基于自适应加权快速傅里叶变换的迭代算法提出用于远场平顶光束整形。 该算法继承Gerchberg-Saxton算法的投影优化思想，但是自适应快速傅里叶逆变换的远场幅度通过使用一种新颖的优化的自适应权重策略。 一，应用该方法对方形平顶强度分布光束整形的效果是作为示例进行讨论。 通过模拟的纯相分布此方法的100次迭代会集中93.89％的入射激光能量进入所需区域和均方根误差（RMSE） 量身定制的平顶强度分布的平均值是0.0094。 少于20次迭代该方法的集中度超过了90％的入射激光能量进入所需区域和量身定制的平顶强度分布图的RMSE 小于0.05。 然后，该方法在设计中的适用性形状或直径可变的平顶的相位分布光束整形得到了证明。

Digital Holography Microcopy. Applications of Digital holography

digital holography by U.Schnars & W.Jueptner

DeepCGH：使用深度学习的3D计算机生成的全息术 DeepCGH是一种用于计算机生成全息图的无监督，非迭代算法。 DeepCGH依靠卷积神经网络实时执行图像平面全息照相。 有关结构和算法的更多详细信息，请参见[1]。 另请参阅我们的版权和许可声明copyright.pdf 。 有关动手教程，您还可以在Google colab和Jupyter Notebook（ tutorial.ipynb ）上看到 。 安装指南和依赖项： 在这里，我们提供DeepCGH的Python和Tensorflow实现。 该软件的当前版本不需要明确安装。 依赖项包括： python 3.x tensorflow-gpu >= 2.0.0 h5py scipy skimage tqdm 如果您具有Python 3.x（最好是3.7），则可以通过在Windows的Ubuntu终端或Anaconda Prom

光纤的特性对于在包括通信和传感器系统的各种光纤应用中提高性能是非常重要的。 本文基于光学马赫曾德尔干涉仪，提出了一种使用数字全息技术测量光纤折射率分布的新方法，与传统全息技术相比，简化了实验装置。 测试了多模光纤，保偏光纤和特殊光纤等几种光纤样本，并通过CCD记录了它们的全息图。 在对全息图进行滤波之后，可以重构和提取纤维样品的相位分布。 最后给出了纤维折射率分布的实验结果。

matlab已写好程序代码 Holography 这是一个整理自己有关全息项目代码的仓库。 文件 2d-colorful：龚学长和国学长的2D全息代码 （已完成） 3d-colorful：与国学长一起进行的3D彩色全息的代码（进行中） 3d-gray：与国学长一起进行的3D单色全息的代码（已完成） HelloHolo-only3d：编写的Matlab App，流水线化相息图制作 App-HelloHolo：整合了学长的2d全息Matlab App和only3d App cube_maker：编写Matlab制作彩色魔方3D模型，sparse的中间是空心的，dense的中间是有点云的，适合用于3d彩色全息 datas：全息代码所用到的点云数据，由于过大暂不上传 Holographs：已制作的效果较好的相息图和相息图序列 results：显示效果 后记 关于理解全息原理的心路历程，我写到了，欢迎大家一起探讨。

GS法傅里叶变换并循环得到全息图以便全息再现原图 GS法计算全息重现

CGH课程报告

holography

综述