图像重建中常用的滤波器的设计

本文介绍了医学图像重建过程中滤波器的重要性,特别是RL滤波器和SL滤波器。RL滤波器通过窗函数截断斜坡滤波器,而SL滤波器则是用Sinc函数对斜坡滤波器进行截断。两者在离散化后用于扇束重建,显著提高了图像质量。文章提供了相应的离散化公式和MATLAB代码实现。
摘要由CSDN通过智能技术生成

        在医学图像重建的过程中,如果不使用滤波器,重建出来的图像与使用滤波器重建出来的图像的质量相差甚远,效果如下图所示:

         由上图我们可以看出,使用滤波器能极大的提高重建图像的质量,其中最为常见的就是RL滤波器与SL滤波器。

        首先介绍RL滤波器,RL滤波器是使用窗函数对斜坡滤波器进行截断产生的。如下图所示:

                                          

在使用该滤波器的时候,需要将其离散化,离散化之后的滤波器的函数表达式为:

                           h_{RL}(n\delta )=\begin{cases} \frac{1}{4\delta ^{2}}& \text{ if } n=0\\ 0 & \text{ if } n=2k \\ -\frac{1}{(n\pi \delta )^{2}} & \text{ if } n= 2k+1 \end{cases}

将该滤波器使用在扇束重建中时,将\delta换成\Delta \gamma即可。滤波器设计的代码如下:

RL = zeros(1,N);
for k2 = 1:N
    RL(k2) = -1/(pi*pi*((k2-N/2-1)*d)^2);
    if mod(k2-N/2-1,2)==0
        RL(k2) = 0;
    end
end
RL(N/2+1) = 1/(4*d^2);

        然后介绍SL滤波器,SL滤波器是使用Sinc函数对斜坡滤波器进行截断产生的。如下图所示:

                               

在使用该滤波器的时候,同样需要将其离散化,离散化之后的滤波器的函数表达式为:

                                h_{SL}(n\delta )=-\frac{2}{\pi ^{2}\delta ^{2}(4n^{2}-1)},(n=0,\pm 1,\pm 2,...)

将该滤波器使用在扇束重建中时,将\delta换成\Delta \gamma即可。滤波器设计的代码如下:

SL = zeros(1,N);
for k1 = 1:N
    SL(k1) = -2/(pi^2*delta^2*(4*(k1-N/2-1)^2-1));
end

 

 

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值