全息图生成方法和全息图生成设备与流程

技术领域

本公开总体上涉及全息图生成方法和全息图生成设备，例如涉及一种基于条纹图案来生成全息图的方法以及全息图生成设备。

背景技术：

由于最近3D显示技术的发展，3D图像被用在各种工业领域中。具体地讲，正在积极地进行对将对象作为真实对象再现的全息图的研究，在诸如广播、展览和演出的各种领域中正在制作使用全息图的内容。

全息图使用光干涉现象来再现对象。全息图生成方法包括模拟方法和数字方法。

在模拟方法中，可通过存储在记录介质上直接反射的参考光与从记录介质上的对象反射的物光之间的干涉条纹来生成全息图。近来，由于计算机技术的发展，已开发出在不使用两个光源的情况下生成全息图的计算机生成全息图(CGH)方法。

然而，由于CGH方法在不使用参考光和物光的情况下人为地生成全息图，所以必须执行海量的计算，这需要长的计算时间。

技术实现要素：

提供本公开的各方面以至少解决上述问题和/或缺点并至少提供下面所述的优点。因此，本公开的示例方面在于提供一种基于稀疏性而不是构成对象的所有点来生成条纹图案的全息图生成方法以及全息图生成设备。

根据示例实施例的一方面，一种使用点云方法来生成对象的数字全息图的方法包括：将光投射到与对象对应的至少一些点；基于所投射的光在至少一个二维平面上生成与所述至少一些点对应的全息图信号；基于所述全息图信号来计算与二维平面对应的稀疏性；基于所述全息图信号中的至少一部分来计算条纹图案；以及将条纹图案记录在计算机生成全息术(CGH)平面上，其中，计算条纹图案的步骤包括计算直至所计算的条纹图案的优势信号的数量与基于稀疏性确定的预定阈值一致。

生成全息图信号的步骤可包括将对象划分成多个深度层，并且在与所述多个深度层中的每一个对应的二维平面上生成与包括在所述多个深度层中的每一个中的多个点对应的全息图信号，其中，所述稀疏性可以是包括在各个深度层中的点的数量与包括在对象中的点的总数的比率。

所述多个深度层之间的距离可基于包括在对象中的点的总数来确定。

计算条纹图案的步骤可包括通过将下式应用于所述全息图信号中的至少一部分来生成条纹图案：

其中z_k是所述多个深度层中的第k深度层与CGH平面之间的距离，u_k(x，y)是所述多个深度层中的第k深度层坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

根据本公开的另一方面，生成全息图信号的步骤可包括在存在于对象和CGH平面之间的虚拟二维平面上生成与包括在对象中的所有点对应的全息图信号，所述稀疏性可以是虚拟二维平面中所生成的全息图信号中满足预定条件的优势全息图信号的数量。

虚拟二维平面的分辨率可利用比CGH平面的分辨率低的分辨率来实现。

生成全息图信号的步骤可包括将包括在对象中的所有点划分成多个集群，并且在二维平面上的对应区域上并行地生成所述多个集群中的每一个的全息图信号。

生成全息图信号的步骤可包括基于下式来生成全息图信号：

其中是对象与虚拟二维平面之间的距离并且作为来计算，x和y是虚拟二维平面的坐标值，和是第t集群中的第i点的坐标值，k是参考光的频率，是存在于第t集群中的第i点处的光的强度。

计算条纹图案的步骤可包括通过将下式应用于所述全息图信号中的至少一部分来计算条纹图案：

其中z₂是虚拟二维平面与CGH平面之间的距离，u_VP(x，y)是虚拟二维平面(x,y)坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

另一方面，将条纹图案记录在CGH平面上的步骤可包括在CGH平面上仅记录所计算的条纹图案中具有预定阈值或以上的幅度的条纹图案。

根据示例实施例的一方面，一种全息图生成设备包括：全息图信号生成单元，被配置为基于投射在与对象对应的至少一些点上的光在至少一个二维平面上生成与所述至少一些点对应的全息图信号；处理器，被配置为基于所述全息图信号来计算与所述二维平面对应的稀疏性，并且基于所述全息图信号中的至少一些来计算条纹图案；以及图案写入单元，被配置为将条纹图案记录在计算机生成全息术(CGH)平面上，其中，处理器还被配置为重复地计算条纹图案，直至所计算的条纹图案的优势信号的数量与基于所述稀疏性确定的预定阈值一致。

全息图信号生成单元可将对象划分成多个深度层并且在与所述多个深度层中的每一个对应的二维平面上生成与包括在所述多个深度层中的每一个中的多个点对应的全息图信号，稀疏性可以是包括在各个深度层中的点的数量与包括在对象中的点的总数的比率。

所述多个深度层之间的距离可基于包括在对象中的点的总数来确定。

处理器可通过将下式应用于所述全息图信号中的至少一部分来生成条纹图案：

其中z_k是所述多个深度层中的第k深度层与CGH平面之间的距离，u_k(x，y)是所述多个深度层中的第k深度层(x,y)坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

此外，全息图信号生成单元可在存在于对象与CGH平面之间的虚拟二维平面上生成与包括在对象中的所有点对应的全息图信号，稀疏性可以是虚拟二维平面上所生成的全息图信号中满足预定条件的优势全息图信号的数量。

虚拟二维平面的分辨率可利用比CGH平面的分辨率低的分辨率来实现。

另外，全息图信号生成单元可将包括在对象中的所有点划分成多个集群，并且在二维平面上的对应区域上并行地生成所述多个集群中的每一个的全息图信号。

全息图信号生成单元可基于下式来生成全息图信号：

其中是对象与虚拟二维平面之间的距离并且作为来计算，x和y是虚拟二维平面的坐标值，和是第t集群中的第i点的坐标值，k是参考光的频率，是第t集群中的第i点处的光的强度。

处理器可通过将下式应用于至少一些全息图信号来计算条纹图案：

其中z₂是虚拟二维平面与CGH平面之间的距离，u_VP(x，y)是虚拟二维平面(x,y)坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

另外，图案写入单元可在CGH平面上仅记录所计算的条纹图案中具有预定阈值或以上的幅度的条纹图案。

根据示例实施例的另一方面，在存储有用于执行使用点云方法来生成对象的数字全息图的方法的程序的非暂时性记录介质中，该方法可包括：将光投射到与对象对应的至少一些点；基于所投射的光在至少一个二维平面上生成与所述至少一些点对应的全息图信号；基于所述全息图信号来计算与所述至少一个二维平面对应的稀疏性；基于全息图信号来计算与二维平面对应的稀疏性；以及将条纹图案记录在计算机生成全息术(CGH)平面上，其中，计算条纹图案的步骤包括计算直至所计算的条纹图案的优势信号的数量与基于所述稀疏性确定的预定阈值一致。

根据示例实施例的另一方面，一种使用点云方法来生成对象的数字全息图的方法包括：将光投射到与对象对应的多个点；生成与所述多个点对应的全息图信号，其中，所述全息图信号在至少一个二维平面上生成，所述生成所述全息图信号的步骤基于所投射的光；基于所述全息图信号来计算与所述至少一个二维平面中的一个对应的稀疏性；基于所述全息图信号中的至少一部分来计算条纹图案；以及将条纹图案记录在计算机生成全息术(CGH)平面上，其中，计算条纹图案的步骤包括重复地计算条纹图案，直至所计算的条纹图案的优势信号的数量大于或等于基于所述稀疏性确定的预定阈值。

生成所述全息图信号的步骤可包括：将对象划分成多个深度层；以及生成与多个点对应的全息图信号，其中，所述多个深度层中包括所述多个点的多个集合，所述全息图信号在与所述多个深度层中的每一个对应的所述至少一个二维平面上生成，其中，所述稀疏性是包括在所述多个深度层中的一个中的点的数量与包括在对象中的点的总数的比率。

第一深度层可被设置在距相邻的第二深度层预定距离处，并且第一深度层与第二深度层之间的预定距离可基于包括在对象中的点的总数来确定。

计算条纹图案的步骤可包括通过将下式应用于所述全息图信号中的至少一部分来生成条纹图案：

其中z_k是所述多个深度层中的第k深度层与CGH平面之间的距离，u_k(x，y)是所述多个深度层中的第k深度层的坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

生成全息图信号的步骤可包括在存在于对象与CGH平面之间的虚拟二维平面上生成全息图信号，其中，所述全息图信号与包括在对象中的所有点对应，并且其中，所述稀疏性是虚拟二维平面上所生成的全息图信号中的优势全息图信号的数量，所述优势全息图信号满足预定条件。

虚拟二维平面可利用比CGH平面的分辨率低的分辨率来实现。

生成全息图信号的步骤可包括：将包括在对象中的所有点划分成多个集群；以及在二维平面上的对应区域上并行地生成所述多个集群中的每一个的全息图信号。

生成所述多个集群中的每一个的全息图信号的步骤可包括基于下式来生成全息图信号：

其中是对象与虚拟二维平面之间的距离并且作为来计算，x和y是虚拟二维平面的坐标值，和是第t集群中的第i点的坐标值，k是参考光的频率，是存在于第t集群中的第i点处的光的强度。

计算条纹图案的步骤可包括通过将下式应用于所述全息图信号中的至少一部分来计算条纹图案：

其中z₂是虚拟二维平面与CGH平面之间的距离，u_VP(x，y)是虚拟二维平面(x,y)坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

将条纹图案记录在CGH平面上的步骤可在CGH平面上仅记录所计算的条纹图案中具有预定阈值或以上的幅度的条纹图案。

根据示例实施例的一方面，一种全息图生成设备包括：全息图信号生成单元，被配置为基于投射到与对象对应的多个点的光来生成与所述多个点对应的全息图信号，其中，所述全息图信号在至少一个二维平面上生成；处理器，被配置为基于所述全息图信号来计算与所述至少一个二维平面中的一个对应的稀疏性，并且基于所述全息图信号中的至少一部分来计算条纹图案；以及图案写入单元，被配置为将条纹图案记录在计算机生成全息术(CGH)平面上，其中，处理器还被配置为重复地计算条纹图案，直至所计算的条纹图案的优势信号的数量大于或等于基于所述稀疏性确定的预定阈值。

全息图信号生成单元可将对象划分成多个深度层并且生成与多个点对应的全息图信号，其中，所述多个深度层中包括所述多个点的多个集合，所述全息图信号在与所述多个深度层中的每一个对应的所述至少一个二维平面上生成，并且所述稀疏性可以是包括在所述多个深度层中的一个中的点的数量与包括在对象中的点的总数之比。

第一深度层可被设置在距相邻的第二深度层预定距离处，并且第一深度层与第二深度层之间的预定距离可基于包括在对象中的点的总数来确定。

处理器可通过将下式应用于所述全息图信号中的至少一部分来生成条纹图案：

其中z_k是所述多个深度层中的第k深度层与CGH平面之间的距离，u_k(x，y)是所述多个深度层中的第k深度层的坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

全息图信号生成单元可在存在于对象与CGH平面之间的虚拟二维平面上生成全息图信号，其中，所述全息图信号与包括在对象中的所有点对应，并且所述稀疏性可以是虚拟二维平面上所生成的全息图信号中的优势全息图信号的数量，所述优势全息图信号满足预定条件。

虚拟二维平面可利用比CGH平面的分辨率低的分辨率来实现。

全息图信号生成单元可将包括在对象中的所有点划分成多个集群并且在二维平面上的对应区域上并行地生成所述多个集群中的每一个的全息图信号。

全息图信号生成单元可基于下式来生成全息图信号：

其中是对象与虚拟二维平面之间的距离并且作为来计算，x和y是虚拟二维平面的坐标值，和是第t集群中的第i点的坐标值，k是参考光的频率，是第t集群中的第i点处的光的强度。

处理器可通过将下式应用于所述全息图信号中的至少一部分来计算条纹图案：

其中z₂是虚拟二维平面与CGH平面之间的距离，u_VP(x，y)是虚拟二维平面(x,y)坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆变换公式，ξ和η是CGH平面坐标值，h(ξ，η)是脉冲响应函数。

根据示例实施例的另一方面，在存储有用于执行使用点云方法来生成对象的数字全息图的方法的程序的非暂时性记录介质中，该方法可包括：将光投射到与对象对应的多个点；生成与所述多个点对应的全息图信号，其中，所述全息图信号在至少一个二维平面上生成，所述生成所述全息图信号的步骤基于所投射的光；基于所述全息图信号来计算与所述至少一个二维平面中的一个对应的稀疏性；基于所述全息图信号中的至少一部分来计算条纹图案；以及将条纹图案记录在计算机生成全息术(CGH)平面上，其中，计算条纹图案的步骤包括重复地计算条纹图案，直至所计算的条纹图案的优势信号的数量大于或等于基于所述稀疏性确定的预定阈值。

根据本公开的各种实施例，可在生成对象的全息图时减少计算量和计算时间。

附图说明

一个或更多个示例性实施例的以上和其它方面将通过参照附图中所示的其特定实施例而变得更显而易见。将理解，这些附图仅描绘了本公开的示例性实施例，因此不应被认为是本公开的范围的限制，本文的原理通过使用附图来更具体和详细地描述和说明，附图中：

图1是示出根据示例性实施例的全息图生成设备的配置的框图；

图2是示出根据本公开的示例实施例的基于深度层的全息图信号生成方法的示图；

图3是示出基于图2所示的全息图信号来计算条纹图案的方法的示图；

图4是示出根据本公开的示例实施例的基于虚拟平面的全息图信号生成方法的示图；

图5是示出基于图4所示的全息图信号来计算条纹图案的方法的示图；

图6是示出根据本公开的示例实施例的通过将对象划分成多个集群来计算条纹图案的方法的示图；

图7是示出根据示例实施例的在虚拟平面上生成全息图信号的方法的示图；

图8是用于说明根据本公开的示例实施例的根据采集一部分全息图信号的方法的PSNR值变化的曲线图；

图9是用于说明根据本公开的示例实施例的根据稀疏性变化的PSNR值的变化的曲线图；

图10是比较对象与根据本公开的示例实施例的通过条纹图案生成的全息图的示图；以及

图11是示出根据本公开的示例实施例的计算条纹图案的方法的流程图。

具体实施方式

以下，将参照附图详细描述本公开。

图1是示出根据示例性实施例的全息图生成设备的配置的框图。

根据图1，全息图生成设备100可包括全息图信号生成单元110、图案写入单元120和处理器130。

根据本公开的示例实施例的全息图生成设备100可使用点云方法来生成对象的数字全息图。

点云方法是使用存在于对象表面上的多个点来生成全息图的方法，对象可被假设为多个点的聚合。这里，对象通常可为三维对象，但是未必限于此，可以是用于生成全息图的各种类型的物质。

全息图信号生成单元110可通过利用光照射对象来生成全息图信号。当全息图信号生成单元110照射对象时，可在至少一个二维平面中生成在对象表面上具有多个点作为源的多个全息图信号。由于点源方法中的对象可被假设为发射光的多个点的聚合，所以全息图信号生成单元110可在不在对象上投射光的情况下生成与至少一个二维平面上的各个点对应的全息图信号。

由全息图信号生成单元110在二维平面上生成的全息图信号可由子全息图或子条纹图案表示，但在本说明书中统称为全息图信号。

处理器130控制全息图生成设备100的总体操作。具体地讲，处理器130可基于全息图信号生成单元110所生成的全息图信号来计算与二维平面对应的稀疏性。

这里，二维平面可以是构成三维对象的虚拟深度层或者存在于对象与CGH平面之间的虚拟平面。例如，二维平面可以是在计算机上实现的虚拟平面。

当二维平面是构成三维对象的虚拟深度层时，稀疏性可以是深度层上所包括的点的数量与构成对象的点的总数的比率。

另外，当二维平面是存在于对象与CGH平面之间的虚拟平面时，稀疏性可以是平面上所生成的全息图信号中满足预定条件的优势全息图信号的数量。

另外，处理器130可基于二维平面上所生成的全息图信号的至少一部分来计算对象的条纹图案。可使用稀疏快速傅里叶变换(SFFT)来计算条纹图案。因此，可通过SFFT将全息图信号转换为对象的条纹图案。SFFT被描述为基于稀疏的傅里叶变换，其将在图3和图5中更详细地描述。

另外，处理器130可重复地计算条纹图案，直至包括在所计算的条纹图案中的优势信号的数量与基于稀疏性确定的阈值一致。这里，表述“A与B一致”可表示A大于或等于B。具体地讲，该阈值是与稀疏性成比例确定的值，处理器130可重复地计算条纹图案，直至包括在条纹图案中的优势信号的数量与该阈值一致。然而，本公开不限于此。

例如，如果稀疏性是包括在特定深度层中的点的数量与构成对象的点的总数的比率，则处理器130可重复地计算条纹图案，直至包括在条纹图案中的优势信号的数量和与该比率成比例确定的预定阈值一致。如果稀疏性是二维平面上所生成的全息图信号中满足预定条件的优势全息图信号的数量，则处理器130可重复地计算条纹图案，直至包括在条纹图案中的优势信号的数量与和所述信号的数量成比例确定的预定阈值一致。

图案写入单元120可将处理器130所计算的条纹图案记录在计算机生成全息术(CGH)平面上。因此，图案写入单元120可通过将处理器130所计算的对象的最终条纹图案记录在CGH平面上来生成全息图。

这里，CGH平面可通过感光膜、空间光调制器(SLM)等来实现。因此，图案写入单元120可通过将条纹图案记录在感光膜或SLM上来生成对象200的全息图。然而，示例不限于此，CGH平面可表示在计算机上实现以将条纹图案记录在感光膜或空间光调制器上并且包括关于条纹图案的信息的虚拟平面。

以下，将描述全息图信号生成和稀疏性计算方法的具体示例实施例。

图2是示出根据本发明的示例实施例的基于深度层的全息图信号生成方法的示图。

如图2所示，全息图信号生成单元110可将作为多个点的聚合实现的对象200划分成多个深度层210-1、210-2、...、210-n。

多个深度层210-1、210-2、...、和210-n是虚拟二维平面，并且可平行于Z轴设置。另外，多个深度层210-1、210-2、...、210-n之间的距离可基于构成对象200的所有点的数量来确定。因此，多个深度层210-1、210-2、...、和210-n的数量可与构成对象200的点的总数、对象的尺寸、预设深度层的数量等成比例地确定。

如果对象200被划分成多个深度层210-1至210-n，则可在与多个深度层210-1、210-2、...、210-n中的每一个对应的二维平面上生成与包括在多个深度层210-1、210-2、…、210-n中的每一个中的多个点对应的全息图信号220-1、220-2、…、220-n。

例如，在通过将对象200划分成第一深度层210-1所生成的二维平面中，可生成与构成对象200的所有点中包括在第一深度层210-1中的多个点220-1对应的全息图信号。

因此，全息图信号生成单元110生成与包括在多个深度层210-1、210-2、...、210-n中的每一个中的多个点220-1至220-n对应的全息图信号，而非生成与构成对象200的所有点对应的全息图信号。

这里，处理器130可计算各个深度层的稀疏性。处理器130可计算包括在各个深度层中的点的数量与构成对象的点的总数的比率作为稀疏性。例如，如果构成对象200的点的总数为N并且包括在第一深度层210-1中的多个点220-1的数量为k，则第一深度层的稀疏性可为k/N。

因此，处理器130可计算多个深度层210-1、210-2、...、210-n中的每一个的稀疏性。

以下，将描述基于各个深度层的全息图信号和所计算的稀疏性来计算条纹图案的方法。

图3是示出基于图2所示的全息图信号计算条纹图案的方法的示图。

如图3所示，根据本公开的示例实施例的全息图信号生成单元110可生成与多个深度层210-1、210-2、...、210-n中的每一个对应的全息图信号。另外，处理器130可计算多个深度层210-1、210-2、...、210-n中的每一个的稀疏性。例如，全息图信号生成单元110可在二维平面上生成与包括在第一深度层210-1中的多个点220-1对应的第一全息图信号，并且处理器130可计算包括在第一深度层210-1中的点的数量(k)与构成对象200的点的总数(N)的比率以获得关于第一深度层210-1的第一稀疏性。

另外，处理器130可基于所计算的稀疏性来确定预设阈值。预定阈值是与稀疏性成比例的值。例如，如果针对第一深度层210-1计算的第一稀疏性为高值(例如，接近1的值)，则可与第一稀疏性成比例地确定预定阈值。

另外，处理器130可基于全息图信号来计算多个深度层210-1、210-2、...、210-n中的每一个的条纹图案。在计算条纹图案时，处理器130可通过对全息图信号的至少一部分应用SFFT来计算条纹图案。SFFT可由下式1表示。

[数学公式1]

其中z_k是多个深度层中的第k深度层与CGH平面之间的距离，u_k(x，y)是多个深度层中的第k深度层(x,y)坐标的信号值，SF是稀疏傅里叶变换，SF^-1是稀疏傅里叶逆公式，ξ和η是CH表面坐标值，λ是由全息图信号生成单元110发出的光的波长，h(ξ，η)是脉冲响应函数。

脉冲响应函数可由下式2表示。

[数学公式2]

其中λ是由全息图信号生成单元110发出的光的波长。

处理器130可任意地采集一部分全息图信号并应用SFFT。这里，由处理器130从全息图信号任意地采集的信号的数量可基于稀疏性来确定。如果从与具有高稀疏性值(例如，接近1的值)的深度层对应的全息图信号任意地采集一部分信号，则处理器130可采集比其它深度层数量更多的信号并应用SFFT。

例如，当处理器130在生成与包括在第一深度层210-1中的多个点220-1对应的全息图信号的二维平面上采集一部分信号时，处理器130可基于第一深度层的稀疏性来确定要从全息图信号采集的信号的数量。

另外，处理器130可确定通过对所采集的全息图信号的一部分应用SFFT而生成的条纹图案的优势信号的数量。另外，处理器130可重复地计算条纹图案，直至优势信号的数量与基于稀疏性确定的阈值一致。优势信号意指在所计算的条纹图案中基于大小选择的信号。例如，处理器130可从计算出的条纹图案中选择幅度大于预定阈值的条纹图案作为优势信号。处理器130可将选择的优势信号记录在CGH平面240上。另外，处理器130可重复地计算条纹图案，直至所选择的优势信号被累积并与预设阈值一致。然而，本公开不限于此。

图案写入单元120可将处理器130所计算的条纹图案记录在CGH平面上。CGH平面240的全息图通过利用波长与全息图信号生成单元110向对象200发射的光相同的光照射记录有条纹图案的CGH平面240来生成。

以下，将描述使用虚拟平面的全息图生成方法。

图4是示出根据本公开的示例实施例的基于虚拟平面的全息图信号生成方法的示图。

如图4所示，当对象200被假设为多个点的聚合时，全息图信号生成单元110可生成与各个点对应的全息图信号。

全息图信号生成单元110可在存在于对象200与CGH平面240之间的二维虚拟平面230中生成与存在于对象200中的所有点中的每一个对应的全息图信号。

尽管图4示出了一个点的全息图信号，全息图信号生成单元110可在虚拟平面230中生成存在于对象200中的点的全息图信号。另外，存在存在于对象200与CGH平面240之间的一个虚拟平面230，并且全息图信号生成单元110可在一个虚拟平面230中生成存在于对象200中的多个点的全息图信号。

另外，虚拟平面230可按照比CGH平面240的分辨率低的分辨率实现。因此，当在虚拟平面230中生成对象200的全息图信号，而不是在CGH平面240上生成时，处理器130生成条纹图案所执行的运算的数量可减少。例如，如果对象200的尺寸为200×200，虚拟平面230的分辨率为640×360，并且CGH平面240的分辨率为FHD(1920×1080)，则必须执行总共82,944,000,000次算术运算。在虚拟平面230的情况下，可执行总共9,216,000,000次算术运算以计算条纹图案。因此，运算的总数减少至1/9。然而，示例不限于上述分辨率，虚拟平面230可具有利用比构成CGH平面240的像素数量更少数量的像素实现的各种分辨率。

以下，将描述从虚拟平面230中所生成的全息图信号计算条纹图案以用于记录在CGH平面240上的方法。

图5是示出基于图4所示的全息图信号计算条纹图案的方法的示图。

如图5所示，根据本公开的示例实施例，全息图信号生成单元110可在虚拟平面230上生成与构成对象200的所有点对应的全息图信号。

另外，处理器130可计算与二维虚拟平面230对应的稀疏性。处理器130所计算的稀疏性是在虚拟平面230中所生成的全息图信号中满足预定条件的优势全息图信号的数量。这里，预定条件可以是是否满足关于虚拟平面230中所生成的全息图信号中的信号的大小的阈值。因此，处理器130可通过稀疏性计算具有大于虚拟平面230中所生成的全息图信号的阈值的大小的优势全息图信号的数量。

另外，处理器130可采集虚拟平面230中所生成的全息图信号的一部分并应用SFFT。这里，由处理器130从全息图信号采集的信号的数量可基于稀疏性来确定。具体地讲，处理器130所计算的稀疏性的数值与所采集的信号的数量可成比例。

处理器130可随机地采样一些全息图信号。

根据本公开的另一示例实施例的处理器130可采集与基于稀疏性按照降序确定的信号数量一样多的全息图信号。

另外，处理器130可通过对所采集的信号应用SFFT来计算条纹图案。SFFT可由下式3表示。

[数学公式3]

其中z₂是虚拟二维平面与CGH平面之间的距离，u_VP(x，y)是虚拟二维平面(x,y)坐标的信号值，SF是稀疏傅里叶变换公式，SF^-1是稀疏傅里叶逆公式，ξ和η是CGH平面坐标值，λ是由全息图信号生成单元110发出的光的波长，h(ξ，η)是脉冲响应函数。

脉冲响应函数可由上述的数学公式2表示。

另外，处理器130可确定通过对所采集的全息图信号的一部分应用SFFT而生成的条纹图案的优势信号的数量。另外，处理器130可重复地计算条纹图案，直至优势信号的数量与基于稀疏性确定的阈值一致。优势信号意指在所计算的条纹图案中基于大小选择的信号。具体地讲，处理器130可从所计算的条纹图案中选择具有大于预定值的大小的信号作为优势信号。处理器130可重复地计算条纹图案，直至所选择的优势信号被累积并与预设阈值一致。然而，本公开不限于此。

图案写入单元120可将处理器130所计算的条纹图案记录在CGH平面240上。因此，图案写入单元120可通过将处理器130所计算的对象200的最终条纹图案记录在CGH平面240上来生成全息图。如图5所示，显示在CGH平面240上的对象200的全息图通过由全息图信号生成单元110利用波长与全息图信号生成单元110向对象200发射的光相同的光照射记录有条纹图案的CGH平面240来生成。

以下，将描述通过将对象200划分成多个集群来并行地生成全息图信号的方法。

图6是示出根据本公开的示例实施例的通过将对象划分成多个集群来计算条纹图案的方法的示图。

如图6所示，全息图信号生成单元110可将构成对象200的所有点划分成多个集群。

根据本公开的示例实施例的全息图信号生成单元110可包括能够同时处理多个计算的多线程。在这种情况下，全息图信号生成单元110可将多个集群分配给多线程中的每一个。因此，全息图信号生成单元110可在二维平面230上的对应区域上并行地生成多个集群中的每一个的全息图。

具体地讲，分配有第t集群的线程可在虚拟平面230中生成与包括在第t集群中的点对应的全息图信号，通常，分配有第(t+1)集群的另一线程也可在虚拟平面230中生成与包括在第(t+1)集群中的点对应的全息图信号。尽管图6示出了在虚拟平面上并行地生成全息图信号的示例实施例，示例不限于此。

因此，在根据本公开的另一实施例的基于深度层的全息图生成中，全息图信号生成单元110可通过将多个深度层210-1、210-2、...、210-n分配给多线程中的每一个来并行地生成多个深度层210-1、210-2、...、210-n中的每一个的全息图信号。

具体地讲，分配有第t深度层的线程可生成与包括在第t深度层中的多个点对应的全息图信号，同时，分配有第(t+1)深度层的另一线程也可生成与包括在(t+1)深度层中的多个点对应的全息图信号。

以下，将描述全息图信号生成单元110生成全息图信号的具体示例实施例。

图7是示出根据示例实施例在虚拟平面230上生成全息图信号的方法的示图。

如图7所示，全息图信号生成单元110可在虚拟平面230上生成与构成对象200的所有点对应的全息图信号。另一方面，如图6所示，构成虚拟平面230的各个像素可由(x,y)坐标指定。

这里，全息图信号生成单元110可使用式4来生成虚拟平面230的(x,y)坐标的全息图信号。

[数学公式4]

其中R_i是对象与虚拟二维平面之间的距离，作为来计算，x和y是虚拟二维平面的坐标值，x_i、y_i和z_i是存在于对象200中的第i点的坐标值，k是参考光的频率，A_i是存在于对象中的第i点处的光的强度。

另外，如图7所示，当根据本公开的示例实施例的全息图信号生成单元110将构成对象的所有点划分成多个集群，并且在虚拟平面上的对应区域中生成多个集群中的每一个的全息图信号时，可使用下式(5)来生成全息图信号。

[数学公式5]

其中是对象与虚拟二维平面之间的距离，作为来计算，x和y是虚拟二维平面的坐标值，和是第t集群中的第i点的坐标值，k是参考光的频率，是第t集群中的第i点处的光的强度。

以下，将描述采集虚拟平面230中所生成的全息图信号的方法的具体示例实施例。

图8是用于说明根据本公开的示例实施例的根据采集全息图信号的一部分的方法的PSNR值变化的曲线图。

如图4至图7所示，全息图信号生成单元110可在虚拟平面200中生成以存在于对象200的表面上的多个点作为源的多个全息图信号。

根据本公开的示例实施例的处理器130可随机地采样虚拟平面200上所生成的一些全息图信号。处理器130可通过对所采集的信号应用SFFT来计算条纹图案。

根据本公开的另一示例实施例的处理器130可采集虚拟平面200上所生成的全息图信号中满足预定条件的一些信号。这里，满足预定条件的信号可以是具有大于全息图信号的大小的阈值的大小的全息图信号。因此，处理器130可基于虚拟平面200中所生成的全息图信号中的信号的大小来采样一些信号。处理器130可通过对基于大小采样的一些信号应用SFFT来计算条纹图案。

图8示出根据上述采样方法的PSNR[dB]值的差异。这里，峰信噪比(PSNR)值是指示由对象200和全息图生成设备100生成的全息图之间的差异(或损失率)的值。PSNR值越高，对象200与全息图之间的差异越小。通常，如果PSNR具有30dB或更高的值，则难以视觉上确认对象200与全息图之间的差异。PSNR可由下式6表示。

[数学公式6]

这里，PSNR以对数单位来测量，MSE是对象200与全息图之间的相同坐标处的均方差，可使用下式7来计算。MAX_i表示全息图像的最大像素值，并可通过从最大值减去最小值来获得。例如，当全息图为8比特灰度图像时，其可以为255(255-0)。PSNR是从对数标度测量的，并且单位是PSNR，并且损耗越低，值越高。对于没有损耗的图像，因为MSE为零，所以PSNR未被定义。

[数学公式7]

这里，m是x轴分辨率，n是y轴分辨率，I(i,j)是坐标(i,j)处的全息图的像素值，K(i,j)是坐标(i,j)处的对象200的像素值。

图8示出当根据本公开的示例实施例的处理器130基于全息图信号的大小来采集一些信号并计算条纹图案时的PSNR值。在这种情况下，即使当所采集的全息图信号的采样比具有较小值(0.1或更小)时，PSNR值约为30[dB]并且对象200与全息图之间的差异(或损失率)不大。

图8示出根据本公开的另一示例实施例当处理器130随机地采样一些全息图信号并计算条纹图案时的PSNR值。在这种情况下，图8示出当所采集的全息图信号的采样比等于或大于0.3时PSNR值达到30[dB]。

当根据本公开的示例实施例的处理器130随机地采样虚拟平面200中所生成的一些全息图信号并计算条纹图案时，处理器130重复地计算条纹图案直至基于稀疏性确定的阈值与包括在所计算的条纹图案中的优势信号的数量一致。因此，即使当随机地采样一些信号时，PSNR值也可具有30[dB]或更高的值。

图9是用于说明根据本公开的示例实施例的根据稀疏性变化的PSNR值的变化的曲线图。

根据本公开的示例实施例的处理器130可重复地计算条纹图案，直至包括在所计算的条纹图案中的优势信号的数量与基于稀疏性确定的阈值一致。这里，阈值是与稀疏性成比例确定的值。然而，本公开不限于此，处理器130可将稀疏性本身确定为阈值，并且重复地计算条纹图案直至包括在条纹图案中的优势信号的数量与稀疏性一致。

在根据本公开的示例实施例的基于虚拟平面200生成全息图信号的方法中，由处理器130计算的稀疏性是虚拟平面230中所生成的全息图信号中满足预定条件的优势全息图信号的数量。这里，预定条件可以是是否满足关于虚拟平面230中所生成的全息图信号中的信号的大小的阈值。因此，处理器130可通过稀疏性来计算具有比虚拟平面230中所生成的全息图信号的阈值大的大小的优势全息图信号的数量。

因此，满足预定条件的优势全息图信号的数量可根据关于信号大小的阈值改变而改变。具体地讲，当阈值降低时，满足关于信号大小的条件的优势全息图信号的数量增加。由于处理器130采样优势全息图信号并计算条纹图案，所以处理器130的计算量也成比例地增加。

根据本公开的另一示例实施例，当阈值增大时，满足关于信号大小的条件的优势全息图信号的数量减少。通过采样优势全息图信号来计算条纹图案的处理器130的计算量也成比例地减少。

具体地讲，如图9所示，随着稀疏性的比率接近0.1，处理器130用于计算条纹图案的计算时间减少，随着稀疏性的比率接近1，处理器130用于计算条纹图案的计算时间增加。因此，处理器130的计算时间与稀疏性成比例。

然而，如图9所示，根据稀疏性的变化量的PSNR的变化量较小。具体地讲，当稀疏性的比率接近0.1时，PSNR维持在30[dB]或更高，即使当稀疏性的比率接近1时PSNR也不超过31[dB]。通常，当PSNR为30[dB]或更高时，无法视觉上识别对象200与全息图之间的差异(或损失率)。因此，考虑到处理器130的计算时间的变化以及根据稀疏性变化的PSNR的变化，优选的是稀疏性具有0.1至0.5的值。然而，示例不限于此，可考虑对象的尺寸、对象的表面上的点的数量以及全息图的锐度按照各种方式来确定稀疏性。

以下，将具体地比较并描述根据本公开的示例实施例所生成的全息图与对象200。

图10是比较对象与根据本公开的示例实施例通过条纹图案生成的全息图的示图。

如图10所示，对象200可由点的多个聚合表示。

根据本公开的示例实施例的处理器130可基于全息图信号生成单元110所生成的全息图信号的一部分来计算条纹图案。具体地讲，处理器130可重复地计算条纹图案，直至所计算的条纹图案的优势信号的数量与基于稀疏性确定的预定阈值一致。图案写入单元120将处理器130所计算的条纹图案记录在CGH平面中。

当全息图信号生成单元110将具有与照射在对象200上的光相同的波长的光反射到记录有条纹图案的CGH平面时，生成对象200的全息图。

如图10所示，根据本公开的示例实施例由全息图生成设备100基于稀疏性生成的全息图具有30[dB]或更高的PSNR，对象200与全息图之间视觉上不存在差异。

图11是示出根据本公开的示例实施例的计算条纹图案的方法的流程图。

如图11所示，全息图生成方法在步骤S1101将光投射到与对象对应的多个点。

生成全息图信号的方法在步骤S1102基于所投射的光在至少一个二维平面上生成与多个点对应的全息图信号。

另外，在步骤S1103基于全息图信号计算与二维平面对应的稀疏性，并且在步骤S1104基于全息图信号中的至少一部分来计算条纹图案。

这里，当所计算的条纹图案的优势信号的数量小于与基于稀疏性确定的预定阈值(S1105：否)时，可重复条纹图案计算，直至优势信号的数量大于或等于基于稀疏性确定的预定阈值。

在该全息图生成方法中，在步骤S1106将所计算的条纹图案记录在计算机生成全息术(CGH)平面上。

此外，生成全息图信号的方法可包括将对象划分成多个深度层，并且在与多个深度层中的每一个对应的二维平面上生成与包括在多个深度层中的每一个中的多个点对应的全息图信号。这里，稀疏性可以是包括在各个深度层中的点的数量与包括在对象中的所有点的数量的比率。

另外，多个深度层之间的距离可基于构成对象的所有点的数量来确定。

此外，计算条纹图案的方法可包括通过将上述的数学公式1应用于至少一些全息图信号来生成条纹图案。

此外，根据本公开的另一示例实施例的生成全息图信号的方法可包括在存在于对象与CGH平面之间的虚拟二维平面上生成与构成对象的所有点对应的全息图信号。这里，稀疏性可以是虚拟二维平面上所生成的全息图信号中满足预定条件的优势全息图信号的数量。

另外，虚拟二维平面的分辨率可按照比CGH平面的分辨率低的分辨率来实现。

另外，生成全息图信号的方法包括将构成对象的所有点划分成多个集群，并且在二维平面上的对应区域中并行地生成多个集群中的每一个的全息图信号。

这里，全息图信号可基于上述的数学公式5来生成。

计算条纹图案的方法可通过将上述的数学公式3应用于至少一部分全息图信号来计算。

另一方面，在CGH平面上记录的方法中，可仅在CGH平面上记录所计算的条纹图案中具有预定阈值或以上的幅度的条纹图案。

此外，根据上述本公开的各种示例实施例的方法可仅通过对现有全息图生成设备的软件/硬件升级来实现。

另外，可提供一种记录有程序的非暂时性计算机可读介质，所述程序顺序地执行根据示例性实施例的控制方法。

非暂时性计算机可读介质是指半永久地存储数据而不是非常短暂地存储数据(诸如寄存器、高速缓存、内存等)并且可由设备读取的介质。可在诸如CD、DVD、硬盘、蓝光盘和存储卡和ROM等的非暂时性计算机可读介质中提供各种应用或程序。

例如，这些组件、元件、模块或单元中的至少一个可使用可通过一个或更多个微处理器或其它控制设备的控制执行相应功能的诸如存储器、处理器、逻辑电路、查找表等的直流电路结构。