La profundidad de campo extendida (XDOF) solía significar cerrar el diafragma de un objetivo y aceptar la borrosidad por difracción. Hoy, los prototipos de investigación reemplazan el objetivo por completo con una máscara codificada o un elemento difractivo, y luego recuperan imágenes nítidas computacionalmente a lo largo de un rango de profundidad mucho mayor. El cambio importa porque desacopla el tamaño de la apertura física del rendimiento en profundidad — permitiendo sistemas de imagen más delgados, ligeros y baratos para microscopía, robótica y visión embebida.
Cómo las cámaras sin lente convierten una máscara en enfoque extendido
Una cámara sin lente coloca una máscara de amplitud o fase codificada directamente sobre el sensor. Cada punto de la escena se dispersa en un patrón conocido — la función de dispersión del punto (PSF) — que el sensor registra como una medición multiplexada. La reconstrucción resuelve un problema inverso para recuperar la escena. En las máscaras convencionales, la PSF cambia con la distancia del objeto, por lo que una sola calibración solo funciona para una estrecha porción de profundidad. Las máscaras radiales evitan esto: su PSF se escala radialmente pero mantiene la misma forma en el sensor, volviéndola invariante a la profundidad. Investigadores de la Universidad de Osaka demostraron que una máscara radial optimizada preserva esta propiedad de escalado mientras mejora la respuesta en frecuencia, y validaron la DOF extendida en una cámara prototipo en escenas continuas y de doble profundidad [3]. El resultado es una única captura que reconstruye objetos a distancias muy diferentes sin enfoque mecánico.
Por qué la forma de la PSF importa más que su tamaño
Las PSF invariantes a la profundidad permiten a un sistema desenfocar con un solo kernel espacialmente invariante en lugar de un conjunto dependiente de la profundidad. Las primeras cámaras de fotografía con codificación por difusión demostraron este principio: extienden la DOF diseñando una máscara cuya PSF se mantiene similar a lo largo de las profundidades, para luego deconvolucionar con un solo kernel [1]. La calidad de la recuperación depende de dos factores: la magnitud de la función de transferencia de modulación (MTF) y lo cerca que estén las PSF reales del diseño. Si el espectro de la PSF tiene nulos profundos, la amplificación del ruido durante la deconvolución destruye el detalle. Por tanto, optimizar la máscara para una MTF plana y ancha manteniendo la simetría radial es el compromiso central de ingeniería.
Las capturas instantáneas añaden óptica difractiva y aprendizaje profundo
La microscopía exige velocidad. Un artículo de ScienceDirect de 2025 integra un elemento óptico difractivo (DOE) para modular el campo óptico en una sola exposición, y luego usa una red profunda para mejorar la reconstrucción [2]. El DOE codifica la información de profundidad en el patrón de intensidad capturado; la red aprende a invertir el pipeline óptico-digital combinado. Este enfoque de captura instantánea evita el apilamiento de enfoque multi-fotograma, reduciendo artefactos de movimiento y el presupuesto de fotones — crítico para imagen de células vivas. El mismo principio aparece en una máscara de fase binaria codificada por polarización de 2026 que aprovecha la aberración esférica y el formalismo de matrices de Jones para extender la profundidad de foco [6]. La polarización añade una segunda dimensión de codificación, mejorando potencialmente el condicionamiento del problema inverso.
Pipelines computacionales que van más allá de la deconvolución
La deconvolución pura asume un modelo perfecto invariante a desplazamientos. Los sistemas reales necesitan más. Un estudio de Springer de 2023 plantea la EDOF como optimización conjunta de óptica y procesamiento: CodeV para diseño de lentes, prioris de auto-similitud global para reducción de neblina, gradientes guiados por canal oscuro para realce de bordes, y métodos grey-edge ponderados para fidelidad de color [7]. En métricas de referencia (PSNR, SSIM, RMSE) este pipeline combinado supera a la deconvolución convencional por sí sola. La lección: el diseño de la máscara, la precisión de la calibración y los prioris específicos de la tarea todos contribuyen — ninguno domina aisladamente.
Qué significa esto para tu próximo proyecto de imagen
Si construyes módulos de visión embebida, la XDOF sin lente elimina el actuador de enfoque y reduce la altura en z — pero pagas en computación (reconstrucción iterativa o inferencia neuronal) y esfuerzo de calibración (medir PSF a lo largo de profundidad y longitud de onda). Para microscopía, la captura instantánea con DOE o codificación de polarización gana velocidad a costa de mayor complejidad en la fabricación óptica. El prototipo de máscara radial de Osaka demuestra que una máscara de amplitud bien optimizada puede fabricarse con litografía estándar y aun así ofrecer cobertura de profundidad continua [3]. Elige la estrategia de codificación — amplitud radial, fase difractiva, polarización — según tu acceso a fabricación, presupuesto computacional y si necesitas captura a velocidad de video o estática. El campo converge hacia el co-diseño: patrón de máscara, protocolo de calibración y algoritmo de reconstrucción deben desarrollarse juntos.
Fuentes
- Imagen sin lente con profundidad de campo extendida - arXiv.org
- Fotografía codificada por difusión para profundidad de campo extendida
- Microscopía de profundidad de campo extendida instantánea mediante óptica difractiva …
- Profundidad de foco extendida usando máscara de fase binaria codificada por polarización
- Imagen con profundidad de foco extendida usando óptica y procesamiento de imagen
- Imagen sin lente con profundidad de campo extendida usando una … - ResearchGate
- Proyección de imagen superresolucionada sobre una profundidad de campo extendida usando …
