《IEEE Transactions on Image Processing》2025年刊载的研究论文《Hyperspectral Information Extraction with Full Resolution from Arbitrary Photographs》由美国普渡大学Weldon生物医学工程学院的Semin Kwon、Sang Mok Park、Yuhyun Ji、Haripriya Sakthivel、Jung Woo Leem及通讯作者Young L. Kim团队完成。该研究提出了一种名为”计算摄影光谱仪”（Computational Photography Spectrometry, CPS）的创新框架，旨在通过普通智能手机相机单次拍摄的照片，实现与科学级光谱仪相媲美的高分辨率（1-2 nm）光谱信息重建，突破了传统光谱技术的硬件限制。

学术背景与目标

传统光谱仪和超光谱成像仪虽能提供丰富的分子、生物及物理信息，但其依赖精密光学元件（如纳米级色散元件或干涉仪）的设计模式导致设备体积庞大、成本高昂。尽管已有研究尝试从RGB三色相机的图像中重建光谱信息（称为”光谱超分辨率重建”或spectral super-resolution），但现有方法存在两大局限：一是依赖任务特定的训练数据或预训练模型，难以应对光照条件、设备特性和图像格式的无限变化；二是基于压缩感知的算法对噪声敏感且需已知相机光谱响应函数（spectral response functions），实用性受限。本研究通过协同设计”光谱色卡”（spectral color chart）与计算算法，实现了无需训练数据或预训练模型的高精度光谱重建。

研究方法与技术流程

1. 硬件与数据协同设计

研究团队开发了一种包含729个参考色块的”光谱色卡”，其设计核心在于通过调整青（C）、品红（M）、黄（Y）三色墨水以12.5%为增量混合打印，确保色块间光谱非相干性（平均互相关系数仅0.15）。相较于商用Macbeth ColorChecker（24色），该色卡在CIE xy色度空间和CIE Lab色彩空间均呈现均匀分布，显著提升了光谱重建的采样密度。色卡采用专业喷墨打印机与特制纸张制作，经加速老化测试证实其光稳定性与可重复性。

2. 计算框架构建

CPS的数学基础建立在离散波长（400-720 nm，间隔1 nm）的线性模型上： - 透射模式（公式1-3）：通过拍摄置于样本后的色卡，建立RGB测量值向量b与未知光谱强度向量x的关联矩阵A（含色卡光谱与相机响应函数的Hadamard积）。当3n（n为色块数）>m（波长数）时，构成超定线性系统，采用弹性网络正则化（elastic net regularization）求解最小二乘问题（公式9），结合L1范数（促进稀疏性）和L2范数（保证平滑性）的优势。 - 反射模式（公式10-15）：将样本与色卡并列拍摄，通过已标定的光源光谱和相机响应函数，逐像素求解欠定线性系统，构建三维超光谱数据立方体（hypercube）。

3. 关键技术突破

• 相机响应函数自标定：利用已知光谱的光源照射色卡，逆向计算智能手机RGB通道的光谱灵敏度函数，解决了厂商未公开参数的难题。实验验证了三星Galaxy S21等四款手机模型的响应曲线。
• 原始数据获取：要求使用RAW格式（如DNG）图像以避免JPEG压缩的非线性失真，现代智能手机通过专业模式或第三方应用（如Adobe Lightroom）可实现。
• 动态参数优化：针对每张照片采用分层搜索策略自动确定弹性网络参数（η₁, η₂），平衡噪声抑制与细节保留。

实验结果

1. 光谱分辨率验证

使用氙灯11条离散谱线测试，四款手机的平均光谱分辨率达1.57-1.67 nm（标准差0.16-0.19 nm），与科学级光谱仪性能相当（图2）。例如Galaxy S21在546.1 nm谱线的FWHM为1.55 nm。

2. 实际应用测试

• 光源分析（图3）：成功重建LED（3000-5800K色温）的连续光谱和荧光灯管的离散特征峰，与实测结果的均方误差（MSE）低于0.002。户外实验中，通过日落时光谱变化（400 nm波段强度衰减）反演紫外线指数（UV index），与SolarMeter实测值误差小于0.5。
• 生物化学样本（图4）：食品色素（红#40、黄#6等）的吸收谱、叶绿素-b/β-胡萝卜素的生物色素特征峰、不同威士忌酒样的透射谱（400-550 nm差异显著）均获高精度重建。双层玻璃纸叠加样本的光谱叠加效应也被准确捕捉。
• 超光谱成像（图6）：对梵高《星夜》复制品进行单次拍摄重建，获取的反射率光谱与手持光谱仪测量结果在500-650 nm波段平均偏差%。数字绿光滤波（460-535 nm）使结膜血管对比度提升54%，展示医学应用潜力。

结论与价值

CPS技术通过物理色卡与算法协同设计，首次实现： 1. 科学价值：证明普通RGB传感器具备获取纳米级光谱信息的理论潜力，颠覆了”高光谱分辨率必须依赖复杂光学硬件”的传统认知。 2. 应用创新：使智能手机成为便携式光谱仪，在环境监测（如紫外线指数实时评估）、食品安全（色素检测）、生物医学（无创血管成像）等领域具有低成本推广优势。 3. 方法论贡献：提出的光谱非相干色卡设计原则和弹性网络动态优化框架，为计算光谱学开辟新方向。

研究亮点

1. 全栈创新：从色卡物理设计（SWOP V2色域优化）、相机参数标定到重建算法形成闭环系统。
2. 普适性强：支持任意智能手机和未知样本，无需预训练或场景假设。
3. 分辨率突破：1.6 nm光谱分辨率达商业光谱仪水平，远超传统RGB重建方法（通常>10 nm）。
4. 开源工具：算法基于CVX凸优化库实现，促进学术复用。

局限性与未来方向包括：需均匀光照条件（阴影会导致误差）、RAW格式依赖（部分旧机型不支持）以及近红外/紫外波段扩展。该研究为计算摄影与光谱学的交叉融合树立了新范式，相关色卡设计已申请专利保护。