计算机
从计算机于50年代开始介入镜头设计(Leitz是最先于镜头设计中使用计算机的，该机器的名字为Zuse，德国造)以来，很少有什么改变。你可以计算的更快，并且进行更为复杂的歪曲光线的方程计算。
但是，设计所缺乏的是对于各种象差本身深入的了解。射入镜头的所能够被算出的和需要计算的光线数量程几何级数增长。镜片的数量(以前设计的限制因素：越多的镜片数量，则意味着越多的计算量和变量)增加了，更多的镜片给设计者带来了更大的自由度。由于有更多的镜片表面来处理设计，设计者就可以在更大的程度上控制象差。更多的镜片也意味着更高的造价，也更加趋于更小的生产宽容度。新型的Leica Apo-Tele 3.4/135具有5片镜片，该镜头具有真正的APO校正能力，但它对于光线的折射不是无限的。更多的镜片要求在这方面做的更好，但随之而来的是优质的成象质量将会更加难以保证，并且生产的宽容度也更加严格。
借助于现代计算机的强大能力和对光学理论的进一步研究，今天对5级赛德尔(Seidel)象差的了解已经扩展到包含有60多种各种各样的象差。设计者是不可能随心所欲地来操纵镜头的诸多变量的。前组镜片的直径，重量，镜头卡口的直径，光圈的位置等等通常都是固定而不能改变的。
这些限制可以影响到对许多象差的校正。现在对新镜头的设计要求也越来越高。新的SummiluxR1.4/50要求到达2个设计目标：收缩光圈后象质的显著提高和全开光圈时整个画面要达到非常好的象质。这两项要求都是它们的前代们所未能达到的。
现代的计算机可以做到每秒钟追踪计算200,000条光线，各种参数的数量也在增加，对于一个6片镜片的设计，计算机需要进行许多年的计算才能找到全部可能的结果，而所需的时间是天文数字--以1开头后面有99个0。
计算机对于今天镜头设计的重要性在于它是设计的优化工具而不是设计工具
还记得象差的方程式吧？我们直到成象时实际形成的是个扩散的区域，我们可以 确定每条偏移的光线并计算出成象的模糊圈。理解状态的模糊圈应该是非常小的，所有的光线和颜色都应当和结实地聚集在一起，我们可以让计算机来完成这项工作(如计算曲率，镜片所需的厚度以及镜片之间的距离)从而得出尽可能小的模糊圈范围，而且用计算机来进行这项工作也相对省时省力。然后由设计者来进行优化选择。这是计算机最重要的运 用。大多数光学设计程序其实更应该被称为优化程序，由设计者来决定哪些应当优化并且优化到何种程度。所得到的结果被称之为优化(Merit Function)。优化选择可以有成千上万种，我们可以用图将它们在三维空间表示--想象一下你坐在直升飞机上观赏某地的地形，你将会看到平地，山脉和峡谷。
某些地方高一些，某些地方低一些，理论上的优化方程就类似于那样的地形 。 一个优化值(Merit Value)实际上是景观中的最低的一点，或者说是峡谷底。让你的计算机来考察该地区直到找到峡谷为止。一旦计算机找到了某个峡谷点就会停止寻找，你可以要求它继续寻找下一个峡谷底点。
如果你对该地区地形不熟悉(你不知道优化点，否则的话你可以直接得到优化点而不需要计算机帮你寻找了)，即使你已经找到最优化点了你也可能一无所知那个就是最优化点。
一个人所共知道现象是现在许多来自不同厂家的镜头的表现都很好并且极为接近，这都归功于大家利用计算机寻找优化点的结果。所有计算机都在寻找同样的点并最终将会找到一个。带有粗暴倾向的策略出现了：如果你所需的最佳值没有找到，你可以增加镜片数量以达到漂亮的MTF图。你不可能永无止境地寻找最优化点，那将需要上千年的时间用来计算。于是当预算到头的时候你不得不停止，停留在原来的设计上。如果一个光学设计是非常好的设计，那么该设计最终得到的MTF图是非常漂亮的。但反过来却不是这样的。一张好的MTF图绝不等同于一个好的设计。
因此我们知道了Leica的设计策略：你需要通过研究光学设计的根源来掌握设计的特点。一旦你知道一个设计是否具有潜力，你就可以明智的指导计算机去优化图的特定区域寻找优化点，并且在你找到你所需要的理想值的时候适当的停下来。
|
