Matlab实现单分子显微镜模拟：SMeagol_mat开源项目

系统开源
需积分: 27 4 下载量 82 浏览量 更新于2024-11-06 收藏 2.42MB ZIP 举报
资源摘要信息:"psf的matlab代码-SMeagol_mat:SMeagol是用于模拟单分子显微镜（Single-Molecule Microscopy）操作的MATLAB工具箱。该工具箱是开源的，提供了多种模拟功能，可以帮助用户更好地理解单分子显微镜下的成像过程。它通常包括点扩散函数（Point Spread Function, PSF）的计算、荧光分子定位、成像系统建模以及模拟成像数据分析等模块。 PSF是指光学系统在理想情况下对一个点光源成像后得到的图像，它可以作为系统分辨率的一个度量。在单分子显微镜技术中，PSF的理解和计算至关重要，因为它们直接关系到能否准确地定位荧光标记的单个分子。 SMeagol_mat工具箱通过MATLAB代码实现了以下主要功能： 1. 点扩散函数（PSF）模拟：利用物理光学原理，用户可以生成不同光学系统条件下的PSF模型，这包括不同数值孔径（NA）的物镜、不同波长的光源、以及各种偏振和散射效应。 2. 荧光分子定位：SMeagol_mat提供了一系列算法，用于在模拟数据中定位荧光分子的位置。这包括了常见算法如极大似然估计（MLE）或高斯拟合等。 3. 成像系统建模：工具箱允许用户构建复杂的成像系统模型，包括光学畸变、光路设计等，从而在模拟环境中复现实际的实验条件。 4. 模拟成像数据分析：SMeagol_mat可以模拟成像数据，包括噪声和背景，并提供数据后处理的脚本，用于分析模拟数据，提取有关单分子行为的信息。 在使用SMeagol_mat工具箱之前，用户需要具备一定的光学知识和MATLAB操作技能。工具箱的开放性使得研究人员和开发者可以根据自己的需要对代码进行修改和扩展。 SMeagol_mat的压缩包文件通常会包含以下内容： - 主要的MATLAB脚本文件，实现了上述各项功能。 - 配置文件，用以调整模拟参数。 - 示例脚本，用于指导用户如何使用工具箱进行基本的模拟和分析。 - 文档说明，详细介绍了工具箱的使用方法、各个函数的作用和参数设置等。 - 数据集，有时会附带用于测试或演示目的的数据。 开源的SMeagol_mat工具箱为研究人员提供了一个强大的平台，帮助他们深入理解单分子显微镜成像的复杂性，并为实验设计提供理论基础。同时，它也为相关算法的开发和验证提供了一个灵活的测试平台。"

psf的matlab代码-HR-FLFM:高分辨率傅里叶光场显微镜用于体积多色活细胞成像

2021-05-24 上传
psf的matlab代码| | 高分辨率傅里叶光场显微镜用于体积多色活细胞成像 HRFLFM数据处理 该软件包包括数据预处理，图像背景减法，ACsN去噪算法和HR-FLFM 3D重建代码。 先决条件包括具有足够GPU内存的Nvidia GPU，Matlab 2020或更高版本，具有足够CPU内存的多核CPU。 使用DataProc4HRFLFM.mlapp文件可以有一个好的开始！ PSF校正 该软件包包括生成用于3D重建的混合FLFM PSF的方法。 使用该程序之前，请确保准备好模拟的PSF和实验性PSF。 播放参数，以确保它最适合您的显微镜系统。 使用PSFCorrManual.mlapp文件有一个好的开始！ 网络 请参考->

matlab开发-TektronixtDS1012显微镜

2019-08-23 上传
matlab开发-TektronixtDS1012显微镜。Tektronix TDS 1012 Matlab仪器驱动程序

webbpsf：James Webb太空望远镜PSF仿真工具

2021-02-10 上传
WebbPSF：James Webb和Nancy Grace罗马太空望远镜的模拟点扩展功能 WebbPSF为美国宇航局的下一个旗舰红外太空望远镜James Webb太空望远镜生产模拟的PSF。 WebbPSF可以为四种科学仪器中的任何一种以及精确引导传感器模拟图像，包括直接成像和冠状动脉成像模式。 WebbPSF还支持模拟即将推出的Nancy Grace罗马太空望远镜（以前称为WFIRST）的PSF，包括其宽视场仪器和日冕仪的初步版本。 由Marshall Perrin，Joseph Long，Neil Zimmerman，Robel Geda，Shannon Osborne，Marcio Melendez Hernandez，Lauren Chambers，Keira Brooks，Charles-Phillipe Lajoie，Jarron Leisenring，Alden J

ker[:, :, (centre-1):, (centre-1):] = psf[:, :, :centre, :centre]#.mean(dim=1, keepdim=True) ker[:, :, (centre-1):, :(centre-1)] = psf[:, :, :centre, -(centre-1):]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), (centre-1):] = psf[:, :, -(centre-1):, :centre]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), :(centre-1)] = psf[:, :, -(centre-1):, -(centre-1):]#.mean(dim=1, keepdim=True)这段代码，psf是complex张量，可以进行运算吗

2023-06-13 上传
这段代码是将psf张量的四个角上的部分分别复制到ker张量对应的位置，因为涉及到复制操作，所以需要保持psf和ker张量的数据类型一致。如果psf是一个complex张量，那么在复制过程中也会保持其数据类型不变，因此可以...

def focusPsf(psf, thresh): x = np.linspace(0, 1, psf.shape[0]) y = np.linspace(0, 1, psf.shape[1]) col, row = np.meshgrid(x, y) # Don't have to normalize as psf should already be normalized cen_row = np.uint8(np.sum(row * psf)) cen_col = np.uint8(np.sum(col * psf)) temp_sum = 0 radius = 0 psf /= np.sum(psf) while temp_sum < thresh: radius += 1 return_psf = psf[cen_row-radius:cen_row+radius+1, cen_col-radius:cen_col+radius+1] temp_sum = np.sum(return_psf) #print(temp_sum) #print(radius, temp_sum) return return_psf, cen_row, cen_col

2023-05-19 上传
它的输入是一个PSF和一个阈值，输出是一个在阈值条件下聚焦于PSF中心的PSF，以及PSF中心点的行和列坐标。 该函数的实现过程如下： - 首先，通过np.linspace()函数生成了x和y轴的网格点col和row。 - 然后，通过np....

def convert_otf2psf(otf, size): ker = torch.zeros(size).cuda() #psf = torch.fft.ifftn(otf, dim=(-3,-2,-1)) #psf = torch.stack((psf.real,psf.imag),-1) psf = torch.fft.ifft2(torch.complex(otf[...,0],otf[...,1]),dim=(-3,-2,-1)) psf = psf.real # circularly shift ksize = size[-1] centre = ksize//2 + 1 print(psf.size()) print(psf.type()) ker[:, :, (centre-1):, (centre-1):] = psf[:, :, :centre, :centre]#.mean(dim=1, keepdim=True) ker[:, :, (centre-1):, :(centre-1)] = psf[:, :, :centre, -(centre-1):]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), (centre-1):] = psf[:, :, -(centre-1):, :centre]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), :(centre-1)] = psf[:, :, -(centre-1):, -(centre-1):]#.mean(dim=1, keepdim=True) return ker这段代码报错， Warning: Casting complex values to real discards the imaginary part (function operator())，究竟是哪行代码的问题，该如何修改呢

2023-06-13 上传
这个警告信息来自于以下这行代码： ``` psf = psf.real ``` 这行代码会将复数张量 `psf` 的实部提取出来，舍弃掉虚部。因此，如果你要保留复数张量的信息，可以不使用这行代码。 如果你需要将复数张量转换为实数...

def convert_otf2psf(otf, size): ker = torch.zeros(size).cuda() psf = torch.fft.ifft2(torch.complex(otf[...,0],otf[...,1]), dim=(-3,-2,-1)) psf = psf.real # circularly shift ksize = size[-1] centre = ksize//2 + 1 #print(psf.type()) ker[:, :, (centre-1):, (centre-1):] = psf[:, :, :centre, :centre]#.mean(dim=1, keepdim=True) ker[:, :, (centre-1):, :(centre-1)] = psf[:, :, :centre, -(centre-1):]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), (centre-1):] = psf[:, :, -(centre-1):, :centre]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), :(centre-1)] = psf[:, :, -(centre-1):, -(centre-1):]#.mean(dim=1, keepdim=True) return ker假设输入的ker是维度为5的张量，这段代码中哪句话会出现UserWarning: Casting complex values to real discards the imaginary part这种数据不匹配的情况

2023-06-09 上传
这段代码中，第3行的 `psf = torch.fft.ifft2(torch.complex(otf[...,0],otf[...,1]), dim=(-3,-2,-1))` 会出现 `UserWarning: Casting complex values to real discards the imaginary part` 这种数据不匹配的情况...

用matlab模拟光在折射率不匹配的介质中传播时不同存储深度点扩散函数强度图像的轴向分布

2023-05-24 上传
以下是一个简单的MATLAB代码示例，用于模拟光在折射率不匹配的介质中传播并记录PSF： ```matlab % 定义介质折射率分布 n_air = 1.0; n_medium = 1.5*ones(100,100); % 100x100 的介质，折射率为1.5 % 定义入射光线...

def convert_otf2psf(otf, size): ker = torch.zeros(size).cuda() psf = torch.irfft(otf, 3, onesided=False) # circularly shift ksize = size[-1] centre = ksize//2 + 1 ker[:, :, (centre-1):, (centre-1):] = psf[:, :, :centre, :centre]#.mean(dim=1, keepdim=True) ker[:, :, (centre-1):, :(centre-1)] = psf[:, :, :centre, -(centre-1):]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), (centre-1):] = psf[:, :, -(centre-1):, :centre]#.mean(dim=1, keepdim=True) ker[:, :, :(centre-1), :(centre-1)] = psf[:, :, -(centre-1):, -(centre-1):]#.mean(dim=1, keepdim=True) return ker假设输入的otf是四维张量，那么 psf = torch.irfft(otf, 3, onesided=False)。在pytorch1.7版本之后报错，该如何修改可以保持整段代码不报错，输出维度没有问题

2023-06-13 上传
在pytorch1.7版本之后，`torch.irfft()`...因此，可以将代码中的`torch.irfft(otf, 3, onesided=False)`修改为`torch.irfft(otf, onesided=False, signal_ndim=3)`，这样可以保持整段代码不报错，输出维度没有问题。

function [Result, cost, SNR]= denoising(input, lambda, max_Iter, label, Ori_Img) cost = []; SNR = []; Img_ori = im2double(input); [height,width,ch] = size(input);1 denom_tmp = (abs(psf2otf([1, -1],[height,width])).^2 + abs(psf2otf([1; -1],[height,width])).^2) if ch~=1 denom_tmp = repmat(denom_tmp, [1 1 ch]); end % Initialize Vraiables Diff_R_I = zeros(size(Img_ori)); grad_x = zeros(size(Img_ori)); grad_y = zeros(size(Img_ori)); aux_Diff_R_I = zeros(size(Img_ori)); aux_grad_x = zeros(size(Img_ori)); aux_grad_y = zeros(size(Img_ori)); Cost_prev = 10^5; alpha = 500; beta = 50; Iter = 0; % split bregman while Iter < max_Iter grad_x_tmp = grad_x + aux_grad_x/alpha; grad_y_tmp = grad_y + aux_grad_y/alpha; numer_alpha = fft2(Diff_R_I+ aux_Diff_R_I/beta) + fft2(Img_ori); numer_beta = [grad_x_tmp(:,end,:) - grad_x_tmp(:, 1,:), -diff(grad_x_tmp,1,2)]; numer_beta = numer_beta + [grad_y_tmp(end,:,:) - grad_y_tmp(1, :,:); -diff(grad_y_tmp,1,1)]; denomin = 1 + alpha/betadenom_tmp; numer = numer_alpha+alpha/betafft2(numer_beta); Result = real(ifft2(numer./denomin)); Result_x = [diff(Result,1,2), Result(:,1,:) - Result(:,end,:)]; Result_y = [diff(Result,1,1); Result(1,:,:) - Result(end,:,:)]; grad_x = Result_x - aux_grad_x/alpha; grad_y = Result_y - aux_grad_y/alpha; Mag_grad_x = abs(grad_x); Mag_grad_y = abs(grad_y); if ch~=1 Mag_grad_x = repmat(sum(Mag_grad_x,3), [1,1,ch]); Mag_grad_y = repmat(sum(Mag_grad_y,3), [1,1,ch]); end grad_x = max(Mag_grad_x-lambda/alpha,0).(grad_x./Mag_grad_x); grad_y = max(Mag_grad_y-lambda/alpha,0).(grad_y./Mag_grad_y); grad_x(Mag_grad_x == 0) = 0; grad_y(Mag_grad_y == 0) = 0; Diff_R_I = Result-Img_ori-aux_Diff_R_I/beta; Mag_Diff_R_I = abs(Diff_R_I); if ch~=1 Mag_Diff_R_I = repmat(sum(Mag_Diff_R_I,3), [1,1,ch]); end if label == 1 Diff_R_I=max(Mag_Diff_R_I-1/beta,0).(Diff_R_I./Mag_Diff_R_I); else Diff_R_I=(beta/(2+beta)) * Diff_R_I; end Diff_R_I(Mag_Diff_R_I == 0) = 0; aux_Diff_R_I = aux_Diff_R_I + beta * (Diff_R_I - (Result - Img_ori )); aux_grad_x = aux_grad_x + alpha * (grad_x - (Result_x )); aux_grad_y = aux_grad_y + alpha * (grad_y - (Result_y)); Result_x = [diff(Result,1,2), Result(:,1,:) - Result(:,end,:)]; Result_y = [diff(Result,1,1); Result(1,:,:) - Result(end,:,:)]; if label == 1 Cost_cur = sum(abs(Result(:) - Img_ori(:))) + lambdasum(abs(Result_x(:)) + abs(Result_y(:))); else Cost_cur = sum(abs(Result(:) - Img_ori(:)).^2) + lambda*sum(abs(Result_x(:)) + abs(Result_y(:))); end Diff = abs(Cost_cur - Cost_prev); Cost_prev = Cost_cur; cost = [cost Cost_cur]; SNR_tmp = sqrt( sum( (Result(:)-double(Ori_Img(:))).^2 )) / sqrt(numel(Result)); SNR = [SNR SNR_tmp]; Iter = Iter + 1; end end

2023-05-24 上传
具体来说，算法首先通过FFT计算分母，并计算分子的两部分（其中一部分使用了差分算子），然后通过IFFT计算出分子除以分母的结果。接着，算法对计算得到的梯度进行$L_1$正则化，并更新残差。最后，算法计算当前的损失...
weixin_38708841
  • 粉丝: 3
  • 资源: 945
上传资源 快速赚钱

最新资源