简介：这份资源面向光学、光电信息与图像处理方向的学习者和研究者，提供数字全息图重构的MATLAB实现代码，帮助理解从全息图恢复原始光场信息的核心流程。包内共3个m脚本文件，压缩包约1KB，分别对应基于卷积（CONV）、Fresnel变换（Fresnel_diff）与角谱法（Angular_spectrum）三种重构思路：卷积法借助光学传递函数做近场重建，计算相对简单；Fresnel变换法考虑光源到探测器的传播距离，适合中等距离重构；角谱法基于傅里叶光学，在频域完成位相恢复与逆变换，理想条件下可实现无失真重建。三种方法各有适用距离、计算复杂度与精度取舍，读者可对照运行脚本，比较不同重构结果，进而掌握数字全息的基本理论与光学信号处理的实践方法。目前已有1643人学习下载，适合作为课程实验、课题入门或算法对比的参考素材。
1. 从一张全息图到三种重建结果：这个 MATLAB 项目到底在做什么
如果你手头有一张数字全息图，想把它还原成物体的振幅和相位，最直接的问题就是：用哪种重构算法？卷积法（CONV）和菲涅耳衍射法（Fresnel）到底差在哪？这个 MATLAB 项目就是冲着这个问题来的——它把数字全息里最常用的三种重构路径打包成可运行的脚本，输入一张全息图，输出重建后的复振幅分布。适合正在做光学测量、显微成像或者干涉计量方向的研究生和工程师，尤其是那些不想从零推导衍射公式、只想先把结果跑出来看看的人。项目本身不依赖任何工具箱之外的第三方库，纯 MATLAB 实现，拿到手改几个路径参数就能出图。
2. 三种重构方法的代码结构：CONV、Fresnel 和角谱怎么选
2.1 目录组织与入口脚本
这个项目的文件组织方式很直白，没有搞复杂的包管理。根目录下通常能看到这样几类文件：主入口脚本（比如main.m或run_reconstruction.m）、三个重构函数文件（recon_conv.m、recon_fresnel.m、recon_angular.m）、以及一个放全息图的data/文件夹。主脚本负责读图、设参数、调函数、画结果，重构函数各自独立，互不干扰。
我一般会先看主脚本里的参数区，因为那里决定了整个重建的物理尺度。典型的参数包括：波长lambda、像素尺寸pixel_size、重建距离z、以及全息图的尺寸。这些参数不是随便填的，它们直接决定了重建平面上的采样间隔和视场大小。
% main.m 参数设置区（常见写法） lambda = 532e-9; % 波长，单位米 pixel_size = 3.45e-6; % 相机像素尺寸，单位米 z = 0.15; % 重建距离，单位米 hologram = imread('data/holo.bmp'); hologram = double(hologram(:,:,1)); % 取单通道这里lambda和pixel_size决定了衍射计算的尺度，z是物平面到全息面的距离。如果z设错了，重建出来的像会模糊或者尺寸不对。常见做法是先用一个已知的校准样本跑一遍，确认z的符号和大小。
2.2 CONV 重构：卷积法的实现细节
卷积法的核心思想是把菲涅耳衍射积分写成卷积形式，然后用 FFT 加速。在离散域里，它等价于对全息图乘以一个二次相位因子，再做一次卷积。代码里通常这样写：
function U = recon_conv(hologram, lambda, pixel_size, z) [M, N] = size(hologram); k = 2*pi/lambda; % 空间坐标 x = (-N/2:N/2-1) * pixel_size; y = (-M/2:M/2-1) * pixel_size; [X, Y] = meshgrid(x, y); % 卷积核：二次相位因子 h = exp(1j*k/(2*z) * (X.^2 + Y.^2)); % 频域卷积 H = fft2(fftshift(h)); U = ifft2(fft2(hologram) .* H); U = fftshift(U); end这段代码里，h是菲涅耳衍射的脉冲响应，fftshift把零频移到中心。卷积法的一个特点是重建平面的采样间隔和全息面一致，都是pixel_size。这意味着如果你想要更大的视场，卷积法不会自动帮你放大，它保持原尺寸。参数z在这里出现在分母上，z越小，二次相位因子的曲率越大，卷积核越“尖锐”。
注意：卷积法在
z很小时会出现混叠，因为脉冲响应的相位变化太快，离散采样跟不上。这时候要么增大采样率，要么换方法。
2.3 Fresnel 重构：单次 FFT 的轻量路径
菲涅耳衍射法（也叫单傅里叶变换法）是另一种常见实现。它把衍射积分近似成一次傅里叶变换，重建平面的采样间隔会随z变化。代码通常长这样：
function U = recon_fresnel(hologram, lambda, pixel_size, z) [M, N] = size(hologram); k = 2*pi/lambda; x = (-N/2:N/2-1) * pixel_size; y = (-M/2:M/2-1) * pixel_size; [X, Y] = meshgrid(x, y); % 二次相位因子 phase = exp(1j*k/(2*z) * (X.^2 + Y.^2)); % 单次 FFT U = fftshift(fft2(fftshift(hologram .* phase))); end这里只做了一次 FFT，计算量比卷积法小。但它的重建采样间隔变成了lambda*z/(N*pixel_size)，也就是说z越大，重建出来的像素间隔越大，视场越大但分辨率越低。这个特性在需要大视场观察时很有用，但如果你要精确测量微小结构，就得注意分辨率损失。
2.4 角谱法：第三种重构的补充
虽然标题里只提了 CONV 和 Fresnel，但很多数字全息项目会带上角谱法作为对比。角谱法在频域里传播，不做近轴近似，适合短距离或者大角度的情况。代码结构通常是：
function U = recon_angular(hologram, lambda, pixel_size, z) [M, N] = size(hologram); k = 2*pi/lambda; fx = (-N/2:N/2-1) / (N*pixel_size); fy = (-M/2:M/2-1) / (M*pixel_size); [FX, FY] = meshgrid(fx, fy); % 传递函数 H = exp(1j*k*z*sqrt(1 - (lambda*FX).^2 - (lambda*FY).^2)); H(lambda*FX > 1 | lambda*FY > 1) = 0; % 倏逝波截止 U = ifft2(fft2(hologram) .* H); end角谱法的传递函数里有个根号项，当lambda*FX超过 1 时变成倏逝波，代码里直接置零。这个方法在z很小的时候比 Fresnel 更准，但计算量稍大。
三种方法放在一起，你可以根据z的大小和需要的分辨率来选。一般经验是：z小、要求精度高，用角谱；z中等、想快速看结果，用 Fresnel；z大、想保持采样间隔不变，用 CONV。
3. 跑通第一个重建：从读图到出图的完整操作
3.1 环境准备与数据放置
这个项目对 MATLAB 版本要求不高，R2016b 以上都能跑，因为用到的都是基础函数。不需要额外工具箱，fft2、ifft2、fftshift都是自带的。唯一要注意的是图像读取，如果全息图是彩色相机拍的，记得转灰度。
把全息图放到data/目录下，命名成holo.bmp或者改主脚本里的路径。我一般会先确认图像尺寸，因为后面所有坐标计算都依赖[M, N]。
% 检查图像尺寸和数据类型 info = imfinfo('data/holo.bmp'); disp(['图像尺寸: ', num2str(info.Width), ' x ', num2str(info.Height)]);如果图像太大，比如 4000x3000，FFT 会吃内存。常见做法是裁剪到 1024x1024 或者 2048x2048 再跑。裁剪的时候注意把感兴趣的区域放在中心，因为后面fftshift会假设零频在中心。
3.2 参数配置与第一次运行
主脚本里通常有一个参数区，你需要根据实际光路填三个值：波长、像素尺寸、重建距离。波长看激光器标签，像素尺寸看相机手册，重建距离用卷尺量或者用自动对焦算法找。
% 第一次运行建议先用小图测试 lambda = 532e-9; pixel_size = 3.45e-6; z = 0.15; hologram = imread('data/holo.bmp'); hologram = double(hologram(:,:,1)); % 调用三种方法 U_conv = recon_conv(hologram, lambda, pixel_size, z); U_fresnel = recon_fresnel(hologram, lambda, pixel_size, z); U_angular = recon_angular(hologram, lambda, pixel_size, z); % 显示振幅 figure; subplot(1,3,1); imagesc(abs(U_conv)); title('CONV'); colormap gray; axis image; subplot(1,3,2); imagesc(abs(U_fresnel)); title('Fresnel'); colormap gray; axis image; subplot(1,3,3); imagesc(abs(U_angular)); title('Angular'); colormap gray; axis image;跑完这段，你会看到三张振幅图。如果三张图都模糊，大概率是z不对；如果只有某一张模糊，那可能是该方法在这个距离下不适用。比如z很小的时候，Fresnel 的近似误差会变大，角谱和 CONV 更可靠。
3.3 结果对比与参数扫描
想确认哪个方法更适合你的数据，可以做一个z扫描。把z从 0.05 到 0.5 步进 0.01，每个距离算一遍，看哪个距离下图像最锐利。这个操作在数字全息里叫自动对焦，常用评价函数是梯度平方和或者拉普拉斯算子。
z_range = 0.05:0.01:0.5; sharpness = zeros(size(z_range)); for i = 1:length(z_range) U = recon_conv(hologram, lambda, pixel_size, z_range(i)); sharpness(i) = sum(sum(gradient(abs(U)).^2)); end [~, idx] = max(sharpness); disp(['最佳重建距离: ', num2str(z_range(idx)), ' m']);这段代码用梯度平方和作为清晰度指标，峰值对应的z就是最佳距离。注意不同方法得到的最佳z可能略有差异，因为它们的近似条件不同。我一般会以角谱法的结果作为基准，因为它的近似最少。
4. 避坑与排查：数字全息重建里最容易翻车的几个点
4.1 重建距离符号搞反，像面跑到反方向
现象：重建出来的图像完全模糊，怎么调z都不清晰。原因：z的符号决定了衍射传播方向，如果物平面和全息面的相对位置搞反了，相当于往反方向传播。解决：把z取负再试一次，或者检查光路里物和相机的先后顺序。常见做法是先用一个已知距离的样本标定符号。
4.2 像素尺寸填错，重建尺度全乱
现象：重建出来的物体尺寸和实际对不上，比如一个 100 微米的球重建出来变成 200 微米。原因：pixel_size填的是相机像素尺寸，但如果你用了显微物镜或者缩束系统，实际物平面的采样间隔是pixel_size / magnification。解决：确认光路里有没有放大或缩小，把放大倍率算进去。我一般会在代码里单独定义一个mag变量，避免直接改pixel_size。
4.3 FFT 混叠导致高频伪影
现象：重建图里出现周期性条纹或者网格状伪影。原因：全息图的高频信息超过了采样定理，或者fftshift用错了位置。解决：先检查全息图本身有没有欠采样，如果条纹太密，说明载频太高，需要调整光路或者用更小的像素尺寸。另外，fft2之前记得fftshift，之后记得ifftshift，顺序错了会引入相位斜坡。
4.4 零级项和共轭项没滤掉
现象：重建图里除了物体像，还有一团亮斑或者对称的鬼影。原因：全息图里的零级衍射和共轭项没有分离，直接做重建会把它们一起传过去。解决：在频域里加一个带通滤波器，把载频附近的一个边带选出来。常见做法是手动找载频峰值，然后用一个圆形窗口滤出来。
% 频域滤波示例 H = fftshift(fft2(hologram)); [rows, cols] = size(H); [X, Y] = meshgrid(1:cols, 1:rows); center = [cols/2, rows/2]; radius = 50; % 根据载频位置调整 mask = ((X - center(1)).^2 + (Y - center(2)).^2) < radius^2; H_filtered = H .* mask; hologram_filtered = ifft2(ifftshift(H_filtered));这段代码在频域里选了一个圆形区域，只保留一个边带。radius需要根据实际载频的展宽来调，太小会丢信息，太大会把零级带进来。
4.5 内存不够导致 FFT 报错
现象：跑大图的时候 MATLAB 提示内存不足。原因：fft2对 4000x4000 的复数矩阵会占用几百 MB，加上中间变量很容易爆。解决：分块处理或者降采样。我一般会先把图裁到 2048x2048 以内，如果非要大视场，就用single精度代替double，能省一半内存。
5. 二次开发与改造：把三种重构封装成可复用的工具链
5.1 统一接口与参数校验
原始项目里三个函数各自独立，参数传递靠位置。如果你想把它集成到更大的 pipeline 里，建议统一接口，加一个method参数来切换。同时加上参数校验，避免传错顺序导致玄学错误。
function U = reconstruct(hologram, lambda, pixel_size, z, method) % 统一入口，method 可选 'conv'、'fresnel'、'angular' validateattributes(lambda, {'double'}, {'positive'}); validateattributes(pixel_size, {'double'}, {'positive'}); validateattributes(z, {'double'}, {'nonzero'}); switch lower(method) case 'conv' U = recon_conv(hologram, lambda, pixel_size, z); case 'fresnel' U = recon_fresnel(hologram, lambda, pixel_size, z); case 'angular' U = recon_angular(hologram, lambda, pixel_size, z); otherwise error('不支持的重构方法: %s', method); end end这样改完之后，上层代码只需要调reconstruct，换方法不用改调用方式。参数校验能挡住大部分低级错误，比如把z传成 0 导致除零。
5.2 自动对焦与批量处理
如果你有一批全息图要处理，手动调z不现实。可以把第 3 章里的对焦扫描封装成函数，自动返回最佳距离和重建结果。再配合dir遍历文件夹，就能批量出结果。
function [U_best, z_best] = autofocus_reconstruct(hologram, lambda, pixel_size, z_range, method) sharpness = zeros(size(z_range)); for i = 1:length(z_range) U = reconstruct(hologram, lambda, pixel_size, z_range(i), method); sharpness(i) = sum(sum(gradient(abs(U)).^2)); end [~, idx] = max(sharpness); z_best = z_range(idx); U_best = reconstruct(hologram, lambda, pixel_size, z_best, method); end这个函数返回最佳距离和对应的复振幅。批量处理的时候，把每个全息图的结果存成 MAT 文件或者 PNG，方便后续分析。
5.3 相位解包裹的衔接
数字全息重建出来的相位是包裹在[-pi, pi]之间的，直接看会有跳变。如果你要做定量相位测量，需要接一个解包裹算法。MATLAB 里可以用unwrap函数做一维解包裹，二维的话常见做法是用质量引导或者最小二乘法。我一般会在重建之后加一步相位解包裹，再转成高度或者厚度。
phase = angle(U_best); phase_unwrapped = unwrap(unwrap(phase, [], 1), [], 2); % 转成高度（反射式） height = phase_unwrapped * lambda / (4*pi);这段代码先按行解包裹再按列解包裹，适用于连续变化的相位。如果噪声大，解包裹会出错，这时候需要先做相位滤波，比如用均值滤波或者中值滤波。
5.4 性能优化：GPU 加速与内存复用
如果数据量大，FFT 是瓶颈。MATLAB 支持gpuArray，把全息图传到 GPU 上做 FFT 能快好几倍。但要注意显存限制，大图还是会爆。另一个技巧是复用 FFT 结果，比如 CONV 和角谱都需要fft2(hologram)，可以算一次存起来。
if canUseGPU hologram_gpu = gpuArray(hologram); U = gather(ifft2(fft2(hologram_gpu) .* H_gpu)); else U = ifft2(fft2(hologram) .* H); end这段代码先判断有没有 GPU，有就传上去算，算完再取回来。H_gpu是提前算好的传递函数，避免每次重复计算。
5.5 从脚本到函数库的改造习惯
我刚开始写这类项目的时候，喜欢把所有代码堆在一个脚本里，改一个参数要翻半天。后来强迫自己把每个重构方法拆成独立函数，参数用结构体传，主脚本只负责调度和画图。这样改的好处是，下次遇到新的重构算法，只需要加一个函数文件，不用动主逻辑。从那以后我每次拿到新数据，都先跑一遍三种方法的对比图，确认哪种最适合当前的光路参数，再往下做定量分析。希望帮到你。
本文还有配套的精品资源，点击获取
