第三是偏振。在第四篇“偏振：古老却依然很新鲜”一文中我们已经讲过，偏振乍一看似乎找不到那个相位，但是深入分析一下就知道，偏振有偏振度和偏振角两个量，其中偏振角就可以等效看作相位。
第四是结构光成像。我们知道，当平面波投射到物体表面时，遵循菲涅尔定律产生折射和反射，物体表面的起伏会产生相位的变化，将不再是平面波，记录下此时的波前，便能够恢复出物体的三维形貌。这是教科书的表述方式，实验却没那么容易。
我们希望在自然环境中也能够记录相位，实现三维成像。其实很简单，采用结构光照明，典型的就是黑白相间的平行条纹，投射到物体表面，就能看到条纹的形变，这种形变恰恰是我们通过照明的方式引入的相位；记录下条纹形变，就可以解析出相位，从而重建三维形貌。
第五是大气和水等混沌介质，这种我们可以称为“计算介质”的东东，在成像中往往起着很坏的作用，大气扰动会使天文望远镜看不清目标，于是就产生了自适应光学；还会产生散射，我在上一篇里已有论述。
第六是傅里叶变换。傅里叶变换也是复数形式，有频谱图和相位图；图像傅里叶变换相位图代表的是图像的位置和结构信息。在计算光学成像中，我们经常遇到的是在频域里处理信息，就会与傅里叶相位打交道，散斑自相关成像就是典型的案例，其相位恢复就是恢复傅里叶变换相位。傅里叶望远镜当然关系更大了。
数学的傅里叶变换
还有一种是相关运算引入的相位。其实可以把相关运算看作与傅里叶变换是一样的东西，只是一种拓展而已。
再进一步看，其实还有很多与相位相关的，比如有像差的光学系统、多目相机、微透镜阵列、多角度照明等，都有相位的引入。只是，这些相位有的是“坏”的，我们不想要的，比如像差，而有的是我们想要引入的“好”的相位，比如多角度照明。
上面说了这么多，那相位到底能干什么？
2 相位能干什么？
首先，相位属于高维度的物理量，高维度的信息经过好的处理，投影到低维度，一定会有好的结果，这当然要看我们在低维度空间到底想要什么。光电成像朝着“更高、更远、更广、更小、更强”的目标发展，从应用的维度上看，我们需要把偏振、光谱、相位等高维度的物理信息转换为分辨率、作用距离、视场、重量体积和环境适应能力等，当然还有深度信息。
维度信息效能雷达图
下面就讨论一下“相位”在计算光学成像中的法力。
从相位本身的物理意义上来看，它是表征“相对位置”的一个物理量，那就天然地就决定了它具备与位置相关的能力，比如全息就是一个典型的例子。那么，相位在三维成像、提高成像分辨率、简化光学系统设计和提高环境适应能力等方面能发挥什么作用。
三维成像方面的相位
全息成像真正拉开了三维成像的序幕，从全息干板到现在的数字全息，都离不开相位，只是干板记录的是干涉条纹，通过光源照射还原相位信息，能看到真实的三维图像，而且，即使干板打碎，每一个小块都记录了物体的全息图，只是分辨率下降了；而数字全息则通过光电探测器记录全息图，借由标量衍射理论从干涉强度图里恢复出相位，从而达到全息的目的。
光电成像和显示，一定要走向三维！而光电成像实现的二维图像，没有深度信息，就谈不上三维。那如果能记录下或者恢复出相位，可否像全息成像，重建出三维的图像呢？答案是肯定的。
利用非相干光进行三维的成像的例子有：双目立体视觉、结构光照明三维成像、偏振三维成像和散射成像等。
双目立体视觉是利用视差和三角几何关系实现的，只是深度计算模型按照理想相机建立的，实际应用时，需要对双目相机进行标定，得到内外参数和相应矩阵。这个应用与相位无关。
