1. 宽场与高分辨的博弈：为什么鱼和熊掌难以兼得？
做光学成像的人，早晚都会撞上这堵墙。
我刚入行那会儿，带我的老师傅扔给我一句话：「想要看得宽，就别想看得清；想要看得清，就别想看得宽。」我当时不信邪，觉得肯定有什么办法能两头占。结果折腾了三个月，样机打出来一看——嗯，脸很疼。
这一章，我们就来聊聊这个绕不开的「死结」：宽视场与高分辨率之间的根本矛盾。
1.1 光学系统的分辨率极限
先说说分辨率。你想想看，一个镜头能把多小的细节分开？这可不是镜头厂商吹的「几千万像素」能决定的。
物理上有个硬门槛，叫衍射极限。光线通过圆形孔径时，会发生衍射，在像面上形成一个艾里斑。两个点靠得太近，它们的艾里斑就分不开了。
瑞利判据给出了一个简洁的公式：
δ = 0.61 × λ / NA其中：
- δ — 最小可分辨距离
- λ — 照明光波长
- NA — 数值孔径
说白了，要提高分辨率，要么用更短的波长（比如紫外光），要么增大数值孔径。但这两条路，都有代价。
关键认知：分辨率不是像素游戏。你用一亿像素的传感器，配个低NA的镜头，拍出来的还是糊的。我在项目中见过太多人砸钱买高像素相机，结果瓶颈在镜头——白花冤枉钱。
1.2 视场限制：看得宽为什么这么难？
视场，就是镜头能看到的范围。广角镜头能拍大场面，长焦镜头只能看一个小窗口——这个直觉是对的。
但问题没那么简单。视场和分辨率之间，存在一个光学不变量的关系：
NA × FOV = 常数（在给定像面尺寸下）什么意思？你增大视场（FOV），数值孔径（NA）就得降下来。NA一降，分辨率就跟着崩。
我做过一个显微成像项目，客户要求同时看整个培养皿（直径35mm）和单个细胞（微米级）。当时我就知道——这事单靠一个镜头，没戏。
| 参数 | 高分辨方案 | 宽视场方案 |
|---|---|---|
| 数值孔径 NA | 0.8 ~ 1.4（油浸） | 0.1 ~ 0.3 |
| 视场直径 | 0.2 ~ 1 mm | 10 ~ 50 mm |
| 分辨率 | ~0.2 μm | ~2 μm |
| 典型应用 | 亚细胞结构观察 | 组织切片全景扫描 |
你看，这两个指标天然就是跷跷板的两头。
1.3 根本矛盾：信息量守恒
为什么会这样？往深了说，是信息量守恒在作怪。
光学系统本质上是一个信息传递通道。它的信息吞吐能力是有限的，由空间带宽积（Space-Bandwidth Product, SBP）决定：
SBP = (FOV / δ)²这个值，在给定光学设计水平下，基本是个常数。你想扩大视场，就得牺牲分辨率；你想提高分辨率，视场就得缩小。
我习惯把这个比作「用固定大小的画布画画」。画布就这么大，你想画更多内容，每个细节就得画小点；你想把每个细节画精细，能画的内容就少了。
避坑指南：我曾经见过一个团队，花了大半年时间优化一个镜头的分辨率，结果发现视场缩到只有原来的三分之一，完全没法用。他们一开始就没算SBP的账。记住：先算信息量，再动手设计。
1.4 知识结构图：宽场与高分辨的博弈
下面这张图，把这一章的核心逻辑串起来了。你可以把它当作理解这个矛盾的「地图」：
1.5 现实中的妥协与破局
既然鱼和熊掌不能兼得，那实际工程中怎么办？
我总结了几条路，也是本课程后续要展开的核心：
- 扫描拼接 — 用高分辨镜头扫一遍大视场，然后拼起来。代价是时间和机械精度。
- 多尺度光学 — 同时用多个不同分辨率的通道，各取所长。
- 计算成像 — 用算法从低分辨数据中重建高分辨信息，比如超分辨显微。
- 自适应光学 — 动态校正像差，在保持视场的同时提升有效分辨率。
我的建议：别一上来就想「既要又要」。先搞清楚你的应用场景到底需要多大的视场、多高的分辨率。我做过一个工业检测项目，客户说「要最高分辨率」，结果一聊，他们其实只需要看清50μm的缺陷，视场倒是要越大越好。最后用了一个中等NA的镜头加拼接方案，成本降了60%。
1.6 本章小结
宽场与高分辨的矛盾，根子在光学信息量守恒。这不是镜头工艺能解决的，是物理定律。
但别灰心。理解了这个矛盾，你才能真正看懂后面那些「兼顾方案」的设计逻辑。它们不是在挑战物理，而是在物理框架内，用系统工程的思路找到最优解。