A Simple Framework for 3D Lensless Imaging with Programmablle Masks 論文代碼部分

代碼介紹原文：

1.代碼結(jié)構(gòu)

1.1 data數(shù)據(jù)

• net

在這里插入圖片描述

2. scripts_preset.m 代碼

2.1 代碼整體介紹

這段代碼的作用是加載PSFs數(shù)據(jù)，并進行一系列參數(shù)設(shè)置。

• 首先，通過設(shè)置data_dir變量為數(shù)據(jù)目錄的路徑。然后，根據(jù)場景名來選擇特定于場景的參數(shù)。根據(jù)不同的場景名，設(shè)置d1和d2的值。

• net 場景包括一個距離相機約30mm的網(wǎng)狀物和一個距離網(wǎng)狀物后方約100mm的橡皮鴨。

%% 加載 psfs 數(shù)據(jù)
data_dir = '../data';  % 設(shè)置數(shù)據(jù)目錄

scene_name = 'net';  % 設(shè)置場景名稱

% -- SCENE
% 選擇特定于場景的參數(shù)
switch scene_name
    % 若場景名為“toys”（玩具），設(shè)置d1為80，d2為600
    case 'toys'
        d1 = 80; d2 = 600;

    % 若場景名為“two_cards”（兩張卡片），設(shè)置d1為35，d2為200
    case 'two_cards'
        d1 = 35; d2 = 200;

    % 若場景名為“net”（網(wǎng)），設(shè)置d1為20，d2為300
    case 'net'
        d1 = 20; d2 = 300;

    % 若場景名為“carrot”（蘿卜），設(shè)置d1為15，d2為300
    case 'carrot'
        d1 = 15; d2 = 300;
end

• 設(shè)置masktype變量來選擇掩膜類型，可選的類型有"random"（隨機）、“mls”(最小二乘)、“opt”(優(yōu)化)和"shiftXY"(XY移位)。根據(jù)選擇的掩膜類型不同，代碼會設(shè)置不同的掩膜序列。

• 設(shè)置nmask和ndepth的值，分別表示掩膜數(shù)量和深度數(shù)量。

  % -- MASKTYPE
  % 設(shè)置掩膜類型，可選項有 "random"(隨機)、"mls"(最少二乘)、"opt"(優(yōu)化) 和 "shiftXY"(XY移位)
  % masktype = 'random'
  % masktype = 'mls'
  masktype = 'opt'
  % masktype = 'shiftXY'
  
  % -- NUM OF MASKS AND DEPTHS
  % 設(shè)置掩膜數(shù)量為8，深度數(shù)量也為8
  nmask = 8;
  ndepth = 8;
  

• 接下來，設(shè)置recon_method變量來選擇重建方法，可選的方法有"adap_l2"（自適應(yīng)L2）和"t_svd"（基于是否有GPU設(shè)備設(shè)置為張量奇異值分解）。

• 如果沒有檢測到GPU設(shè)備，則將重建方法設(shè)置為"t_svd"。

  % -- METHOD
  % 設(shè)置重建方法為 'adap_l2'（自適應(yīng)L2），或者基于是否有GPU設(shè)備設(shè)置為 't_svd'（張量奇異值分解）
  recon_method = 'adap_l2'
  % recon_method = 't_svd'
  
  % 如果沒有檢測到GPU設(shè)備，則將重建方法設(shè)置為't_svd'
  if gpuDeviceCount < 1
      recon_method = 't_svd';
  end
  

• 加載文件

  % 根據(jù)設(shè)置的數(shù)據(jù)目錄加載PSFs數(shù)據(jù)文件
  load(sprintf('%s/psfs-fullsize-cg-bin8.mat', data_dir));
  disp(dists)
  

  • 字典內(nèi)包含三部分

    

    • dists

      

    • mask_names

      

    • psfs

      

• 相機參數(shù)設(shè)置

  

  % 相機參數(shù)預(yù)設(shè)
  Ho = 3648 / 2;  %圖像的高度
  Wo = 5472 / 2;  %圖像的寬度
  mask_depth = 10.51; %掩膜距離傳感器的距離
  bin_size = 8; 
  cam_pitch = 2.4 * 1e-3; %相機的像素距離，以毫米為單位
  cam_chnl_pitch = cam_pitch * 2 * bin_size; %是通道間的距離，通過將相機像素間距乘以2和二進制大小來計算。
  
  d = mask_depth;
  z2a = @(z) 1-d./z;  % 深度到a的轉(zhuǎn)換函數(shù)
  a2z = @(a) d./(1-a);  % a到深度的轉(zhuǎn)換函數(shù)
  
  % 計算深度范圍
  depth_range = a2z(linspace(z2a(d1), z2a(d2), ndepth));
  

• 根據(jù)選擇的掩膜類型，選擇原始測量數(shù)據(jù)和PSFs（點擴散函數(shù)）進行恢復(fù)。

  %% 選擇原始測量數(shù)據(jù)和PSFs進行恢復(fù)
  
  % 根據(jù)掩膜類型選擇隨機二值掩膜
  switch masktype
      % 如果掩膜類型為'random'，選擇序列中的第6至第25個掩膜
      case 'random'
          mask_seq = 6:25;
          ind1 = mask_seq(1:nmask);
          ind2 = mask_seq(nmask+1)*ones(length(ind1),1);
  
      % 如果掩膜類型為'mls'，選擇序列中的第47至第66個掩膜
      case 'mls'
          mask_seq = 47:66;
          ind1 = 47:2:47+nmask*2-1;
          ind2 = 48:2:47+nmask*2-1;
  
      % 如果掩膜類型為'opt'，選擇序列中的第27至第46個掩膜
      case 'opt'
          mask_seq =27:46;
          ind1 = 27:2:27+nmask*2-1;
          ind2 = 28:2:27+nmask*2-1;
  
      % 如果掩膜類型為'shiftXY'，選擇序列中的第67至第102個掩膜
      case 'shiftXY'
          mask_seq = 67:102;
          ind1 = 67:2:67+nmask*2-1;
          ind2 = 68:2:67+nmask*2-1;
  end
  

3 demo_block_diagonal.m 代碼

3.1 代碼介紹

• 參數(shù)初始化

  %定義一個函數(shù)，該函數(shù)接受一個圖像數(shù)組和圖像名稱，將其轉(zhuǎn)化為RGB格式并播放
  %H×W×C×N ===> H×W×N×C
  play_rggb_stack = @(im, names)play_stack(rggb2rgb(permute(im, [1 3 4 2])), names);
  % 定義一個函數(shù)，用于顯示歸一化的圖像
  imshowsm = @(im)imshow(mat2gray(squeeze(im)));
  % 定義一個函數(shù)，用于找到最大值并規(guī)范化
  max1 = @(x) x/max(abs(x(:)));
  
  run('scripts_preset');
  
  %設(shè)置實驗ID
  expid = 1;
  
  %%
  % 初始化圖像大小和點擴散函數(shù)（PSF）大小
  ims_size = [228, 342];
  psf_size = [228, 342];
  
  % 獲取掩膜數(shù)量
  nmask = length(ind2);
  
  % 初始化存儲圖像序列和點擴散函數(shù)校準序列的數(shù)組
  ims_stack = zeros([nmask, 4, ims_size]);
  psf_calib_stack = zeros([nmask,length(dists), 4, psf_size]);
  mask_stack = zeros(nmask, 769, 1024);
  
  % 定義一個函數(shù)，用于將數(shù)組填充到最大尺寸
  padmax = @(x) padarray(x, (psf_size - size(x))/2, 0, 'both');
  

• 讀取數(shù)據(jù)

  • 為什么要存儲掩膜數(shù)據(jù)的差值？

    GPT:

    ? 存儲差值的目的是為了在后續(xù)的重建過程中，使用這些差值來恢復(fù)被遮擋的信息。差值代表了兩個不同掩膜之間的區(qū)別，這 些差值可以用于去除遮擋區(qū)域或恢復(fù)遮擋區(qū)域的信息。

    ? 通過存儲差值，可以在后續(xù)的重建過程中利用它們來改善圖像重建的質(zhì)量和準確性。

  • data_dir = ‘…/data’

    scene_name = ‘net’

  • mask_seq =27:46;
    ind1 = 27:2:27+nmask2-1;
    ind2 = 28:2:27+nmask2-1;

  

  

  % 循環(huán)讀取不同掩膜的圖像和PSF校準數(shù)據(jù)
  for ii = 1:nmask
       % 讀取圖像數(shù)據(jù)
      im2 = im2double(imread(sprintf('%s/%s/%s.png',data_dir, scene_name, mask_names{ind2(ii)})));
      im1 = im2double(imread(sprintf('%s/%s/%s.png',data_dir, scene_name, mask_names{ind1(ii)})));
       % 讀取掩膜數(shù)據(jù)并存儲差值
      mask1 = im2double(imread(sprintf('%s/masks/%s.png',data_dir, mask_names{ind1(ii)})));
      mask2 = im2double(imread(sprintf('%s/masks/%s.png',data_dir, mask_names{ind2(ii)})));    
      mask_stack(ii, :,:) = mask1 - mask2;
  
       % 對圖像數(shù)據(jù)進行去馬賽克，并對像素進行合并
      im_rggb = debayer(im1 - im2);
          % (height, width, channels) 重排列為 (channels, height, width)，然后均值池化
      im_rggb = bin_pixels( reshape(permute(im_rggb, [3 1 2]), [1, 4, Ho, Wo]), bin_size); 
      ims_stack(ii,:,:,:) = im_rggb;
  
       % 循環(huán)不同的景深處理點擴散函數(shù)（PSF）
      for use_d = 1:5
          psf = padmax(psfs{ind1(ii), use_d}) - padmax(psfs{ind2(ii), use_d});
          psf = repmat(reshape(psf, 1, 1, psf_size(1), psf_size(2)), 1, 4, 1, 1);
          psf_calib_stack(ii,use_d,:,:,:) = psf;
      end
      
      fprintf('\n read in data for mask %02d', ii);
  end
  

  **附：**bin_pixels函數(shù)，這個函數(shù)是一個用于將圖像進行均值池化的函數(shù)。

  ? 輸入?yún)?shù):

  • im: 輸入圖像，維度為(N, C, H, W)，其中N為圖像的數(shù)量，C為圖像的通道數(shù)，H為圖像的高度，W為圖像的寬度。
  • bin_size: 池化操作的窗口大小。

  function out = bin_pixels(im, bin_size)
  %im: (N, C, H, W)
  %bin_size:int
  kernel = ones(bin_size); 
  kernel = kernel / sum(kernel(:));
  half_bin = round(bin_size/2);
  ys = 1:bin_size:(size(im,3)-bin_size+1);
  xs = 1:bin_size:(size(im,4)-bin_size+1);
  out = zeros(size(im,1), size(im,2), length(ys), length(xs));
  for i = 1:size(im,1), for j = 1:size(im,2),
      tmp = conv2(squeeze(im(i,j,:,:)), kernel, 'valid');
      out(i,j,:,:) = tmp(ys, xs);
  end; end
  end
  

• 計算每個掩膜對應(yīng)的多深度PSF，創(chuàng)建PSF和圖像的FFT堆棧

  % 設(shè)置深度范圍
  im_z = depth_range;
  
  ndepth = length(im_z);
  zs = im_z; % 坐標轉(zhuǎn)換
  cam_size = size(ims_stack); cam_size = cam_size(3:end); 
  C = size(ims_stack,2);
  
  %初始化PSF堆棧
  psf_stack = zeros([nmask, ndepth, 4, psf_size]);
  % 循環(huán)計算每個掩膜對應(yīng)的多深度PSF
  for ii = 1:nmask
      for d = 1:ndepth
          z = zs(d);
          z_ind = 2;
          % Compute beta, psf at z, by interpolating from nearest captured.
          % 通過插值計算z處的PSF
          beta = zeros([C psf_size]);
          %         scale_fun = @(z, z0)((z0-mask_depth) * z)/((z-mask_depth) * z0); %d in mm
          scale_fun = @(z, z0)(z0 * (z + mask_depth)) / (z * (z0 + mask_depth)); % 深度以毫米為單位
          a1_over_a0 = scale_fun(z, dists(z_ind));
          % direct interp for right size直接插值到正確的尺寸
          [x, y] = meshgrid(linspace(-.5, .5, psf_size(2)), linspace(-.5, .5, psf_size(1)));
          for c = 1:C
              alpha = anti_alias(squeeze(psf_calib_stack(ii,z_ind , c, :, :)), a1_over_a0);
              beta(c, :, :) = interp2(x, y, alpha, ...
                  x / a1_over_a0, y / a1_over_a0, ...
                  'linear', 0);
          end
          psf_stack(ii, d, :,:,:) = beta;
      end
  end
  
  %% create fft stacks of PSF and ims%% 創(chuàng)建PSF和圖像的FFT堆棧
  
  full_size = ims_size + psf_size - 1; % 定義完整尺寸
  psf_fft_stack = zeros([nmask, ndepth, 4, full_size]); % 初始化PSF的FFT堆棧
  ims_fft_stack = zeros([nmask, 4, full_size]); % 初始化圖像的FFT堆棧
  
  

• 傅里葉變換

  for ii = 1:nmask
      for di = 1:ndepth
          for c = 1:C
              % 對PSF和圖像進行FFT變換
              psf_fft_stack(ii, di, c, :,:) = fft2(squeeze(psf_stack(ii, di, c, :,:)), full_size(1),full_size(2));
              ims_fft_stack(ii,c,:,:) = fft2( pad_and_center(squeeze(ims_stack(ii, c, :,:)), full_size), full_size(1), full_size(2));
          end
      end
  end
  

• 重建

  
  

  
  

  計算了正則化項 lambda_mat，然后將其添加到 AtA_gpu 中。正則項的計算是通過將最大的特征值乘以0.05來實現(xiàn)的。這樣，代碼實現(xiàn)了在最小二乘問題中添加正則項的功能。

   lambda_mat = repmat(eye(ndepth),[1,1, size(Ac_piece, 3) ]) .* reshape( max(reshape(squeeze(sqrt(sum(sum(abs(AtA_gpu).^2,1),2))), [], 1) * 0.05,200)  ,1,1,size(Ac_piece,3)) ;
              AtA_gpu = AtA_gpu + lambda_mat;
  

  for c = 1:C
      Ac = squeeze(psf_fft_stack(:,:,c,:,:)); % 提取c通道的PSF FFT
      bc = ims_fft_stack(:,c,:,:); % 提取c通道的圖像FFT
      
      switch recon_method % 根據(jù)重建方法進行選擇
          case 'adap_l2' % reconstruction with GPU
              npiece = 35;
              % 將數(shù)據(jù)劃分為多個塊以適應(yīng)GPU運算
              Ac_piece = reshape(Ac, nmask, ndepth, [], npiece);
              bc_piece = reshape(bc, nmask, 1 , [], npiece);
              xhat_fft_gpu = zeros(ndepth, 1, size(Ac_piece,3), npiece);
              
              for pp = 1:npiece
               % 將數(shù)據(jù)移至GPU進行計算
              % move Ac and bc onto gpu 
              Ac_gpu = gpuArray(Ac_piece(:,:,:,pp));
              bc_gpu = gpuArray(bc_piece(:,:,:,pp));
           
              % L2 regularization based on frobenius norm of AtA基于AtA的Frobenius范數(shù)的L2正則化
              AtA_gpu = pagefun( @mtimes,  pagefun(@ctranspose, Ac_gpu), Ac_gpu);
              %lambda_mat = repmat(eye(ndepth),[1,1, size(Ac_piece, 3) ]) .* reshape( max(vec(squeeze(sqrt(sum(sum(abs(AtA_gpu).^2,1),2)))) * 0.05,200)  ,1,1,size(Ac_piece,3)) ;
  
              lambda_mat = repmat(eye(ndepth),[1,1, size(Ac_piece, 3) ]) .* reshape( max(reshape(squeeze(sqrt(sum(sum(abs(AtA_gpu).^2,1),2))), [], 1) * 0.05,200)  ,1,1,size(Ac_piece,3)) ;
              AtA_gpu = AtA_gpu + lambda_mat;
              clear lambda_mat
  
              %計算重建的FFT
              xhat_fft_gpu(:,:,:,pp) = gather(pagefun(@mtimes, pagefun(@mldivide, ...
                  AtA_gpu, ...
                  pagefun(@ctranspose, Ac_gpu)), bc_gpu));
              end
              xhat_fft_gpu = reshape(xhat_fft_gpu, ndepth, 1, []);      
              xhat_FFT_stack = permute(gather(reshape(xhat_fft_gpu,ndepth, full_size(1),full_size(2))),[2,3,1]);
  
              %通過IFFT換回空間域并取實部
              xhat_full(:,:,c,:) = real(ifft2(xhat_FFT_stack));
          
          case 't_svd' % reconstruction without GPU
              (省略)
      end
      fprintf('\n%02d/%02d color channels completed', c, C);
  end
  

• 其他處理

  % 將RGGB轉(zhuǎn)換為RGB格式
  xhat_full_rgb = rggb2rgb(permute(xhat_full,[4,1,2,3]));
  
  %% rotate/shift
  % 創(chuàng)建保存文件夾
  % 根據(jù)實驗ID、掩碼類型和深度索引創(chuàng)建一個保存文件夾路徑
  save_folder = fullfile('../results',sprintf('%03d',expid),sprintf('masktype_%s',masktype),sprintf('bd_nd%02d_nm%02d',ndepth,length(ind2)));
  % 如果文件夾不存在，則創(chuàng)建該文件夾
  if ~exist(save_folder,'dir')
      mkdir(save_folder);
  end
  
  % 圖像預(yù)處理
  % 將xhat_full_rgb轉(zhuǎn)換為灰度圖像格式
  xhat_full_rgb = mat2gray(xhat_full_rgb);
  % 初始化一個新的圖像數(shù)組xhat_rgb
  xhat_rgb = zeros([ ndepth ,cam_size, 3 ]);
  
  % 旋轉(zhuǎn)/移位圖像
  % 對于每個深度層，將圖像旋轉(zhuǎn)180度并根據(jù)點擴散函數(shù)尺寸進行移位裁剪
  for di = 1:ndepth
      xhat_tmp = squeeze(xhat_full_rgb(di,:,:,:));
      xhat_tmp = circshift(rot90(xhat_tmp,2), -(psf_size-1));
      xhat_tmp = xhat_tmp(1:cam_size(1), 1:cam_size(2),:);
      xhat_rgb(di, :,:,:) = xhat_tmp;
  end
  % % 將處理后的RGB圖像再次轉(zhuǎn)換為灰度圖像格式
  xhat_rgb = mat2gray(xhat_rgb);
  

• 去噪

  %% BM3D denoising
  % tic;
  % xhat_rgb_denoised = zeros(size(xhat_rgb));
  % for di = 1:ndepth
  %     for ci = 1:3
  %         xhat_rgb_denoised(di,:,:,ci) = BM3D(squeeze(xhat_rgb(di,:,:,ci)),0.035);
  %     end
  %     fprintf('\n depth %02d/%02d is denoised', di, ndepth);
  % end
  % xhat_rgb = xhat_rgb_denoised;
  % t_bm3d = toc;
  
  
  %% TV-L1 denoising (optional denoising method)
  tic;
  xhat_rgb_denoised = zeros(size(xhat_rgb));
  for di = 1:ndepth
      for ci = 1:3
          xhat_rgb_denoised(di,:,:,ci) = TVL1denoise(squeeze(xhat_rgb(di,:,:,ci)),1.3,100);
      end
      fprintf('\n depth %02d/%02d is denoised', di, ndepth);
  end
  xhat_rgb = xhat_rgb_denoised;
  t_tvl1 = toc;
  

• 其他操作

  

  %% crop images
  % 裁剪圖像
  % 對圖像進行裁剪，只保留感興趣的區(qū)域
  xhat_rgb_crop = permute((xhat_rgb(:,40:187,36:309,:)),[2,3,4,1]);
  % 創(chuàng)建存儲裁剪后原始結(jié)果的文件夾
  save_folder1 = fullfile(save_folder,'raw_results');
  if ~exist(save_folder1, 'dir')
      mkdir(save_folder1);
  end
  % 將裁剪后的圖像保存為圖像文件并創(chuàng)建動畫gif文件
  for di = 1:ndepth
      xhat_rgb_crop(:,:,:,di) = (xhat_rgb_crop(:,:,:,di));
      imagesc(xhat_rgb_crop(:,:,:,di)); axis image off; % title(sprintf('%3.5g mm', depth_range(di)));
      export_fig(fullfile(save_folder1,sprintf('final_result_scene_%s_depth_%02d',scene_name,di)));
      frame = export_fig;
      ims{di} = frame;
  end
  
  filename = fullfile(save_folder1,sprintf('anime_result_scene_%s.gif',scene_name)); % Specify the output file name
  for idx = 1:ndepth
      [A,map] = rgb2ind(ims{idx},256);
      if idx == 1
          imwrite(A,map,filename,'gif','LoopCount',Inf,'DelayTime',1*(8/ndepth));
      else
          imwrite(A,map,filename,'gif','WriteMode','append','DelayTime',1*(8/ndepth));
      end
  end
  

  
  

  
  

  

  

  
  

  % 調(diào)整對比度以便輸出
  % 創(chuàng)建存儲調(diào)整對比度后的結(jié)果的文件夾
  %% adjust contrast for exporting
  save_folder2 = fullfile(save_folder,'color_adjusted_results');
  if ~exist(save_folder2, 'dir')
      mkdir(save_folder2);
  end
  % 設(shè)置對比度調(diào)整后處理參數(shù)
  % color adjustment post-processing parameter
  if strcmp(recon_method,'adap_l2')
      r = 0.005;
  else
      r = 0.001;
  end
  % 調(diào)整圖像對比度并保存為圖像文件
  xhat_tmp = permute(xhat_rgb_crop, [1,2,4,3]);
  xhat_tmp_size = size(xhat_tmp);
  xhat_tmp_vec = reshape(xhat_tmp, [],1,3);
  xhat_tmp_adjust = imadjust(xhat_tmp_vec, stretchlim(xhat_tmp_vec, [r,1-r]),[]);
  xhat_adjust = permute(reshape(xhat_tmp_adjust, xhat_tmp_size),[1,2,4,3]);
  ims = {};
  for di = 1:ndepth
      imagesc(xhat_adjust(:,:,:,di)); axis image off; 
      export_fig(fullfile(save_folder2,sprintf('blockDiagonal_scene_%s_depth_%02d',scene_name,di)));
      frame = export_fig;
      ims{di} = frame;
  end
  
  filename = fullfile(save_folder2,sprintf('anime_result_scene_%s_adjusted.gif',scene_name)); % Specify the output file name
  
  for idx = 1:ndepth
      [A,map] = rgb2ind(ims{idx},256);
      if idx == 1
          imwrite(A,map,filename,'gif','LoopCount',Inf,'DelayTime',1*(8/ndepth));
      else
          imwrite(A,map,filename,'gif','WriteMode','append','DelayTime',1*(8/ndepth));
      end
  end
  % 保存所有處理后的數(shù)據(jù)
  % 將所有相關(guān)的變量和處理后的圖像數(shù)據(jù)保存到.mat文件中
  %% save all the processed data
  %xhat_full_rgb: 完整的RGB圖像數(shù)據(jù)
  %xhat_rgb: RGB圖像數(shù)據(jù)
  %xhat_rgb_crop: 裁剪后的RGB圖像數(shù)據(jù)
  %xhat_adjust: 調(diào)整后的RGB圖像數(shù)據(jù)
  %depth_range: 深度范圍
  %scene_name: 場景名稱
  %masktype: 掩模類型
  save(fullfile(save_folder,sprintf('results_data_%s.mat', scene_name ) ),'xhat_full_rgb','xhat_rgb','xhat_rgb_crop','xhat_adjust','depth_range','scene_name','masktype');
  

4 generate_all_in_focus_rggb函數(shù) 生成全在焦圖

%清除變量和關(guān)閉所有打開的圖像界面
clear; close all;

%將當(dāng)前工作目錄添加到路徑中
addpath(genpath(pwd));
run('demo_block_diagonal');
% 定義圖像處理參數(shù)
fstack_params = [];
fstack_params.filtersize = 5; % 濾波器大小
fstack_params.logstd = 2 ; % 標準差
fstack_params.dilatesize = 13; % 膨脹大小
fstack_params.blendsize = 13; % 混合大小
fstack_params.blendstd = 5; % 混合標準差
fstack_params.logthreshold = 0; % 對數(shù)閾值

% 生成全焦深度圖像和深度信息
[image_rggb, depth_cone] = generate_all_in_focus_rggb(permute(xhat_rgb_crop,[4,3,1,2]) , fstack_params, depth_range, 0);

%% 顯示生成的全焦深度圖像和深度信息
subplot(121);
imshow(mat2gray(squeeze((permute(image_rggb,[1,3,4,2])))))
subplot(122);
imshow(depth_cone,[]);colormap parula

%%
[image_rggb, depth_cone] = generate_all_in_focus_rggb(permute(xhat_rgb,[1,4,2,3]) , fstack_params, depth_range, 0);
image_rggb = image_rggb(:,:,40:197,36:309);
depth_cone = depth_cone(40:197,36:309);
%
subplot(121);
imshow(mat2gray(squeeze((permute(image_rggb,[1,3,4,2])))))
subplot(122);
imshow(depth_cone,[]);colormap parula

%%
% % scene_name='ruler'
% % scene_name = 'toys'
% scene_name = 'two_cards'
% 
% % -- MASKTYPE
% % masktype = 'random'
% masktype = 'opt'
% % masktype = 'scaleXY'
% % masktype = 'shiftXY'

%%% 定義保存結(jié)果的文件夾路徑
save_folder = fullfile('../progMask_results','1202_final_wiener');
if ~exist(save_folder,'dir')
    mkdir(save_folder);
end
% 保存生成的全焦深度圖像
figure(1);
imshow(mat2gray(squeeze((permute(image_rggb,[1,3,4,2])))))
export_fig(fullfile(save_folder, sprintf('image_%s_%s',scene_name,masktype)));
% 保存生成的深度信息
figure(1);
imshow(depth_cone,[]);colormap parula
export_fig(fullfile(save_folder, sprintf('depth_%s_%s',scene_name,masktype)));

文章來源地址http://www.zghlxwxcb.cn/news/detail-847076.html

到了這里，關(guān)于A Simple Framework for 3D Lensless Imaging with Programmablle Masks 論文代碼部分的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！