针对传统衍射透镜工作在宽波段时色散严重、像质不佳的问题，提出一种基于RGB三波段的单片式分区消色差衍射透镜的设计方法，采用标量衍射理论对等宽度和等面积两种分区方式进行仿真分析，并与传统衍射透镜进行点扩散函数和衍射效率对比与分析。分析结果显示，分区消色差衍射透镜能够在RGB三波段工作时，将三个波长衍射效率的标准偏差由传统衍射透镜的0.6607下降到0.1519和0.0592，同时保持良好的成像效果。最后，考虑到实际加工情况，分别仿真了不同分区方式下微结构量化为八台阶所对应的光学性能参数。结果表明，本文提出的设计方法能够使得衍射透镜在RGB三波段实现良好的消色差效果，并且该方法具有一定的实用性和普适性。

程序首先从库中查询病例点，然后按月或周进行统计。考虑每个时间刻度内的所有病例点，按核密度计算公司计算它们对带宽范围内区域网格的密度影响。累计某网格的密度；图例配好后，在地图上可以看出扩散过程

程序的主要目的是获得光学传递函数，通过光程差获得光瞳函数，之后获得点扩散函数，最终得到光学传递函数。

几个典型的点扩散函数：  大气湍流造成的传递函数 ② Gauss退化函数 Gauss退化函数是许多光学成像系统最常见的退化函数，它是光学系统衍射、像差等因素的综合结果，其表达式为: 其中，K是归一化常数，a是一个正常数， 表示模糊程度，C是 的支持域。由于Gauss函数的傅立叶变换仍是Gauss函数，并且没有过零点，因此Gauss退化函数的辨识不能利用频域过零点进行。

针对实拍运动模糊图像的复原问题，分析了实拍图像与仿真模糊图像的差异特征，提出一种适用于实拍图像退化参数估计的方法。首先退化图像的倒谱，选用倒谱灰度极小值得绝对值作为阈值把倒谱变为二值图像，再去除中心的十字亮线；然后用点到直线的距离公式计算出二值图像的亮条纹方向，即得运动模糊图像；最后以退化图像中心为旋转轴，将运动模糊方向旋转至水平方向，用差分自相关法计算模糊尺度。把估计的点扩散函数（PSF）代入维纳滤波算法复原实拍图像，复原效果证明参数估计结果正确。

景物三维重建的关键之一是从景物图像中获得景物目标到摄像机的距离。研究了一种基于散焦图像的计算景物距离的算法。该方法基于不均匀散焦模型,并且只需两幅改变光圈指数得到的散焦程度不同的图像,因此可以避免图像的大小匹配问题。根据图像的点扩散函数的形式,可以通过优化的方法求得深度。模拟和真实实验表明了算法的有效性。

将秘密图像隐藏在一幅基于点扩散或误差扩散的半色调图像中，实现基于点扩散和误差扩散的半色调自隐藏算法；以基于点扩散的双向共轭信息隐藏算法为基础实现基于点扩散的灰度半色调自隐藏算法，将该算法扩展到基于误差扩散的灰度半色调图像，提出基于误差扩散的灰度半色调自隐藏算法；以最新的基于点扩散和误差扩散的新共轭数据隐藏算法为基础，提出基于点扩散和误差扩散的彩色半色调自隐藏算法。将四类自隐藏算法进行实验验证，对不同半色调自隐藏算法的性能进行了比较。结果表明在相同参数下，基于误差扩散的彩色半色调自隐藏算法具有最好的性能。

在X光编码孔径成像系统中，系统的点扩散函数决定成像系统的成像质量。由于系统的点扩散函数可用来求解系统的传递函数，并可由此制作实现图像重构的滤波器，因此点扩散函数的精确程度直接影响重构过程中图像的质量。本文以标量衍射理论为基础，从理论上推导出了衍射效应条件下编码孔径中圆环的点扩散函数，并将它用于制作光学系统的滤波器。最后利用Wiener滤波函数对编码重叠像的频谱分布进行滤波处理，再经过逆傅里叶变换得到了重构图像。

%% NONISOTROPICGAUSSIANPSF - 创建各向同性/非各向同性 3D 高斯内核。 % 使用统计工具箱（如果已安装）（mvnpdf）。 无需统计工具箱即可工作，但速度较慢且% 在 PSF 支持的大小方面具有更高的限制。 % % 语法：[outKer] = nonIsotropicPSF(inSigma) % = nonIsotropicPSF(inSigma,sizeDomain) % = nonIsotropicPSF(inSigma,sizeDomain,precision) % 输入： % inSigma - 标量（各向同性）或具有高斯核标准偏差的 3x1 向量（提醒： % sigma=FWHM/(2*sqrt(2*ln(2))) ) % sizeDomain (可选) - 定义支持 PSF 的大小 (默认: 2.1*max(inSigma)) % 精度（可选）

psf的matlab代码PSF模型-py 点扩散函数的标量和矢量模型的Python绑定。 原始C ++代码和MATLAB MEX绑定版权所有:copyright:2006-2013，根据GPL-3.0许可分发。 Talley Lambert的Python绑定 该模型在Auget等人2009 1中进行了描述。 有关更多信息和实现细节，请参见Francois的论文2 。 1个 2个 也可以看看： 有关基于标量的Gibson-Lanni PSF模型的不同（更快）的信息，请参见项目，该项目已在，和中实现。 安装 在OS X和Windows的pypi上可用的预构建二进制文件，在Linux上的sdist可用 pip install psfmodels 从来源 （需要cmake和C ++编译器） git clone --recurse-submodules https://github.com/tlambert03/PSFmodels-py.git cd PSFmodels-py python setup.py install # or python setup.py build to just build but n