Digital Holographic Microscopy (DHM)

以往只要談到影像處理，必定要經過鏡頭取像，這觀念已經根深蒂固，沒有光學鏡頭要怎麼成像呢，只覺得震驚與不可思議，所以初次聽到DHM(Digital Holographic Microscopy)概念時，直覺是騙人的玩意。

但在接觸微流體(連結)的過程中，類似系統需要有效的對通道中細小物體的進行計數和觀察(連結 連結)。光學顯微鏡的確可以清楚辨識物體，但受限於視野大小，僅能觀察小範圍內畫面，若是通道較寬或觀察面積大，就要尋求另外方案，無鏡頭拍攝lensless概念應運而生。

DHM直接讓光線穿越觀測物體，讓投影光線直接照射在感光元件上，與光學顯微鏡不同，DHM是記錄物體的全息資訊，電腦僅是重建相位和振幅(光強)訊息，所以原始畫面多半模糊不清(下圖)，只要經過提取，就能還原出清晰的原始畫面(下下圖)。 連結

詳細資料如論文(連結  連結  連結 連結 中文博碩士 )，詳細說明如何以低成本重建實驗。

一、光源
論文的光源是穿透力較強的紫光LED，波長470nm。架構上，平行光最佳，實際上使用的是點光源，也能避免繞射。

點光源可由PINHOLE產生，是光電實驗不可或缺的工具。台灣廠商沒人理我，掏寶5µm°單價450/台幣，價格實惠 (連結  連結)。

二、觀測物
除了真正微流體物品，可以觀測普通顯微切片，或是標準玻璃測試片。

三、感光元件
實驗時，可以手邊就有的OV7670為主，移除透鏡模組直接拍攝。另外，目前感光元件上，配合BAYER PATTERN，都鋪有一層color filter。既然DHM是同波長光源(藍)，目前架構無形中浪費四分之三感光面積，若能移除(連結)或取得無filter應會有更好表現。


四、影像分析
DHM的原理是光的全像計算，某種程度來說，電腦僅是扮演光學顯微鏡的成像透鏡。但因為僅要分辨出物體的平面輪廓，只要刻意拉近物體和觀測面的距離，就能大幅減少散射帶來的影響。

DHM同樣也有參考光

兩種計算程式，都包含GPU模式。

第一是C版本，CWO++，連結。結論軟體說明，Diffraction calculations, such as the angular spectrum method and Fresnel diffractions, are used for calculating scalar light propagation. The calculations are used in wide-ranging optics fields: for example, Computer Generated Holograms （CGHs）, digital holography, diffractive optical elements, microscopy, image encryption and decryption, three-dimensional analysis for optical devices and so on.

第二是JAVA版本稱JDiffraction，連結。wave propagation library Includes angular spectrum, Fresnel-Fourier and Fresnel-Bluestein methods.

五、其他考慮項目。
如前面三個元件彼此距離如何分配。以及實際微流體應用時，因為影像是由平面投影而來，同一物體在通道的高點和低點，投影結果就有很大不同。

上述DHM強調近距離影像的重現，若考慮更大範圍的全像資訊，可以參考2012年左右論文(連結)，文章介紹(連結) Losing the Lens   連結

2017年DiffuserCam專案(連結 藉RASPIBERRY PI蒐集影像資訊，再經由PC處理，近距離可拍攝出立體照片，遠距離也有清楚平面畫面)。連結  連結  連結 連結

computational-imaging   opticalCNN  連結

近距離的物體，會有立體效果

另外分支為PinHole方式，擴大PinHole成為MASK，如flatcam、flatscope(連結、連結  連結)，最近更看利用機器學習專案，Towards Photorealistic Reconstruction of Highly Multiplexed Lensless Images (連結)。交大光電所 107 林冠宇 無透鏡。 連結

flatnet 連結 連結

COMHTVM/lensless  連結  python學生作業，Optimizing phase mask for a lensless imaging system

CSIPlab/flatcamRBG-D 連結  matlab : code and data for paper Joint Image and Depth Estimation with Mask-Based Lensless Cameras

CSIPlab/Programmable3Dcam   連結  matlab  Repository for "A Simple Framework for 3D Lensless Imaging with Programmable Masks," ICCV 2021  連結 

PhlatCam: Designed Phase-Mask Based Thin Lensless ...連結

文章  Learned reconstructions for practical mask-based lensless imaging

文章  Lensless cameras using a mask based on almost perfect sequence through deep learning

由於自身知識不足，即使閱讀了技術文件( 如无透镜片上显微成像技术院理论尧发展与应用 連結)，编码摄像(連結)，也是懵懵懂懂，但能因此拓展自己光學相關知識的邊界，就覺得開心。