单像素demo初探

入门仿真（零硬件）

1. single_pixel_demo（Matlab + Python）
   用 Hadamard 模式做采样，含加噪声与重建的完整最小示例；最适合第一天跑通。 GitHub

2. single-pixel-imaging（教育向示例）
   讲清单像素成像基本原理与流程，代码简单，便于改动做小实验。 GitHub

3. SPI（多重建算法合集，Bian Lab）
   一站式对比 DGI / GD / CGD / Poisson / 交替投影 / 稀疏CS / TV 等重建方法；入门后系统看算法差异。 GitHub

4. Fourier-single-pixel-imaging
   走 傅里叶谱采集 路线的高效SPI方案；理解“采样域选择”对质量/速度的影响。 GitHub

进阶与学习型方法（可当作对照/扩展）

5. GIDC（Ghost Imaging with Deep Constraints）
   把物理成像模型嵌进网络做超分辨GI，适合理解“物理先验+深度”的套路。 GitHub

6. DGI-SLNN（单层网络加速 DGI）
   低采样率下的实时高保真差分鬼成像；代码简洁，容易改成你自己的模式集。 GitHub

7. single-pixel-imaging（Optics Letters 2023 论文代码）
   属于“研究级”复现实验，看看学术结果如何落地代码。 GitHub

硬件/实战（投影/SLM/DMD + 探测器）

8. Single-Pixel-Camera（压缩感知相机）
   讲解 DMD/光电二极管/ADC 等部件与数据流；用随机图案采样再重建，作为搭建路线参考很实用。 GitHub

9. SPAS（Single-Pixel Acquisition Software）
   Python 采集包，可控 DLP7000 SLM 与 AvaSpec 光谱仪；配套 SPyRiT 算法生态，工程化程度高。 GitHub

10. ONE-PIX（教学/低成本 SPI & 高光谱入门套件）
    面向教学的整套思路与代码，低成本做出可复现实验，是从仿真迈向硬件的捷径。 GitHub

推荐上手顺序（给你一个“周末→两周”的实战计划）

Day 1–2：跑通最小闭环

• 跑 single_pixel_demo，看无噪/有噪、采样率从 10%→50% 的 PSNR/SSIM 变化。 GitHub

Day 3–5：算法对比&采样域选择

• 用 SPI 项目，把同一目标图在 DGI / TV-CS / CGD 下重建；记录重建质量 vs. 采样数曲线。

• 再试 Fourier-single-pixel-imaging，体会 Hadamard vs. Fourier 的收敛/鲁棒性差异。 GitHub+1

Week 2：硬件半实战（无DMD也可）

• 若暂时没有 DMD：用投影仪+相机或屏幕显示图案、相机积分求“桶测量”做伪单像素实验，流程参考 Single-Pixel-Camera 文档。

• 有 DMD/SLM：用 SPAS 做图案播放与信号采集，然后用 SPyRiT / 你自己的重建脚本 复现 Hadamard 或 S-matrix 流程。 GitHub+1

想玩点“AI+物理”的

• 先把 DGI-SLNN 跑通，再对比经典 DGI 的速度/质量；或者尝试 GIDC 看“物理约束的深度方法”。 GitHub+1