📚 课程目录第4章相位提取算法

4. 相位提取算法：四步相移法、五步相移法、载波条纹法、相位解包裹算法

相位提取，说白了就是把干涉条纹里藏着的相位信息给“揪”出来。你拍到的条纹图，光强是明暗变化的，但相位信息是编码在里面的。怎么解码？这就是本章要讲的核心。

我个人习惯把相位提取分成两大块：一是从多张相移图里算相位（四步、五步），二是从单张载波条纹里解相位。最后不管哪种方法，算出来的相位都是包裹在(-π, π]之间的，必须解包裹才能得到连续的真实相位。好，咱们一个一个来过。

4.1 四步相移法

四步相移法是最基础、最常用的方法。它的原理很简单：控制参考镜移动四个等间距的步长，每次移动产生π/2的相位变化，拍四张图。

四张图的光强表达式是这样的：

I1(x,y) = I0(x,y) + I'(x,y) * cos[φ(x,y) + 0]
I2(x,y) = I0(x,y) + I'(x,y) * cos[φ(x,y) + π/2]
I3(x,y) = I0(x,y) + I'(x,y) * cos[φ(x,y) + π]
I4(x,y) = I0(x,y) + I'(x,y) * cos[φ(x,y) + 3π/2]

然后通过下面这个公式，就能把包裹相位φ(x,y)算出来：

φ(x,y) = arctan[(I4 - I2) / (I1 - I3)]

嗯，这里要注意：arctan算出来的值范围是(-π/2, π/2)，但实际相位可能是四个象限的。所以一般用atan2函数，它能根据分子分母的正负判断象限，输出(-π, π]的相位值。

我的经验：四步相移法对相移器的线性度要求不高，计算量也小。我在做玻璃应力检测时，只要环境振动控制得好，四步法基本够用。但如果PZT存在非线性误差，建议用五步法。

4.2 五步相移法

五步相移法，说白了就是多拍一张图，用来抵消相移误差。它的步长也是π/2，但拍了五张：0、π/2、π、3π/2、2π。

相位计算公式稍微复杂一点：

φ(x,y) = arctan[2*(I2 - I4) / (2*I3 - I5 - I1)]

为什么五步法更准？因为它在分子分母里做了对称处理，能抵消掉PZT的非线性相移误差。我遇到过好几次，用四步法算出来的相位图有“波纹”状误差，换成五步法就干净多了。

对比项	四步相移法	五步相移法
图像数量	4张	5张
相移步长	π/2	π/2
抗相移误差	一般	较好
计算复杂度	低	中
适用场景	环境稳定、PZT线性好	PZT非线性、要求高精度

避坑指南：我曾经在高温环境下做检测，PZT因为热漂移导致相移不准，四步法算出来的相位图全是条纹扭曲。后来换成五步法，虽然多拍一张图，但结果稳定多了。所以，如果你的环境温度变化大，或者PZT质量一般，直接上五步法。

4.3 载波条纹法

载波条纹法，也叫空间载波法。它不需要移动参考镜，而是通过倾斜参考镜，在干涉场里引入一个已知的空间载波频率。这样，单张条纹图里就包含了完整的相位信息。

它的核心是傅里叶变换：

对单张载波条纹图做二维傅里叶变换，得到频谱图。
在频谱里，基频分量在中心，正负一级分量对称分布。我们只提取正一级分量。
对正一级分量做逆傅里叶变换，取虚部与实部的比值，得到包裹相位。

你想想看，单张图就能解相位，这对动态测量来说太有用了。我做过一个在线检测项目，玻璃在传送带上移动，没法拍多张相移图，只能用载波条纹法。

  关键点：载波条纹法要求载波频率足够高，能把正一级和基频、负一级在频谱上分开。如果载波频率太低，频谱混叠，相位就解不出来了。一般要求载波条纹密度至少是待测相位最大频率的3倍。

4.4 相位解包裹算法

不管用哪种方法算出来的相位，都是包裹在(-π, π]之间的。说白了，就是相位值被“折叠”了。解包裹，就是把这个折叠打开，恢复成连续的相位。

解包裹的核心思想很简单：逐像素比较相邻点的相位差，如果差值大于π，就加上或减去2π的整数倍。但实际做起来，噪声、阴影、断点都会让这个过程出错。

常用的解包裹算法有两类：枝切法和最小二乘法。

4.4.1 枝切法

枝切法，也叫路径跟踪法。它的思路是：先找出所有相位不连续的点（称为“残差点”），然后用“枝切线”把相邻的残差点连接起来，最后沿着避开枝切线的路径做积分。

具体步骤：

计算每个2×2像素块的相位梯度，判断是否存在残差点。
用最短路径或最近邻原则，把正负残差点配对，用枝切线连接。
从任意点开始，沿着不穿过枝切线的路径做积分，得到连续相位。

枝切法的优点是速度快，而且能很好地保持相位细节。但缺点也很明显：如果残差点太多，枝切线会连成一片，导致大片区域无法解包。

我的经验：在玻璃应力检测中，如果样品边缘有灰尘或划痕，会产生大量残差点。我一般先用中值滤波预处理条纹图，减少噪声引起的残差点，再用枝切法解包。效果不错。

4.4.2 最小二乘法

最小二乘法，也叫全局优化法。它不关心残差点，而是把解包裹问题转化为一个全局优化问题：找一个连续相位场，使得它的梯度与包裹相位的梯度差异最小。

数学上，就是求解一个泊松方程：

∇²φ = ρ

其中ρ是包裹相位梯度的散度。这个方程可以用离散余弦变换（DCT）或快速傅里叶变换（FFT）快速求解。

最小二乘法的优点是鲁棒性好，即使有噪声和残差点，也能得到一个平滑的解。但缺点是会平滑掉真实的相位突变，而且计算量大。

对比项	枝切法	最小二乘法
原理	路径跟踪，避开残差点	全局优化，求解泊松方程
速度	快	较慢
抗噪声能力	弱（残差点多时失效）	强
相位细节保持	好	一般（会平滑突变）
适用场景	噪声少、残差点少的条纹图	噪声大、残差点多的条纹图

避坑指南：我曾经在一个项目中，样品表面有很深的划痕，导致相位突变。用枝切法解包，划痕附近全是解包错误。后来换成最小二乘法，虽然划痕处的相位被平滑了，但整体相位分布是连续的，后续应力计算反而更准确。所以，选哪种算法，要看你的具体需求。

4.5 本章知识体系

下面这张图，把本章的核心内容串起来了。你可以看到，相位提取和解包裹是前后衔接的，选哪种方法取决于你的硬件条件和样品情况。

好了，相位提取和解包裹的核心内容就这些。四步和五步法适合静态测量，载波条纹法适合动态测量。解包裹时，枝切法快但怕噪声，最小二乘法稳但会平滑细节。你根据实际情况选就行。