全息成像与重建内容的一些补充

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

全息成像是我研究生期间做的一个项目，转眼已经参加工作半年了，本来已经打算完全放下了。昨天写一篇关于python处理excel程序文章的时候才发现，很久之前我在csdn上划水写的一篇有关全息成像算法文章的阅读量竟然有1000+，属实出乎我的预料。想到我以前研究全息成像时，没有实验数据，也没有现成的重建算法可以参考，研究长期停滞不前甚至差点放弃的时候，导师的鼓励以及同门的帮助才最后完成。因此，也在这里把我重建全息图像程序分享一下，算是树立大家信心，也希望可以帮到更多的人。

---

提示：我处理的全息成像更准确的叫法为衍射图像，而不是三维图像，图像由单波长光透过小孔经过微米级别的检测物而被相机捕捉的图像，故不存在三维重建的内容。一般而言，全息重建更多的应用于血液切片中红细胞或者精液中精子数量的检测中，我的检测物体为一种微型生物，长度为20~40um。

一、全息图像特征

很明显，由于我的入射光为红色，所以捕获的图像为红色，中间黑色的环状图为待测物，而且能够很明显的看到当物体粘连时依然可以实现很好的观测。尤其注意的是，相机可以选择黑白相机，因为图像中信息没用，反而在后续重建的时候会造成很大的干扰，图像重建时需先将图像变成灰度图像；而且黑白相机造价与彩色相机要便宜不少；另外，选择入射光时尽量选择发光芯片小的LED灯，这样才能够采集图像亮度均匀，方便后期重建。且笔者经过试验发现，当选用具有凸透镜头led时，肉眼观测亮度均匀，但是对于图像采集芯片并无益处。全息图像亮度仅取决于灯两端电压与发光芯片大小。

二、使用角谱法进行重建

采用matlab实现整个过程，下面为关键步骤的一些代码。

1.将rgb图像变成灰度图像

代码如下：

clc;
clear;
rgb=imread('C:\Users\XX\Desktop\YY.JPG');
gray = rgb2gray(a);

2.设置重建所需的参数

代码如下：

pix=距离;
lam=波长;
k=2*pi/lam;
d=图像传感器至样本间距离;

3.使用角谱法进行重建

代码如下：

[fx,fy]=meshgrid(linspace(-1/2/pix,1/2/pix,m),linspace(-1/2/pix,1/2/pix,n));
g=exp(1i*k*d*sqrt(1-(lam*fx).^2-(lam*fy).^2));
af=fftshift(fft2(fftshift(a)));
e=fftshift(ifft2(fftshift(af.*g)));
figure,imshow(abs(e),[]);

使用了两次傅里叶变换。

---

三、总结

以上就是今天要讲的内容，本文简单介绍了全息重建的一点内容，而全息内容博大精深，希望大家能够取得更多成果。

四、下一步打算

现在主要的工作包括三个方面 ：labview构建实验室软件；实现python的数据挖掘；完成python对数据的机器学习与深度学习，后续更博也更多是这些内容了。不单是知识点的搬运，多分享一些自己的小经验，争取一周一更吧。