循环嵌套，IIM算法实现

可以帮忙指导一下嘛，提点建议也可以，本人刚接触编程，简单循环还可以，复杂点的就不行了owo！

来自AI：
IIM（Iterative Importance Imaging Method）算法是一种用于图像重建的迭代算法，其基本思想是通过迭代计算图像中每个像素的权重，从而逐步重建图像。

以下是一个简单的 Python 实现，假设我们有一个测量数据 measurement，它是一个大小为 N 的一维数组，以及一个初始图像 image，它是一个大小为 M 的二维数组。

import numpy as np

def iim(measurement, image, alpha=0.9, max_iter=100):
    """
    使用 IIM 算法重建图像。

    Args:
        measurement: 一维数组，测量数据。
        image: 二维数组，初始图像。
        alpha: 迭代系数，默认为 0.9。
        max_iter: 最大迭代次数，默认为 100。

    Returns:
        reconstructed_image: 重建后的图像。
    """
    N, M = image.shape
    reconstructed_image = np.zeros_like(image)

    for i in range(max_iter):
        # 计算每个像素的权重
        weights = np.zeros(M)
        for j in range(M):
            weights[j] = np.sum(np.abs(image[:, j] - reconstructed_image[:, j]))
        weights /= np.sum(weights)

        # 根据权重更新图像
        for j in range(M):
            reconstructed_image[:, j] = alpha * weights[j] * measurement + (1 - alpha) * reconstructed_image[:, j]

    return reconstructed_image

在每次迭代中，我们首先计算每个像素的权重，然后根据权重更新图像。权重越大的像素在更新时所占的比重越大。迭代系数 alpha 控制了权重和测量数据在更新图像时的比重，默认值为 0.9。

以下是一个简单的使用示例：

# 生成测量数据和初始图像
N, M = 100, 100
measurement = np.random.randn(N)
image = np.random.rand(M)

# 使用 IIM 算法重建图像
reconstructed_image = iim(measurement, image)

# 显示结果
import matplotlib.pyplot as plt
plt.subplot(1, 3, 1)
plt.imshow(image)
plt.title("Initial Image")
plt.subplot(1, 3, 2)
plt.imshow(reconstructed_image)
plt.title("Reconstructed Image")
plt.subplot(1, 3, 3)
plt.imshow(np.abs(image - reconstructed_image))
plt.title("Error")
plt.show()

在这个示例中，我们生成了一个随机的初始图像和测量数据，然后使用 IIM 算法对其进行重建。最后，我们显示了初始图像、重建后的图像和它们之间的误差。