基于MATLAB的光学CCD全息成像仿真程序实现

---

一、流程

---

二、代码

%% 参数设置
lambda = 632.8e-9;      % 波长（He-Ne激光）
pixel_size = 5e-6;      % CCD像素尺寸（m）
M = 1024;               % 图像分辨率
z = 0.1;                % 物距（m）
exposure = 0.1;         % 曝光时间（s）
qe = 0.65;              % 量子效率
read_noise = 3;         % 读出噪声（e-）
cte = 0.9999;           % 电荷转移效率%% 物光与参考光生成
[X,Y] = meshgrid(linspace(-0.01,0.01,M), linspace(-0.01,0.01,M));
object = exp(-(X.^2 + Y.^2)/(2*(0.005)^2)); % 高斯物体
reference = exp(1i*2*pi*(X.^2 + Y.^2)/(lambda*z)); % 平面参考光%% 全息图记录
interference = object + reference;
hologram = abs(interference).^2; % 干涉强度记录%% CCD光电转换
% 量子效率转换
charge = hologram * qe * exposure;
% 暗电流噪声（泊松分布）
dark_noise = poissrnd(0.1*exposure, M, M);
electrons = charge + dark_noise;
% 饱和限制
electrons(electrons > 15000) = 15000;%% 电荷转移模拟
for stage = 1:3 % 3相时钟转移% 转移效率模型loss = cte * (1 - 0.05*stage);electrons = circshift(electrons, [0,1]) * loss + electrons*0.1;
end%% 读出噪声注入
voltage = electrons * 0.15 + read_noise*randn(M,M); % 转换增益0.15μV/e-
digital = im2uint16(voltage);%% 图像重建
% 傅里叶变换重建
H = fftshift(fft2(hologram));
reconstructed = ifftshift(ifft2(H));
reconstructed = abs(reconstructed);%% 可视化
figure;
subplot(2,2,1); imshow(object,[]); title('原始物体');
subplot(2,2,2); imshow(hologram,[]); title('全息图');
subplot(2,2,3); imshow(uint8(electrons),[]); title('CCD输出');
subplot(2,2,4); imshow(reconstructed,[]); title('重建图像');

---

三、关键模块详解

1. 全息图记录优化

% 离轴全息改进（消除孪生像）
theta = 0.1; % 参考光倾斜角
ref_phase = exp(1i*theta*X);
hologram = (object + ref_phase).^2;

2. 电荷转移模型

% 动态转移效率模拟
cte_vector = linspace(cte, 0.95, size(electrons,2));
for col = 1:size(electrons,2)electrons(:,col) = circshift(electrons(:,col), [0,1]) * cte_vector(col);
end

3. 噪声建模

% 混合噪声模型
thermal_noise = 0.05*randn(M,M); % 热噪声
read_noise = 3*randn(M,M);       % 读出噪声
total_noise = sqrt(dark_noise.^2 + thermal_noise.^2 + read_noise.^2);

参考代码 仿真光学CCD进行全息成像的仿真程序 www.youwenfan.com/contentcng/52581.html

四、扩展功能实现

1. 多波长融合

   lambda1 = 632.8e-9; % 红光
   lambda2 = 532e-9;   % 绿光
   hologram = (object1 + object2).^2;
   

2. 实时处理框架

   data = readFromCamera(); % 模拟CCD数据采集
   process(data);           % 实时处理流水线
   

3. 深度学习辅助

   net = alexnet;
   trained_net = trainNetwork(trainingData,net);
   denoised = classify(trained_net, noisyImage);