理想光学系统与衍射极限:艾里斑的形成与瑞利判据的物理意义
聊到光学系统的像差评价,咱们得先搞清楚一个根本问题:一个完美的光学系统,到底能好到什么程度?
你可能会想,如果我把镜片磨得绝对光滑,材料选得毫无瑕疵,装调做到分毫不差,那成像是不是就能无限清晰?
答案会让你有点意外——不能。
因为光本身有波动性。哪怕你的系统在几何光学层面完美无缺,光通过圆形孔径时还是会衍射。这就是物理光学给成像画下的一条红线,我们叫它衍射极限。
核心概念:衍射极限是物理定律决定的成像上限,任何光学系统都无法超越。理想光学系统的性能,就是衍射极限的性能。
2.1 从几何像点到艾里斑
在几何光学里,一个理想物点经过完美透镜,会成一个完美的像点。但实际中呢?
我早年做显微物镜设计时,第一次在干涉仪上看到那个亮暗相间的圆环图案,心里还挺震撼的。明明是个点光源,成像后却变成了一个中心亮斑加一圈圈同心环。这就是著名的艾里斑(Airy Disk)。
它的形成过程,说白了就是夫琅禾费衍射。平行光通过圆形孔径,在焦平面上发生干涉,能量分布不再集中在一个几何点上,而是扩散开来。
艾里斑的能量分布可以用一阶贝塞尔函数描述。中心亮斑集中了约84%的能量,第一暗环的半径由下面这个公式决定:
r = 1.22 × λ × f / D
其中:
- λ:光波长
- f:透镜焦距
- D:入瞳直径
你看,波长越短、孔径越大,艾里斑就越小。这也是为什么天文望远镜拼命把口径做大——不是为了多收光,更是为了把艾里斑压小,提高分辨能力。
我的经验:做系统设计时,我习惯先算一下艾里斑尺寸。如果后续的探测器像元尺寸比艾里斑大很多,那再好的镜头也是白搭——系统瓶颈在探测器上。
2.2 瑞利判据:两个点到底能不能分开?
好,现在我们知道一个点会变成一个斑。那问题来了:两个靠得很近的点,我们还能分辨出来吗?
1879年,瑞利勋爵给出了一个简单又实用的判据:
瑞利判据:当一个艾里斑的中心刚好落在另一个艾里斑的第一暗环上时,这两个点刚好能被分辨。
这个判据的数学表达很简洁:
θ_min = 1.22 × λ / D
其中 θ_min 是最小分辨角,单位是弧度。
我刚开始做光学设计时,总觉得这个判据有点「拍脑袋」。后来在实际项目中验证多了,才发现它确实是个很实用的工程边界。虽然它不是一个严格的「能」或「不能」的物理分界线,但在工程上,它给了我们一个可操作的量化标准。
瑞利判据的物理意义,我用一个表格来总结:
| 状态 | 描述 | 工程含义 |
|---|---|---|
| 可分辨 | 两点间距 > 1.22λf/D | 两个艾里斑中心间距大于第一暗环半径 |
| 刚好分辨 | 两点间距 = 1.22λf/D | 一个斑中心落在另一个斑的第一暗环上 |
| 不可分辨 | 两点间距 < 1.22λf/D | 两个斑重叠严重,无法区分 |
避坑提醒:瑞利判据只适用于非相干照明的情况。如果是相干光(比如激光),干涉效应会让情况更复杂,判据需要修正。我曾经在一个激光测距项目里直接套用瑞利判据,结果发现分辨率远低于预期——就是因为没考虑相干性。
2.3 衍射极限的工程意义
衍射极限不是理论游戏,它直接影响你的系统设计。我把它拆成三个层面来讲:
- 设计上限:任何光学系统,无论你花多少钱、用多好的材料,分辨率都不可能超过衍射极限。这是物理定律。
- 评价基准:我们评价一个实际系统的好坏,就是拿它跟衍射极限比。越接近衍射极限,系统越「完美」。
- 系统匹配:镜头的衍射极限要和探测器匹配。镜头做太好,探测器跟不上,是浪费;探测器太好,镜头跟不上,也是浪费。
举个例子。我做过一个工业检测镜头,客户要求分辨率达到2微米。我算了一下,在可见光波段(λ=550nm),要达到这个分辨率,镜头的F数必须小于:
F# = r / (1.22 × λ) = 2 / (1.22 × 0.55) ≈ 2.98
也就是说,镜头光圈至少要开到F/2.8。如果客户非要用F/8的光圈,那物理上就不可能达到2微米的分辨率——不是设计问题,是物理定律的问题。
实用建议:拿到一个光学设计任务,我第一件事就是算衍射极限。如果客户指标超过了衍射极限,我会直接告诉他:「这个指标物理上做不到,咱们得调整。」省得后面白费功夫。
2.4 本章知识结构
下面这张图,把这一章的核心逻辑串起来了:
从光的波动性出发,经过圆形孔径衍射,形成艾里斑,再到瑞利判据给出量化标准——这条逻辑链,就是理解光学系统极限的完整路径。
2.5 小结
这一章我们讲了三件事:
- 艾里斑:理想点光源经过圆形孔径后,在焦平面上形成的衍射图案。中心亮斑集中84%的能量。
- 瑞利判据:两个艾里斑中心间距等于第一暗环半径时,刚好可分辨。这是工程上最常用的分辨率判据。
- 衍射极限:物理定律给光学系统画下的性能上限。任何系统都无法超越。
记住一句话:衍射极限不是设计缺陷,是物理法则。理解了这一点,后面我们讲像差评价时,你就能明白——为什么实际系统总是「不如」理想系统,以及我们怎么去量化这个「不如」的程度。