第1章相位解包裹概述

一、相位解包裹概述

干涉测量，说白了就是利用光的波动性来测东西。两束相干光叠加在一起，会产生明暗相间的条纹——这就是干涉条纹。条纹的明暗变化，反映的是光程差的改变。

我刚开始接触这行时，总觉得原理很简单：光程差每变化一个波长，条纹就变化一个周期。但真正做项目才发现，事情远没那么简单。

干涉测量的核心公式其实就一个：

I(x,y) = I₀(x,y) + I₁(x,y) · cos[φ(x,y)]

其中 φ(x,y) 就是我们想要的那个相位信息。它包含了被测物体的高度、形变、折射率变化等等。但问题来了——我们只能测到光强 I，而 φ 被包在余弦函数里。

关键点：从光强到相位，这一步叫「相位提取」。但提取出来的相位，天然就是包裹的。

为什么会包裹？因为余弦函数是周期性的。φ 和 φ+2π 在余弦函数里长得一模一样。你想想看，这就好比一个钟表——时针转了一圈又回到原点，你分不清现在是凌晨3点还是下午3点。

数学上，我们提取到的相位 φ_wrapped 满足：

φ_wrapped = φ_true mod 2π

也就是说，真实相位每超过 2π，就被「折叠」回 [-π, π] 或 [0, 2π] 区间内。表现在干涉图上，就是那些突然跳变的条纹边界——我们叫它「包裹线」或「2π跳变」。

我记得第一次处理干涉图时，看到那些锯齿状的相位图，还以为仪器坏了。后来师傅告诉我：这就是包裹相位，正常的。

个人经验：包裹相位图看起来像等高线地图，但每条等高线之间差的是 2π，不是固定高度。这个区别很重要，后面解包裹时会用到。

解包裹，就是把那些被「折叠」的相位重新展开，恢复出连续的、真实的相位分布。

数学上，我们要找一个整数 k(x,y)，使得：

φ_true(x,y) = φ_wrapped(x,y) + 2π · k(x,y)

这个 k(x,y) 就是「包裹阶数」。解包裹的核心任务，就是确定每个像素点的 k 值。

听起来简单对吧？但实际做起来，坑多得很。为什么？因为真实相位可能有噪声、有间断、有阴影区域，甚至有些地方根本测不到数据。

避坑指南：我曾经在一个项目中，直接用最简单的逐行解包裹算法处理一张有噪声的干涉图，结果解出来的相位像梯田一样——全是台阶。后来才明白，噪声会导致包裹阶数判断错误，而且这个错误会一路传播下去。

解包裹的数学本质，其实是一个全局优化问题。我们希望在满足某种约束（比如相位连续性）的前提下，找到最合理的 k 分布。不同的算法，本质上就是不同的约束条件和优化策略。

你可能会问：解包裹到底有什么用？我直接说几个真实场景：

说白了，不解包裹，你只能看到「条纹」；解了包裹，你才能看到「数据」。工程上，我们要的是定量结果，不是定性图案。

一句话总结：相位解包裹是干涉测量从「看图说话」走向「定量分析」的必经之路。没有这一步，干涉仪就是个高级玩具。

下面这张图，是我个人习惯用来梳理知识结构的。它把本章四个核心内容串在了一起：

我的建议：初学者不要一上来就啃各种解包裹算法。先把这四块内容吃透——原理搞明白、现象能识别、数学定义记清楚、工程意义想透彻。地基打牢了，后面学算法才不慌。

公众号:蓝海资料掘金营，微信deep3321