数字全息技术结合了光学全息技术和现代计算机技术,利用CMOS记录全息图并借助于计算机对全息图进行处理和复现。相比于传统摄像技术,全息成像便于对被测物体进行三维形貌的复现。因而在生物医学以及精密测量领域得到了广泛的关注。但目前数字全息受限于CMOS光敏面尺寸和传感器分辨率,导致全息记录的视场小,无法满足大尺寸测量的需求。传统增大视场的方案多依赖于机械的运动结构,导致测量记录过程中引入难以避免的抖动等误差。并且高精密运动结构的控制系统需要针对结构特性进行改进,增加了系统设计的复杂度。本论文中采用了微机电芯片实现微位移,在降低成本的同时,增加了系统稳定性。论文讨论了科研工作者在数字全息、大视场数字全息以及图像拼接领域做过的研究。对数字全息记录以及复现的原理做了详细的阐述,并根据前人的研究成果进行了数字全息图像的记录并在计算机中实现了被记录物体的形貌复现。对于全息图采集时曝光时间难以确定的问题引入多曝光融合技术。针对记录到的数字全息图像中存在的噪声干扰,文章分析了噪声引入的具体过程。改进实验光路滤除背景杂散光,针对零级像采用记录背景光后归一化的方式进行消除。对于无法通过改进光路滤除的随机噪声,文章分析了独立的时域和频域图像滤波技术在滤波过程中对原始图像信息造成的影响。并验证了本文所用的滤波算法可以提升复现图像的质量。并将滤波后图像使用同态滤波技术进行亮度调整。复现的过程中可以看到传统的同轴数字全息存在视场小、可探测区域不足以及存在共轭像干扰的问题。针对共轭像干扰,本文采用了迭代的算法进行消除,从实验结果可以看出该算法可以有效消除共轭像的干扰。针对共轭计算耗时较长的问题,采用GPU对算法进行了加速。并针对光纤全息图像进行了验证。对于视场限制,本文改进了之前的光源扫描方案,用微机电器件DMD(数字微镜)代替了传统的机械运动结构。实验结果表明,该方案简单有效并且消除了传统机械部件引入的随机抖动。由于点光源扫描拍摄到的是被测物体的局部信息,为了将图像合成到同一幅图像中,需要使用图像拼接技术。该技术包括图像配准和融合两项核心技术,配准过程多以图像特征信息为基础。本文首先验证了经典的SIFT特征算子在全息图像配准中的效果但由于SIFT算子维度高,难以实现实时处理。此外SIFT只使用局部特征,对于全息图纹理相似的情况容易出现较多的误匹配。本文使用了加入全局信息后的SIFT算法验证了在全息图像配准过程中的效果,对寻找到的匹配点对选用RANSAC算法进行筛选,去除误匹配的特征点对。并采用GPU加速了以上特征提取过程。如何将重叠部分的信息最大化的注册到同一幅图像中是图像融合要实现的任务。由于数字图像融合时要处理的数据量大,本文对比了小波图像融合策略和基于引导图像滤波技术的图像融合策略的图像融合效果,并对算法提出了改进。根据以上的理论分析搭建了全息图像采集的光路,为方便光路的可控扫描完成了DMD(数字微镜)软件的编写,最终以标准分辨率板为实验对象,对以上过程进行了实验验证。