rebate em um objeto com um feixe de luz de referência, criando um padrão complexo de listras chamado holograma. Ao analisar como essas listras se deslocam, os pesquisadores podem reconstruir matematicamente a fase invisível e transformar um objeto transparente em um mapa tridimensional claro de sua forma e espessura.

O desafio sempre foi que, para ler esse mapa com precisão, o feixe de referência deve ser deslocado em etapas precisas e conhecidas. Tradicionalmente, isso requer maquinário caro e delicado para mover um espelho com precisão microscópica. Se a máquina se mover a quantidade errada, ou se os passos forem desiguais, a imagem resultante torna-se distorcida ou inútil. Essa dependência de um hardware perfeito tem limitado onde e como essas medições podem ser feitas. Uma equipe de pesquisadores da Universidade de Ulm desenvolveu agora uma nova maneira de resolver esse problema que não exige conhecer os passos exatos com antecedência. Eles criaram um algoritmo robusto que pode recuperar a informação de fase oculta mesmo quando a luz de referência é deslocada de formas completamente aleatórias e imprevisíveis.

Em seu trabalho, os pesquisadores demonstraram que poderiam capturar uma série de hologramas onde a luz de referência era deslocada aleatoriamente, talvez pelas vibrações naturais de um edifício ou por um motor simples e não calibrado. Em vez de precisar de uma máquina que se mova com precisão perfeita, seu novo método trata a aleatoriedade como uma característica, em vez de uma falha. O processo começa estimando os níveis básicos de brilho da luz envolvida. A partir dessas medições, a equipe calcula um palpite preliminar da fase. No entanto, esse palpite inicial vem com uma ambiguidade matemática: para cada ponto na imagem, existem duas respostas possíveis, uma real e outra que é uma imagem espelhada da verdade. Para resolver isso, o algoritmo compara diferentes pontos da imagem contra um ponto de referência, determinando qual das duas possibilidades é a correta para toda a cena.

Uma vez que a equipe possui um mapa inicial confiável da fase, eles passam para uma segunda etapa onde geram um conjunto de hologramas "sintéticos". Estes são padrões gerados por computador baseados em seu melhor palpite atual da fase e das intensidades de luz. Eles então comparam esses padrões sintéticos com os hologramas reais capturados no laboratório. Ao encontrar o padrão sintético que mais se aproxima dos dados reais, o algoritmo pode deduzir exatamente quanto a luz de referência se deslocou entre cada captura, mesmo que esse deslocamento tenha sido aleatório. Com esse conhecimento dos deslocamentos aleatórios, o sistema realiza um refinamento final, buscando através de uma ampla gama de possibilidades para travar na versão mais precisa do mapa de fase. Essa busca de força bruta, embora computacionalmente intensiva, evita a necessidade de modelos matemáticos complexos que frequentemente falham quando os dados são ruidosos ou irregulares.

Os pesquisadores testaram essa abordagem em dois cenários muito diferentes para provar sua versatilidade. No primeiro experimento, eles usaram uma configuração simples sem um microscópio para projetar um alvo com uma inclinação linear. Mesmo utilizando um motor não calibrado para criar os deslocamentos aleatórios, o algoritmo reconstruiu a inclinação com alta precisão. No segundo experimento, eles removeram o motor inteiramente. Eles construíram um microscópio digital e confiaram apenas nas vibrações naturais e passivas do ambiente de laboratório para criar os deslocamentos aleatórios necessários. Eles projetaram células de câncer de mama MCF-7, que são transparentes e difíceis de ver com a luz padrão. O sistema mapeou com sucesso as superfícies das células, revelando sua altura e forma. Ao remover as distorções de fundo causadas pela lente do microscópio, eles foram capazes de calcular a espessura real das células, medindo-as em micrômetros.

Os resultados mostram que o método é tanto robusto quanto preciso. Em simulações de computador, o algoritmo foi capaz de produzir um mapa de fase claro usando apenas cinco quadros holográficos, e a qualidade da imagem melhorou conforme mais quadros eram adicionados. Nos experimentos físicos, as medições foram consistentes ao longo de múltiplas execuções, mostrando que o sistema podia lidar com o ruído e as imperfeições de um ambiente do mundo real. A equipe descobriu que, ao limitar sua busca a 256 níveis possíveis para os deslocamentos de fase, poderia equilibrar a velocidade do cálculo com a precisão do resultado. Essa abordagem significa que o mapeamento de alta qualidade, sem rotulagem, de células biológicas e outros objetos transparentes pode ser alcançado sem a necessidade de estágios de movimento caros e perfeitamente calibrados. Isso abre as portas para dispositivos mais simples e portáteis que podem medir as propriedades invisíveis da luz em uma ampla variedade de configurações, de laboratórios de biologia a pisos de inspeção industrial.

Resumo Técnico: Holografia Digital de Deslocamento de Fase com Degraus de Fase Aleatórios

Definição do Problema
A holografia digital de deslocamento de fase (PSDH) é uma técnica interferométrica padrão para recuperar a amplitude complexa (magnitude e fase) de um campo de onda óptico. Tradicionalmente, isso requer a captura de múltiplos hologramas onde a fase do campo de referência é deslocada por quantidades precisas e conhecidas, geralmente alcançadas através de um estágio de movimento piezoelétrico calibrado. No entanto, a precisão da recuperação de fase nos algoritmos tradicionais depende fortemente da precisão desses deslocamentos de fase. Se os degraus de fase forem desconhecidos, não uniformes ou aleatórios, os algoritmos padrão podem falhar ou estagnar. Embora pesquisas anteriores tenham abordado deslocamentos de fase desconhecidos usando métodos iterativos de mínimos quadrados, análise de componentes principais ou técnicas de domínio de Fourier, estas frequentemente exigem condições específicas (por exemplo, um grande número de quadros, estimativa de fundo precisa ou distribações específicas de deslocamentos de fase) e podem ser sensíveis ao ruído, particularmente quando os valores de intensidade se aproximam dos limites de saturação.

Metodologia
Os autores propõem um algoritmo inovador e robusto capaz de recuperar a fase do objeto $\alpha(x)$ a partir de uma série de hologramas capturados com degraus de fase aleatórios e desconhecidos ( $\theta_n$ ). O método não requer conhecimento a priori dos deslocamentos de fase ou um atuador piezoelétrico calibrado. O algoritmo opera através de quatro módulos distintos:

Módulo de Medição: O sistema captura $N$ hologramas ( $H_n$ ). As intensidades do objeto ( $I_o$ ) e da referência ( $I_r$ ) são medidas diretamente ou estimadas a partir da pilha de hologramas para determinar o termo DC ( $I_{DC}$ ) e o termo AC ( $I_{AC}$ ).
Módulo de Estimativa:
- O algoritmo calcula $\cos[\alpha(x)]$ usando a relação $\Gamma_1(x) = [H_1(x) - I_{DC}(x)]/I_{AC}(x)$ .
- Como $\cos[\alpha(x)]$ produz duas soluções possíveis (uma solução real $\alpha$ e uma solução conjugada $2\pi - \alpha$ ), o algoritmo introduz uma função binária $T(x)$ para selecionar o ramo correto para cada pixel.
- Para determinar $T(x)$ , o algoritmo compara um pixel de referência ( $x_{ref}$ ) com um pixel de comparação ( $x_{comp}$ ). Ele calcula potenciais degraus de fase ( $\theta_n$ ) para ambas as soluções reais e conjugadas ao longo de múltiplos quadros. Ao computar uma média complexa contínua das diferenças entre essas soluções, o algoritmo determina estatisticamente se a solução real ou a conjugada é consistente entre os quadros, resolvendo assim a ambiguidade de fase.
Módulo de Predição:
- Usando a estimativa inicial de fase $\alpha(x)$ , o algoritmo gera um conjunto de hologramas sintéticos ( $Z_p$ ) para um intervalo quantizado de degraus de fase ( $\Theta_P$ ).
- Ao comparar os hologramas capturados reais ( $H_n$ ) contra essas previsões sintéticas, o algoritmo identifica o degrau de fase específico $\theta_n$ que minimiza o erro para cada captura. Isso permite a estimativa precisa dos deslocamentos de fase aleatórios sem calibração prévia.
Módulo de Refinamento:
- Com os degraus de fase $\theta_n$ estimados, o algoritmo realiza um refinamento final da estimativa de fase $\alpha(x)$ .
- Ele conduz uma busca de "força bruta" sobre um vetor quantizado de valores de fase ( $A_Q$ ) para encontrar o valor que minimiza a diferença entre os hologramas medidos e a previsão do modelo, resultando na fase refinada final $\alpha_R(x)$ .

Principais Contribuições

Tratamento de Degraus de Fase Aleatórios: O algoritmo recupera com sucesso a informação de fase sem exigir um estágio piezoelétrico calibrado ou degraus de fase conhecidos, baseando-se em vez disso em deslocamentos de fase aleatórios gerados por um atuador não calibrado ou vibrações ambientais passivas.
Resolução de Ambiguidade ( $T(x)$ ): A introdução da função $T(x)$ fornece um método estatístico robusto para distinguir entre as soluções de fase real e conjugada, uma fonte comum de erro na recuperação de fase.
Predição de Holograma Sintético: O uso de hologramas sintéticos para estimar ativamente os degraulos de fase aleatórios e o erro de medição é um conceito inovador dentro deste contexto.
Robustez ao Ruído: O método demonstra estabilidade mesmo quando $\Gamma_1(x)$ se aproxima de $\pm 1$ , uma região onde os estimadores baseados em arccos tradicionais tipicamente falham ou tornam-se ruidosos.

Resultos
Os autores validaram o algoritmo através de simulações numéricas e dois setups experimentais distintos:

Simulações Numéricas: Usando hologramas de 20x1440 pixels com ruído adicionado, o algoritmo recuperou a fase usando apenas 5 quadros, com a precisão melhorando conforme o número de quadros aumentava (até 35). A fase refinada ( $\alpha_R$ ) mostrou redução significativa de ruído em comparação com a estimativa inicial, particularmente próximo aos valores de fase de $0, \pi$ e $2\pi$ .
Sistema Experimental 1 (Interferômetro sem Lente): Um atuador piezoelétrico não calibrado foi usado para gerar deslocamentos de fase aleatórios em um alvo de rampa de fase linear. O algoritmo recuperou com sucesso o perfil de fase, demonstrando que as características estruturais do alvo foram preservadas e que a medição foi robusta através de múltiplas tentativas.
Sistema Experimental 2 (Microscopia Holográfica Digital): Um sistema sem atuador ativo foi utilizado, dependendo exclusivamente de vibrações passivas de laboratório para criar deslocamentos de fase aleatórios. O sistema imageou células de câncer de mama MCF-7. O algoritmo recuperou com sucesso a fase, que foi então desenrolada (unwrapped) e corrigida para aberrações de Zernike (pistão, inclinação, defocus) para gerar um mapa de altura celular.

Significância e Alegações
O artigo afirma que esta abordagem oferece uma alternativa robusta e flexível à PSDH tradicional. Ao eliminar a necessidade de um estágio piezoelétrico calibrado, o método simplifica a configuração óptica e reduz os custos de hardware. Os autores enfatizam que o algoritmo é eficaz mesmo quando os deslocamentos de fase são inteiramente aleatórios e desconhecidos, tornando-o adequado para aplicações onde o controle mecânico preciso é difícil ou impossível. Os resultados indicam que o método é consistente e preciso tanto para metrologia (rampas de fase lineares) quanto para imagem biológica (medição de altura celular sem marcação), fornecendo uma solução prática para ambientes onde o deslocamento de fase passivo (ex: via vibração) é a única opção. Os autores observam que, embora a busca de força bruta introduza erro de quantização, a resolução de 8 bits (256 níveis) estabelece um equilíbrio ideal entre tempo de processamento e precisão para suas condições experimentais.

Mais como este