抑制全息图零级像的方法、装置、电子设备及存储介质

1.本发明涉及全息图像领域，尤其涉及一种抑制全息图零级像的方法、装置、电子设备及存储介质。


背景技术：

2.相关技术中，抑制全息图零级像的方法一般为全息图减强度均值法、hro相减法、频谱滤波法、滤波算子法等。全息图减强度均值法无需记录多幅全息图，用所记录的全息图减去其均值，即可使零级像得到抑制，但是这种方法只适合参考光分布均匀的情况。hro相减法用所记录的全息图减去参考光的强度和物光波的强度，需要记录三幅图，分别是全息图、仅有参考光时的图、仅有物光波时的图，但是这种方法难以保持测量环境的稳定性，即难在同一环境条件下采集三幅图像。而频谱滤波法可以用带通滤波去有效地滤除相关的频谱，但三个级分离不够开时，难以将零级像和共轭像分离开来，同时滤波器的选择也会影响再现图像的质量。因此，相关技术中抑制全息图零级像的方法存在适应性弱且低效的问题。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种抑制全息图零级像的方法、装置、电子设备及存储介质，，能够对单张所记录的全息图进行抑制零级像，适应性广且高效。
4.第一方面，本发明提供一种抑制全息图零级像的方法，包括如下步骤：
5.获取第一全息图像；
6.对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，其中，所述本征模态函数集包括多个不同频率的本征模态函数分量以及余量；
7.对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，所述第一本征模态函数集包括若干所述本征模态函数分量和所述余量，若干所述本征模态函数分量与所述余量组合对应的零频最小；
8.通过希尔伯特变换对所述第一本征模态函数集进行数据处理，得到第二全息图像。
9.根据本发明第一方面实施例的抑制全息图零级像的方法，至少具有如下有益效果：第一全息图像结合希尔伯特—黄变换进行处理，希尔伯特—黄变换包括二维经验模态分解和希尔伯特变换，其中，二维经验模态分解能够将不同类型的第一全息图像分解成本征模态函数集和对应的余量，适应性广，并通过希尔伯特变换对单张第一全息图的零级像进行抑制，消除大部分干扰噪声，提高数字全息成像质量。
10.根据本发明第一方面的一些实施例，所述对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，包括如下步骤：
11.获取预设的若干分解次数，并计算每一次分解次数对应的所述第一全息图像的本征模态函数集；
12.所述计算每一次分解次数对应的所述第一全息图像的本征模态函数集，包括：
13.将所述第一全息图像的图像信息作为原始图像信息；
14.计算所述原始图像信息对应的第一本征模态函数分量；
15.计算所述原始图像信息和对应的所述第一本征模态函数分量的差值，得到第一余量；
16.将所述第一余量更新为所述原始图像信息，重新计算所述原始图像信息对应的第一本征模态函数分量，直至得到与所述分解次数相同个数的所述第一本征模态函数分量，并将最后一次计算得到的所述第一余量作为分解次数对应的余量；
17.将与所述分解次数相同个数的所述第一本征模态函数分量和对应的所述余量作为本征模态函数集，得到至少一个本征模态函数集。
18.根据本发明第一方面的一些实施例，所述计算所述原始图像信息对应的第一本征模态函数分量，包括如下步骤：
19.根据所述原始图像信息，计算所述原始图像信息的极大值包络曲面和极小值包络曲面；
20.计算所述极大值包络曲面和所述极小值包络曲面的均值，得到均值包络曲面；
21.计算所述原始图像信息和所述均值包络曲面的差值，得到差函数；
22.将所述差函数作为原始图像信息，重复计算所述原始图像信息对应的差函数直至所述差函数为本征模态函数，并将最后一次计算得到的所述差函数作为第一本征模态函数分量。
23.根据本发明第一方面的一些实施例，所述对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，包括如下步骤：
24.遍历每一所述本征模态函数集中所述本征模态函数分量、所述余量的组合方式，得到多个组合函数；
25.根据多个所述组合函数对应的频谱图，确定零频最小的所述频谱图对应的第一组合函数；
26.根据所述第一组合函数，确定第一本征模态函数集。
27.根据本发明第一方面的一些实施例，还包括对所述第二全息图像进行相位补偿。
28.根据本发明第一方面的一些实施例，所述第一全息图像基于马赫—曾德干涉光路的数字全息系统生成。
29.根据本发明第一方面的一些实施例，所述相位补偿通过最小二乘拟合法实现。
30.第二方面，本发明提供一种抑制全息图零级像的装置，包括：
31.全息图像获取模块，用于获取第一全息图像；
32.二维经验模态分解模块，用于对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，其中，所述本征模态函数集包括多个不同频率的本征模态函数分量以及余量；
33.本征模态函数过滤模块，用于对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，所述第一本征模态函数集包括若干所述本征模态函数分量和所述余量，若干所述本征模态函数分量与所述余量组合对应的零频最小；
34.希尔伯特变换模块，用于通过希尔伯特变换对第一本征模态函数集进行数据处
理，得到第二全息图像。
35.由于第二方面的抑制全息图零级像的装置应用第一方面任一项的抑制全息图零级像的方法，因此具有本发明第一方面的所有有益效果。
36.第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时第一方面任一项的抑制全息图零级像的方法。
37.由于第三方面的电子设备可执行所述计算机程序时第一方面任一项的抑制全息图零级像的方法，因此具有本发明第一方面的所有有益效果。
38.第四方面，本发明提供一种计算机存储介质，包括存储有计算机可执行指令，所述计算机可执行指令用于执行第一方面任一项的抑制全息图零级像的方法。
39.由于第四方面的计算机存储介质可执行第一方面任一项的抑制全息图零级像的方法，因此具有本发明第一方面的所有有益效果。
40.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
41.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
42.图1是本发明实施例的抑制全息图零级像的方法的主要步骤图；
43.图2是本发明实施例的抑制全息图零级像的方法的s200的步骤图；
44.图3是本发明实施例的抑制全息图零级像的方法的s220的步骤图；
45.图4是本发明实施例的抑制全息图零级像的方法的s300的步骤图；
46.图5是本发明实施例的抑制全息图零级像的装置的结构示意图。
47.附图标记：
48.全息图像获取模块100；二维经验模态分解模块200；本征模态函数过滤模块300；希尔伯特变换模块400。
具体实施方式
49.本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
50.下面参照图1至图5描述本发明的抑制全息图零级像的方法、装置、电子设备及计算机存储介质。
51.如图1所示，根据本发明第一方面实施例的一种抑制全息图零级像的方法，包括如下步骤：
52.步骤s100、获取第一全息图像。
53.步骤s200、对第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集。
54.应理解的是，本征模态函数集包括多个不同频率的本征模态函数分量以及余量。
55.应理解的是，对第一全息图像进行二维经验模态分解的过程包括获取预设的若干分解次数，计算每一次分解次数对应的第一全息图像的本征模态函数集，本征模态函数集中的本征模态函数分量的数量与分解次数相同，且每一个本征模态函数集包括一个与本征模态函数分量对应的余量。
56.步骤s300、对分解得到的所有本征模态函数集进行过滤筛选，得到第一本征模态函数集。
57.应理解的是，第一本征模态函数集包括若干本征模态函数分量和余量，若干本征模态函数分量与余量组合对应的零频最小。
58.应理解的是，第一本征模态函数集中的若干本征模态函数分量和余量属于同一个本征模态函数集。
59.应理解的是，可以对第一全息图像进行二维经验模态分解进行不同分解次数的处理，进而可以在一个更大的本征模态函数中进行过滤筛选以得到重构效果更好的第一本征模态函数集。分解次数的设置可以根据经验值预先设置，也可以由人为动态指定。需说明的是，本征模态函数集的个数与设定的分解次数的个数相同，而本征模态函数集中的本征模态函数分量与当前分解次数相关，如分解次数为7，则本征模态函数分量为7，因此，本征模态函数集中的本征模态函数分量的数量是有限多个，而在有限多个本征模态函数分量中，可以通过遍历或现有的相关算法得到若干本征模态函数分量与余量组合，其中，在多种组合中存在一种组合对应的零频最小，此时，零频最小的组合中的本征模态函数分量为高频的。
60.需说明的是，过滤筛选得到的若干本征模态函数分量与余量组合对应的零频最小，则这样的过滤筛选方式能够在最大程度上抑制全息图像的零级像。
61.步骤s400、通过希尔伯特变换对第一本征模态函数集进行数据处理，得到第二全息图像。
62.应理解的是，希尔伯特变换相当于一个“十”字滤波器，对高频率的本征模态函数分量以及对应的余量的和进行希尔伯特变换之后，第二全息图的频谱图以零频的中心画一条水平线为界，水平线以上的部分没有了，留下以下的部分。与希尔伯特变换前相比，频谱少了一半，抑制效果达成，且保留了负一级。
63.应理解的是，通过希尔伯特变换对第一本征模态函数集中若干本征模态函数分量与余量的和进行数据处理，得到第二全息图像。
64.第一全息图像结合希尔伯特—黄变换进行处理，希尔伯特—黄变换包括二维经验模态分解和希尔伯特变换，其中，二维经验模态分解能够将不同类型的第一全息图像分解成本征模态函数集和对应的余量，适应性广，并通过希尔伯特变换对单张第一全息图的零级像进行抑制，消除大部分干扰噪声，提高数字全息成像质量。该方法通过过滤筛选得到的若干本征模态函数分量与余量组合对应的零频最小，使得全息图像的零级像的抑制程度最大。
65.综上所述，该方法既能抑制边界效应，保证全息图像边界信息的完整性，又能准确
地描绘出全息图像的边界信息，体现出全息图像大致的轮廓信息
66.可理解的是，如图2所示，步骤s200包括获取预设的若干分解次数，并计算每一次分解次数对应的第一全息图像的本征模态函数集，其中，计算每一次分解次数对应的第一全息图像的本征模态函数集，包括如下步骤：
67.步骤s210、将第一全息图像的图像信息作为原始图像信息。
68.步骤s220、计算原始图像信息对应的第一本征模态函数分量。
69.步骤s230、计算原始图像信息和第一本征模态函数分量的差值，得到第一余量。
70.步骤s240、将第一余量更新为原始图像信息，重新计算原始图像信息对应的第一本征模态函数分量，直至得到与分解次数相同个数的第一本征模态函数分量，并将最后一次计算得到的第一余量作为分解次数对应的余量。
71.步骤s250、将与分解次数相同个数的第一本征模态函数分量和对应的余量作为本征模态函数集，得到至少一个本征模态函数集。
72.应理解的是，随着分解次数的增加，原始图像信息会分解地更加详细，余量越来越小。
73.通过预设分解次数并计算每一次分解次数对应的第一全息图像的本征模态函数集，能够获得多个本征模态函数集，为之后的过滤筛选提供了更多样本。
74.可理解的是，如图3所示，步骤s220包括如下步骤：
75.步骤s221、根据原始图像信息，计算原始图像信息的极大值包络曲面和极小值包络曲面。
76.应理解的是，设第一全息图像的图像信息为f(x,y)，则原始图像信息为f(x,y)，对f(x,y)求极大值和极小值，通过构造差值曲面得到f(x,y)的极大值包络曲面u(x,y)和极小值包络曲面v(x,y)。
77.步骤s222、计算极大值包络曲面和极小值包络曲面的均值，得到均值包络曲面。
78.应理解的是，对于极大值包络曲面u(x,y)和极小值包络曲面v(x,y)，将上下包络曲面每点的代数均值记为e(x,y)，则e(x,y)表示均值包络曲面，e(x,y)表示为：
[0079][0080]
步骤s223、计算原始图像信息和均值包络曲面的差值，得到差函数。
[0081]
应理解的是，对于原始图像信息f(x,y)和均值包络曲面e(x,y)，将原始图像信息f(x,y)和均值包络曲面e(x,y)的差值记为h(x,y)，差函数h(x,y)表示为：
[0082]
h(x,y)＝f(x,y)-e(x,y)
[0083]
步骤s224、将差函数作为原始图像信息，重复计算原始图像信息对应的差函数直至差函数为本征模态函数，并将最后一次计算得到的所述差函数作为第一本征模态函数分量。
[0084]
应理解的是，将差函数h(x,y)作为原始图像信息，重复步骤s221、步骤s222、步骤s223，且假设重复步骤s221、步骤s222、步骤s223的次数为k，此时的差函数为hk(x,y)，则第一次得到的差函数为h1(x,y)，满足条件：
[0085]
[0086]
且直至hk(x,y)是一个本征模态函数为止，定义c(x,y)＝hk(x,y)为第一本征模态函数，计算原始图像信息和第一本征模态函数分量的差值，得到第一余量，及第一余量orgi(x,y)＝f(x,y)-c(x,y)，将第一余量orgi(x,y)作为原始图像信息，重复执行步骤s210、步骤s220、步骤s230，直至得到与分解次数相同个数的第一本征模态函数分量，并将最后一次计算得到的第一余量作为分解次数对应的余量。
[0087]
因此，通过第一本征模态函数分量的计算能够将任一复杂的数据自适应地分解为第一本征模态函数分量，对于全息图像的处理没有特定的约束条件，自适应强，应用范围广。
[0088]
可理解的是，如图4所示，步骤s300包括如下步骤：
[0089]
步骤s310、遍历每一本征模态函数集中本征模态函数分量、余量的组合方式，得到多个组合函数。
[0090]
应理解的是，本征模态函数集中本征模态函数分量与余量的组合方式通过将两者相加来实现。
[0091]
应理解的是，假设获取的预设若干分解次数为7，则经过步骤s200可以得到七个本征模态函数集，对于每一次分解次数，可用n*imf+r表示，其中，n表示第n次分解得到的本征模态函数集，imf表示本征模态函数集中的本征模态函数分量的结合，r表示本征模态函数集中与本征模态函数分量对应的余量。如3*imf+r、4*imf+r、5*imf+r、6*imf+r以及7*imf+r分别表示第3次，第4次，第5次，第6次以及第7次分解得到的本征模态函数集。参考图4所示的实施例，遍历本征模态函数集中本征模态函数分量与余量组合方式，能得到多个组合函数。例如第四次分解得到的本征模态函数集4*imf+r，其中，imf1、imf2、imf3、imf4为本征模态函数集中的本征模态函数分量，且imf1、imf2、imf3、imf4按照频率由高到低排列，imf1的频率最高，imf4的频率最低，对于其中的imf1、imf2、imf3、imf4和r进行组合变换，可以得到imf1+r、imf2+r、imf3+r、imf4+r、imf1+imf2+r、imf1+imf3+r、imf1+imf4+r、imf2+imf3+r、imf2+imf4+r、imf3+imf4+r、imf1+imf2+imf3+r、imf1+imf2+imf4+r、imf1+imf3+imf4+r、imf2+imf3+im4+r、imf1+imf2+imf3+imf4+r，其中，imf1+imf2+imf3+imf4+r代表imf1、imf2、imf3、imf4与r的和。
[0092]
步骤s320、根据多个组合函数对应的频谱图，确定零频最小的频谱图对应的第一组合函数。
[0093]
应理解的是，将多个组合函数重构，得到多个全息图像，将零频最小的全息图像对应的组合函数作为第一组合函数。
[0094]
示例性的，以上述预设分解次数为7为例，当7*imf+r中的imf1+imf2+r的零频小于其他的组合，则第一组合函数为imf1+imf2+r。
[0095]
步骤s330、根据第一组合函数，确定第一本征模态函数集。
[0096]
应理解的是，将经过二维经验模态分解和过滤筛选后的全息图像与第一全息图像进行比对，可以发现前者的强度图右下角不会有缺失以及频谱图中的零频是最小的。
[0097]
应理解的是，零频最小的组合函数对应的本征模态函数为高频率的本征模态函数，其中，最高频率的本征模态函数为必需具备。
[0098]
可理解的是，还包括对第二全息图进行相位补偿。
[0099]
全息图产生的过程中可能会产生相位畸变，通过相位补偿能够提升第二全息图的
相位图的准确度，使第二全息图的相位更加接近实际物体的相位。
[0100]
可理解的是，第一全息图像基于马赫—曾德干涉光路的数字全息系统生成。
[0101]
应理解的是，基于马赫—曾德干涉光路的数字全息系统以波长为632.8nm的he-ne激光器作为光源，发出的光束经过扩束准直之后由第一分束镜分为参考光和物光，物光透过待测样品后再经第二分束镜到达电荷耦合元件ccd的记录面上，参考光经过衰减片后再经第二分束镜到达ccd的记录面上与物光产生干涉条纹，被ccd记录下来传输到计算机中。
[0102]
应理解的是，第一全息图像的生成还可以通过其他的数字全息系统，例如基于迈克尔逊干涉光路的数值全息系统、无透镜数字全息系统。
[0103]
可理解的是，相位补偿通过最小二乘拟合法实现。
[0104]
应理解的是，基于马赫—曾德干涉光路的数字全息系统采用离轴的马赫—曾德结构，其相位畸变的主要来源是倾斜角所引入的一次相位畸变，因此采用最小二乘拟合法对其进行相位补偿，相位补偿后的全息图像效果更好。
[0105]
在本发明第二方面提供的一种抑制全息图零级像的装置中，如图5所示，抑制全息图零级像的装置包括：
[0106]
全息图像获取模块100，用于获取第一全息图像；
[0107]
二维经验模态分解模块200，用于对第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，其中，本征模态函数集包括多个不同频率的本征模态函数分量以及余量；
[0108]
本征模态函数过滤模块300，用于对分解得到的所有本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，第一本征模态函数集包括若干本征模态函数分量和余量，若干本征模态函数分量与余量组合对应的零频最小；
[0109]
希尔伯特变换模块400，用于通过希尔伯特变换对第一本征模态函数集进行数据处理，得到第二全息图像。
[0110]
由于第二方面的抑制全息图零级像的装置应用第一方面任一项的抑制全息图零级像的方法，因此具有本发明第一方面的所有有益效果。
[0111]
应理解的是，上文中装置可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。
[0112]
根据本发明第三方面实施例提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时第一方面任一项的抑制全息图零级像的方法。
[0113]
由于第三方面的电子设备可执行计算机程序时第一方面任一项的抑制全息图零级像的方法，因此具有本发明第一方面的所有有益效果。
[0114]
第四方面，本发明提供一种计算机存储介质，包括存储有计算机可执行指令，计算机可执行指令用于执行第一方面任一项的抑制全息图零级像的方法
[0115]
由于第四方面的计算机存储介质可执行第一方面任一项的抑制全息图零级像的方法，因此具有本发明第一方面的所有有益效果。
[0116]
应理解的是，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不
可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
[0117]
下面参考图1和图5以一个具体的实施例详细描述根据本发明实施例应用全息图像。值得理解的是，下述描述仅是示例性说明，而不是对发明的具体限制。
[0118]
如图1步骤s100所示，全息图像获取模块100获取第一全息图像。
[0119]
进一步，如步骤s200所示，二维经验模态分解模块200对第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集。其中，本征模态函数集包括多个不同频率的本征模态函数分量以及余量。
[0120]
具体的，二维经验模态分解模块200获取预设的若干分解次数，并计算每一次分解次数对应的第一全息图像的本征模态函数集。
[0121]
具体的，如图2所示，如步骤s210，二维经验模态分解模块200将第一全息图像的图像信息作为原始图像信息。
[0122]
如步骤s220，二维经验模态分解模块200计算原始图像信息对应的第一本征模态函数分量。
[0123]
具体的，如图3所示，二维经验模态分解模块200通过如下步骤计算原始图像信息对应的第一本征模态函数分量。
[0124]
如步骤s221，根据原始图像信息，计算原始图像信息的极大值包络曲面和极小值包络曲面。
[0125]
应理解的是，设第一全息图像的图像信息为f(x,y)，则原始图像信息为f(x,y)，对f(x,y)求极大值和极小值，通过构造差值曲面得到f(x,y)的极大值包络曲面u(x,y)和极小值包络曲面v(x,y)。
[0126]
如步骤s222，计算极大值包络曲面和极小值包络曲面的均值，得到均值包络曲面。
[0127]
应理解的是，对于极大值包络曲面u(x,y)和极小值包络曲面v(x,y)，将上下包络曲面每点的代数均值记为e(x,y)，则e(x,y)表示均值包络曲面，e(x,y)表示为：
[0128][0129]
如步骤s223，计算原始图像信息和均值包络曲面的差值，得到差函数。
[0130]
应理解的是，对于原始图像信息f(x,y)和均值包络曲面e(x,y)，将原始图像信息f(x,y)和均值包络曲面e(x,y)的差值记为h(x,y)，差函数h(x,y)表示为：
[0131]
h(x,y)＝f(x,y)-e(x,y)
[0132]
如步骤s224，将差函数作为原始图像信息，重复计算原始图像信息对应的差函数，直至差函数为本征模态函数，并将最后一次计算得到的所述差函数作为第一本征模态函数分量。
[0133]
应理解的是，将差函数h(x,y)作为原始图像信息，重复步骤s221、步骤s222、步骤s223，且假设重复步骤s221、步骤s222、步骤s223的次数为k，此时的差函数为hk(x,y)，则第一次得到的差函数为h1(x,y)，满足条件：
[0134]
[0135]
且直至hk(x,y)是一个本征模态函数为止，定义c(x,y)＝hk(x,y)为第一本征模态函数分量。
[0136]
进一步，如步骤s230，二维经验模态分解模块200计算原始图像信息和第一本征模态函数分量的差值，得到第一余量。
[0137]
应理解的是，计算原始图像信息和第一本征模态函数分量的差值，得到第一余量，及第一余量orgi(x,y)＝f(x,y)-c(x,y)。
[0138]
进一步，如步骤s240，二维经验模态分解模块200将第一余量作为原始图像信息，重新计算第一余量对应的第一本征模态函数分量，直至得到与分解次数相同个数的第一本征模态函数分量，并将最后一次计算得到的第一余量作为分解次数对应的余量。
[0139]
应理解的是，将第一余量orgi(x,y)作为原始图像信息，重复执行步骤s210、步骤s220、步骤s230，直至得到与分解次数相同个第一本征模态函数分量，并将最后一次计算得到的第一余量作为分解次数对应的余量。
[0140]
进一步，如步骤s250，二维经验模态分解模块200将分解次数相同个数的第一本征模态函数分量和对应的余量作为本征模态函数集，得到至少一个本征模态函数集。
[0141]
进一步，如步骤s300,本征模态函数过滤模块300对分解得到的所有本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，第一本征模态函数集包括若干本征模态函数分量和余量，若干本征模态函数分量与余量组合对应的零频最小。
[0142]
具体的，如图4所示，本征模态函数过滤模块300通过如下步骤对本征模态函数集进行过滤筛选，得到第一本征模态函数集。
[0143]
如步骤s310，遍历每一本征模态函数集中本征模态函数分量、余量的组合方式，得到多个组合函数。
[0144]
应理解的是，假设获取的预设若干分解次数为7，则经过步骤s200可以得到七个本征模态函数集，对于每一次分解次数，可用n*imf+r表示，其中，n表示第n次分解得到的本征模态函数集，imf表示本征模态函数集中的本征模态函数分量的结合，r表示本征模态函数集中与本征模态函数分量对应的余量。如3*imf+r、4*imf+r、5*imf+r、6*imf+r以及7*imf+r分别表示第3次，第4次，第5次，第6次以及第7次分解得到的本征模态函数集。参考图4所示的实施例，遍历本征模态函数集中本征模态函数分量与余量组合方式，能得到多个组合函数。例如第四次分解得到的本征模态函数集4*imf+r，其中，imf1、imf2、imf3、imf4为本征模态函数集中的本征模态函数分量，且imf1、imf2、imf3、imf4按照频率由高到低排列，imf1的频率最高，imf4的频率最低，对于其中的imf1、imf2、imf3、imf4和r进行组合变换，可以得到imf1+r、imf2+r、imf3+r、imf4+r、imf1+imf2+r、imf1+imf3+r、imf1+imf4+r、imf2+imf3+r、imf2+imf4+r、imf3+imf4+r、imf1+imf2+imf3+r、imf1+imf2+imf4+r、imf1+imf3+imf4+r、imf2+imf3+im4+r、imf1+imf2+imf3+imf4+r，其中，imf1+imf2+imf3+imf4+r代表imf1、imf2、imf3、imf4与r的和。
[0145]
如步骤s320，根据多个组合函数对应的频谱图，确定零频最小的频谱图对应的第一组合函数。
[0146]
应理解的是，将多个组合函数重构，得到多个全息图像，将零频最小的全息图像对应的组合函数作为第一组合函数。
[0147]
示例性的，以上述预设分解次数为7为例，当7*imf+r中的imf1+imf2+r的零频小于
其他的组合，则第一组合函数为imf1+imf2+r。
[0148]
如步骤s330，根据第一组合函数，确定第一本征模态函数集。
[0149]
将经过二维经验模态分解和过滤筛选后的全息图像与第一全息图像进行比对，可以发现前者的强度图右下角不会有缺失以及频谱图中的零频是最小的。
[0150]
进一步，如步骤s400，通过希尔伯特变换对第一本征模态函数集进行处理，得到第二全息图像。
[0151]
希尔伯特变换相当于一个“十”字滤波器，对高频率的本征模态函数分量以及对应的余量的和进行希尔伯特变换之后，第二全息图的频谱图以零频的中心画一条水平线为界，水平线以上的部分没有了，留下以下的部分。与希尔伯特变换前相比，频谱少了一半，抑制效果达成，且保留了负一级。
[0152]
进一步，对第二全息图像相位补偿。
[0153]
进一步，第一全息图像基于马赫—曾德干涉光路的数字全息系统生成。
[0154]
具体的，第一全息图像基于马赫—曾德干涉光路的数字全息系统生成。该数字全息系统以波长为632.8nm的he-ne激光器作为光源，发出的光束经过扩束准直之后由第一分束镜分为参考光和物光，物光透过待测样品后再经第二分束镜到达ccd(charge-coupled device)相机的记录面上，参考光经过衰减片后再经第二分束镜到达ccd的记录面上与物光产生干涉条纹，被ccd记录下来传输到计算机中。
[0155]
进一步，相位补偿通过最小二乘拟合法实现。
[0156]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0157]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。