课程导入：单像素成像技术全景认知
单像素成像（Single-Pixel Imaging, SPI）是一种革命性的计算成像范式，它颠覆了传统相机“像素阵列同时曝光”的物理逻辑，转而使用单个无空间分辨能力的光电探测器，配合空间光调制器（SLM）与重构算法，从一系列强度测量值中“计算”出完整图像。本章作为课程起点，将系统梳理单像素成像的定义内涵、发展脉络、核心优势、典型应用场景，并给出贯穿30章课程的学习路径图，帮助你在脑海中建立完整的知识坐标系。
1.1 单像素成像的定义与物理本质
单像素成像并非“只拍一个像素的照片”，而是指成像系统中仅使用一个（或少量）不具备空间分辨能力的光电探测器，通过对待成像场景进行一系列已知的空间光场调制，记录对应的总光强值，再借助数学重构算法还原出场景的空间分布信息。其核心物理思想可以概括为：用时间换空间——将传统面阵探测器在空间维度上的并行采样，转化为单像素探测器在时间维度上的序列采样。
从数学角度看，单像素成像的测量过程可以建模为：
y_m = ∫ I(x,y) · P_m(x,y) dxdy + n_m (m = 1, 2, ..., M)其中，I(x,y) 是待成像场景的光强分布，P_m(x,y) 是第 m 次调制时的空间光场图案（如 Hadamard 基、随机散斑等），y_m 是单像素探测器记录的总光强值，n_m 为噪声项。当调制图案 P_m 构成一组完备基时，理论上可以通过 M 次测量精确重构出 N 像素的图像（M ≥ N）；而利用自然图像的稀疏先验，压缩感知理论允许 M ≪ N 实现高质量重构。
1.2 发展历史：从理论萌芽到应用爆发
单像素成像的思想源头可以追溯到20世纪60年代的关联成像（Ghost Imaging）实验。1995年，Pittman 等人首次在实验上实现了基于纠缠光子对的量子关联成像，随后学术界发现经典热光源也能实现类似效果，这为单像素成像奠定了物理基础。2006年，Shapiro 提出计算关联成像方案，用空间光调制器替代了参考光路，使得单像素成像系统结构大幅简化。
真正推动单像素成像走向实用化的里程碑是2008年压缩感知（Compressed Sensing）理论的提出。Candes、Donoho 等人证明了：只要信号在某个变换域是稀疏的，就可以用远低于 Nyquist 采样率的随机测量恢复出原始信号。这一理论被迅速应用于单像素相机（Single-Pixel Camera）的研制中，杜克大学的 Baraniuk 团队在2008年搭建了首个基于数字微镜器件（DMD）的单像素相机原型。
| 时间节点 | 关键事件 | 技术突破 |
|---|---|---|
| 1995年 | Pittman 量子关联成像实验 | 首次验证非局域成像可能性 |
| 2006年 | Shapiro 计算关联成像 | 去除参考光路，系统简化 |
| 2008年 | 压缩感知理论 + 单像素相机 | 亚采样重构成为可能 |
| 2013年 | Hadamard 基优化编码 | 测量效率大幅提升 |
| 2017年 | 深度学习重构算法引入 | 低采样率下重构质量飞跃 |
| 2020年至今 | 非视域成像、多光谱扩展 | 应用场景持续拓宽 |
近年来，单像素成像与深度学习、超表面光学、单光子雪崩二极管（SPAD）等技术的融合，使其在极端环境成像、微弱光探测、非视域成像等前沿领域展现出独特价值。理解这段历史有助于我们把握技术演进的底层逻辑：每一次重大突破都源于“硬件能力提升”与“算法理论创新”的双轮驱动。
1.3 核心优势：为什么需要单像素成像？
在面阵CMOS/CCD探测器高度成熟的今天，单像素成像依然受到广泛关注，其核心优势可以归纳为以下四个维度：
- 宽光谱响应能力：传统硅基探测器在红外、太赫兹波段响应差且成本极高，而单像素成像可以使用对应波段的高灵敏度单元探测器（如碲镉汞探测器、太赫兹热释电探测器），大幅降低非可见光成像的系统成本。
- 单光子级灵敏度：配合 SPAD 或光电倍增管（PMT），单像素成像可以实现极弱光条件下的成像，这对生物荧光成像、量子成像等场景至关重要。
- 抗散射与非视域成像：由于单像素成像记录的是总光强而非直接空间分布，在散射介质（如雾、生物组织）中可以通过关联算法恢复隐藏目标，甚至实现“绕墙看物”的非视域成像。
- 系统灵活性与可扩展性：空间光调制器可以灵活切换编码图案，同一套硬件平台可以适配不同分辨率、不同波段的成像需求，无需更换探测器阵列。
1.4 典型应用场景全景
基于上述核心优势，单像素成像已在多个领域形成落地应用或展现出巨大潜力：
| 应用领域 | 具体场景 | SPI 优势 | 成熟度 |
|---|---|---|---|
| 生物医学 | 荧光显微成像、血细胞检测 | 弱光探测、减少光毒性 | 实验室验证 |
| 太赫兹安检 | 包裹扫描、人体安检 | 太赫兹波段单像素低成本 | 样机阶段 |
| 自动驾驶 | 激光雷达、雨雾环境感知 | 抗散射、单光子灵敏度 | 早期研究 |
| 遥感监测 | 卫星多光谱成像、大气探测 | 宽光谱、轻量化 | 概念验证 |
| 工业检测 | 半导体晶圆缺陷检测 | 高动态范围、灵活分辨率 | 实验室验证 |
| 安防监控 | 非视域成像、隐蔽目标探测 | 绕墙成像、穿透散射介质 | 前沿研究 |
以生物医学应用为例，传统荧光显微镜需要强光激发样本，容易导致光漂白和光毒性。而单像素成像结合压缩感知，可以在极低激发光强下通过多次测量重构出高信噪比图像，对活细胞长时间观测具有重要意义。2021年，西湖大学的研究团队利用单像素成像实现了对活体斑马鱼心脏的快速三维成像，采样率仅为传统方法的1/10，充分展示了 SPI 在弱光成像领域的独特价值。
1.5 课程学习路径与知识体系
本课程共30章，按照“理论奠基→硬件搭建→编码优化→算法进阶→应用实战”的逻辑递进设计，确保零基础学员也能系统掌握单像素成像的完整技术栈。
- 基础理论模块（第1-6章）：涵盖光学成像基础、探测器原理、空间光调制器（DMD/LCoS）工作机制、压缩感知数学基础等，为后续学习打下坚实的物理与数学根基。
- 硬件搭建模块（第7-12章）：从光学平台搭建、光源选型、探测器选型与驱动，到同步控制电路设计、数据采集系统构建，手把手教你搭建一套可工作的单像素成像实验系统。
- 编码与采样模块（第13-18章）：深入讲解 Hadamard 基、傅里叶基、随机散斑等编码图案的设计与优化，以及采样率、测量噪声对重构质量的影响规律。
- 重构算法模块（第19-24章）：从传统优化算法（TV、L1范数）到深度学习重构网络（U-Net、GAN、展开网络），系统掌握各类重构方法的原理、实现与调优技巧。
- 应用实战与前沿模块（第25-30章）：结合太赫兹成像、非视域成像、多光谱成像等前沿方向，通过完整项目案例将所学知识融会贯通。