课程导入：学习目标、核心概念、整体框架
欢迎进入《光学杂散光实测高手进阶》课程。在正式开始之前，我们需要先回答三个根本性问题：为什么要学杂散光实测？杂散光到底是什么？这门课将如何帮助你成为实战高手？杂散光（Stray Light）是光学系统中最隐蔽、最难以捉摸的性能杀手之一。它不像焦距、MTF那样有明确的单一指标，而是由系统内所有非理想路径的光能量汇聚而成。在航天遥感、激光雷达、高端显微镜、光刻机以及消费级摄像头中，杂散光直接决定了系统的极限探测能力和成像对比度。本课程的目标不是让你背诵公式，而是建立一套从现象识别→理论建模→实测验证→溯源定位→工程整改的完整实战闭环。
1.1 学习目标：从“会测”到“会诊断”
本课程的学习目标分为四个层级，层层递进。第一层是“懂原理”：理解杂散光的物理本质，包括表面散射（BSDF/BRDF）、衍射、鬼像反射、边缘漏光等基本机制。第二层是“会操作”：掌握PST（点源透过率）、Veiling Glare指数、杂散光比例等标准测试方法，能够独立搭建测试光路并采集有效数据。第三层是“能分析”：面对一组看似“脏乱差”的实测数据，能够区分随机噪声、系统误差和真实杂散光信号，并利用软件工具进行定量分离。第四层是“善改进”：根据测试结果反推杂散光的主要贡献路径，提出挡光环设计、表面发黑处理、结构遮光罩优化等具体整改措施，并验证改进效果。
核心能力模型：一个合格的杂散光实测工程师，必须同时具备“光学设计思维”和“实验物理素养”。光学设计思维让你知道杂散光从哪里来，实验物理素养让你知道如何把它测出来。两者缺一不可。
1.2 核心概念：杂散光的定义与量化指标
杂散光是指光学系统中，除了设计成像光线之外，所有到达探测器像面的非期望光能量。它可能来自系统内部的多次反射、机械结构散射、镜片表面污染、甚至探测器本身的二次反射。在工程上，我们通常用以下几个核心指标来量化杂散光水平：
| 指标名称 | 英文缩写 | 定义 | 典型测试方法 | 应用场景 |
|---|---|---|---|---|
| 点源透过率 | PST | 离轴点源在像面产生的辐照度与轴上点源产生的辐照度之比 | 激光点源+转台扫描 | 航天遥感、红外搜索跟踪 |
| 杂散光比例 | SR | 像面总能量中杂散光能量所占的百分比 | 积分球均匀照明+黑斑法 | 工业镜头、医疗内窥镜 |
| 眩光指数 | VGI | 像面中心区域杂散光与信号光之比的对数表示 | 点光源+灰度分析 | 车载摄像头、安防监控 |
| 双向散射分布函数 | BSDF | 描述表面散射特性的基础函数，与入射角、散射角相关 | 变角度散射仪 | 光学设计输入、表面质量评估 |
需要特别强调的是，PST是角度相关的函数，通常表示为PST(θ)，其中θ是离轴光源与光轴的夹角。在航天相机中，太阳光以30°、45°、60°等不同角度入射时，PST值可能相差几个数量级。因此，实测时必须覆盖系统实际工作时的关键离轴角度范围。
1.3 整体框架：30章实战进阶路径
本课程共30章，按照“基础理论→测试方法→仪器操作→数据分析→案例实战→工程管理”六大模块组织。前5章聚焦基础物理与数学工具，包括BSDF理论、衍射计算、蒙特卡洛光线追迹原理。第6-12章是核心测试方法，涵盖PST测试台搭建、暗室环境要求、探测器标定、动态范围扩展技术。第13-18章深入仪器与软件，包括锁相放大器使用、EMCCD/sCMOS相机选型、Python数据分析库实战。第19-25章是典型应用案例，如卡塞格林望远镜杂散光抑制、手机镜头鬼像消除、激光雷达环境光干扰测试等。最后5章是工程管理内容，包括测试报告撰写、不确定度分析、客户沟通技巧和实验室认证。
学习建议：建议学员在开始本课程前，具备基础的光学知识（几何光学、物理光学）和基本的编程能力（任意语言均可）。课程中涉及的数据处理部分，将以Python为主要工具，但不会涉及过于复杂的算法。
1.4 实战场景：一个典型的杂散光测试任务
为了让大家对课程内容有直观感受，我们来看一个典型的工程场景。假设你在一家安防监控公司工作，新研发的4K超星光级摄像头在夜间强光环境下（如对面来车开远光灯）出现明显的“光晕”和“鬼影”，客户投诉图像质量差。你的任务是：
- 现象量化：在实验室用点光源模拟车灯，测量不同离轴角度下的光晕强度分布，得到VGI曲线。
- 路径溯源：通过遮挡法（在镜头前放置黑色挡板，逐步遮挡不同区域）判断杂散光主要来自镜片表面反射还是镜筒内壁散射。
- 仿真对比：在TracePro中建立镜头三维模型，输入实测的镜片BSDF数据，仿真复现光晕现象。
- 整改验证：在镜筒内壁增加消光螺纹、在镜片边缘涂布消光漆，重新测试VGI是否下降。
这个场景几乎涵盖了本课程所有核心知识点。在后续章节中，我们将逐一拆解每个步骤的具体操作细节和常见陷阱。
常见误区警示：很多初学者拿到杂散光测试数据后，第一反应是“数据噪声太大，需要滤波”。但实际上，杂散光信号往往是低频、大面积的渐变分布，与随机噪声有本质区别。盲目滤波可能会把真实的杂散光信息抹掉。正确的做法是先通过暗场扣除、多次平均、系统标定等手段保证数据质量，再进行后续分析。
1.5 课程导入总结
本章作为全课程的导入，我们明确了三个关键点：第一，杂散光实测不是简单的“照一照、读个数”，而是一个涉及光学理论、精密机械、电子学、软件算法的交叉学科。第二，PST、VGI、BSDF等指标各有适用场景，必须根据产品类型和客户需求选择合适的测试方案。第三，本课程强调“实测-仿真-整改”的闭环思维，每一章都会围绕真实工程问题展开。