学习我给出的代码，根据在matlab上显示的实验结果给出实验结果分析和优化方法，不要分条回答，请写成一整段话：clear; close all; clc; %% ====================== 参数设置 ====================== lambda = 532e-9; % 光波长 [m]，532 nm绿光 pixel_size = 2.9e-6; % CCD像素尺寸 [m] z = 27e-3; % 记录距离 [m]（全息图到物体的正向传播距离） z1 = -27e-3; % 反向传播距离 [m]（负号表示传播方向与z相反） iter_num = 500; % GS算法迭代次数 relax_factor = 0.8; % 松弛因子 M = 1024; % 图像高度（调整后的像素行数） N = 1024; % 图像宽度（调整后的像素列数） %% ==================== 读取原始幅值图 ==================== % 目的：获取基准图像用于后续PSNR计算 amp_gt = im2double(imread('BJUT.jpg')); % 读取原始图像并转换为双精度 amp_gt = imresize(amp_gt, [M, N]); % 调整图像尺寸至指定分辨率 amp_gt = rgb2gray(amp_gt); % 转换为灰度图像 amp_gt = amp_gt / max(amp_gt(:)); % 归一化到[0,1]范围 %% ==================== 读取全息图数据 ==================== file = '1.mat'; % 全息图数据文件名 data = load(file); % 加载.mat文件 fn = fieldnames(data); % 获取结构体字段名称 holo = double(data.(fn{1})); % 提取全息图数据并转换类型 holo = holo / max(holo(:)); % 全息图归一化处理 %% ==================== 初始化振幅估计 ==================== obj_amp = sqrt(holo); % 根据全息图强度计算初始振幅估计 %% ==================== 相位恢复过程 ====================== % 使用Gerchberg-Saxton算法进行迭代相位恢复 Uo = phase_recovery(obj_amp, iter_num, z, z1, lambda, pixel_size, relax_factor); %% ================ 最终传播获取重建结果 ================== obj_field = angular_spectrum(Uo, z1, lambda, pixel_size); % 反向传播到物面 rec_amp = abs(obj_field); % 提取重建振幅 rec_phase = angle(obj_field); % 提取重建相位（单位：弧度） %% ==================== 结果显示与评估 ==================== figure; subplot(1,3,1), imshow(holo, []), title('原始全息图'); subplot(1,3,2), imshow(rec_amp, []), title('重建振幅'); subplot(1,3,3), imshow(rec_phase, []), title('重建相位'); % 计算PSNR评估重建质量 rec_amp_norm = rec_amp / max(rec_amp(:)); % 归一化重建振幅 mse = mean((amp_gt(:) - rec_amp_norm(:)).^2); % 计算均方误差 psnr_val = 10 * log10(1 / mse); % 计算PSNR值 fprintf('[质量评估] PSNR = %.2f dB\n', psnr_val); % 输出结果 %% ==================== 函数定义部分 ================