Flerkanals multicentroid rörelsekompenserad single-pixel-avbildning av ett tvådimensionellt godtyckligt rörligt styvt objekt

Skarpare bilder från färre pixlar

Avbildningstekniker förlitar sig vanligtvis på stora, komplexa kamerasensorer fyllda med miljontals små pixlar. Men det finns ett alternativ: använd bara en enda ljussensor och låt smarta mönster och beräkningar göra resten. Denna artikel visar hur idén med single-pixel kan drivas längre, så att det blir möjligt att spåra och tydligt avbilda små, snabbt rörliga objekt som vrider sig, vänder sig och till och med delvis försvinner ur sikte — allt i realtid.

Varför en pixel kan räcka

I single-pixel-avbildning belyses eller filtreras en scen med en sekvens av strukturerade mönster, och en ensam detektor mäter endast den totala ljusstyrkan för varje mönster. Genom att kombinera alla dessa mätningar matematiskt kan en fullständig bild rekonstrueras. Denna metod är attraktiv när högpresterande detektorarrayer är dyra eller opraktiska, till exempel inom terahertz, röntgen eller single-foton-avbildning. Den fungerar också väl med ”komprimerad” sampling, så att avsevärt färre mätningar behövs än i traditionella kameror. Det finns dock en stor hake: objektet måste normalt stå stilla medan mönstren appliceras ett efter ett. Om det rör sig stämmer inte mätningarna längre överens, vilket orsakar oskärpa och spökeffekter i slutbilden.

Utmaningen med rörliga, snurrande mål

Tidigare försök att hantera rörelse i single-pixel-avbildning fokuserade på enkel rörelse i raka linjer. De förlitade sig ofta på att sprida in extra ”lokator”-mönster i sekvensen för att uppskatta position, eller på förhandsvisningsbilder eller externa kameror för att mäta rörelse. Dessa trick minskar antingen den effektiva bildfrekvensen, förutsätter repetitiv rörelse eller har svårt när objekt både translatoriskt förflyttas och roterar. Rotationsrörelse är särskilt knepig: även ett litet fel i uppskattad vinkel kan leda till stora förskjutningar vid objektets kant och sudda ut finare detaljer. Befintliga metoder tappar också ofta bort spåret när objektet driver delvis utanför synfältet, vilket är vanligt i verkliga spårningsuppgifter.

Ett nytt sätt att följa och frysa rörelse

Författarna introducerar MC3-SPI (Multichannel Multicentroid Motion‑compensated Single‑Pixel Imaging), en metod som spårar och avbildar styva objekt som genomgår godtycklig tvådimensionell rörelse — inklusive godtyckliga kombinationer av translation och rotation — utan att offra tidsupplösningen. Nyckelidén är att koda några särskilt utvalda Fourier-mönster, som fungerar som globala linjaler lagda över synfältet. Genom att undersöka hur fasen i signalen från dessa mönster förskjuts kan systemet bestämma objektets tyngdpunkt med ungefär en tredjedels pixels noggrannhet. Eftersom ljuset delas upp i rött, grönt och blått får varje färg sin egen centroid; tillsammans definierar dessa tre punkter både objektets position och dess orientering i varje mätbild. Med denna information kör metoden sedan filmen baklänges, så att säga: den applicerar motsatta translationer och rotationer på mönstren själva innan de kombineras till en bild, en procedur som författarna kallar en invers rörelsekompenserad transform.

Se mer med färre mätningar

Genom simuleringar och experiment visar forskarna att Fourier-mönster är särskilt väl lämpade för denna typ av rörelsekompensation, eftersom de förblir nästan ortogonala även efter att ha förskjutits och roterats, vilket bevarar rekonstruktionskvaliteten vid låga samplingsgrader. I kontrast förlorar en annan populär mönsterfamilj, Hadamard-mönster, ortogonaliteten snabbare under rörelsekompensation och kräver fler mätningar för att uppnå liknande bildkvalitet. Med sitt optimerade Fourier-upplägg lyckas teamet spåra och rekonstruera färgade motiv såsom bokstäverna "BIT", en tecknad figur och en leksaksraket, alla under komplex 2D-rörelse. Även när objektet skrapar längs kanten av synfältet så att ingen enskild ram innehåller det helt, kan MC3‑SPI återställa dess verkliga bana genom att utnyttja den redundanta centroidinformationen från de tre färgkanalerna, och kan fortfarande bygga upp en skarp fullfärgsbild över tid.

Från labb-demo till snabba, praktiska system

En stor fördel med metoden är hastigheten. Bestämning av rörelse kräver endast sex lokaliseringsmönster per bildruta, så vid maximal moduleringsfrekvens för en standard digital micromirror-enhet skulle systemet i princip kunna spåra rörelse tusentals gånger per sekund. Det grundläggande återuppbyggnadsteget — summering av rörelsekompenserade mönster — är också extremt snabbt, flera storleksordningar snabbare än iterativa optimeringsalgoritmer, samtidigt som det ger tydliga resultat vid samplingsgrader så låga som 5%. Mer avancerade algoritmer kan läggas till senare när högre bildkvalitet behövs och tid medger det. Eftersom MC3‑SPI fungerar med standardkomponenter och passar in i vanliga single-pixel-uppställningar kan det kombineras med hyperspektrala, tredimensionella eller tidsupplösta scheman, vilket potentiellt möjliggör detaljerad avbildning av snabba, svaga eller svåråtkomliga mål inom områden från mikroskopi till fjärranalys.

Vad detta innebär för framtidens avbildning

I huvudsak visar detta arbete hur man förvandlar ett enkelt single-pixel-system till en snabb, rörelsemedveten kamera som kan hålla jämna steg med smidiga, roterande objekt samtidigt som den levererar skarpa bilder. Genom att välja belysningsmönster klokt, använda färgkanaler för att definiera flera referenspunkter på objektet och kompensera för dess rörelse i mjukvara övervinner författarna den längevarande spänningen mellan hastighet, upplösning och rörelsekänslighet i single-pixel-avbildning. Detta öppnar en praktisk väg mot kompakta, billiga avbildningssystem som inte bara fryser världen utan följer den i realtid.

Citering: Shao, C., Cao, Y., Li, S. et al. Multichannel multicentroid motion-compensated single pixel imaging of a 2D arbitrarily moving rigid-body target. Commun Eng 5, 61 (2026). https://doi.org/10.1038/s44172-026-00619-2

Nyckelord: single-pixel-avbildning, rörelsespårning, beräkningsbaserad avbildning, Fourier-mönster, högfrekvent avbildning