利用python进行平行束FBP重建结果

已于 2022-10-13 21:17:28 修改
阅读量1.3k 收藏 4
点赞数 1
文章标签： python 开发语言 图像处理
于 2022-07-21 10:21:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lingyanly/article/details/125906378
版权
该博客详细介绍了FBP（Filtered Back-Projection）重建算法的步骤，包括正投影、补零、滤波器构建、快速傅里叶变换、相乘、傅里叶逆变换和反投影等。同时提供了Python代码资源，帮助读者理解并实现该算法。通过对比原图、重建图像和残差图，展示算法的效果。
摘要由CSDN通过智能技术生成

所涉及的知识点：
FBP重建的步骤：
1.正投影
2.对每一个角度的投影数据补零，是至少补N-1个零；N是一个角度投影数据的长度。
3.构建和补零后数据长度一样的空间滤波器。
4.分别将空间滤波器和每一个角度的投影数据进行快速傅里叶运算。
5.傅里叶变换后的滤波器和每一个角度傅里叶变换后的投影数据相乘。
6.傅里叶逆变换，取前N个值。
7.反投影，将差值叠加到重建图像上。
在这里插入图片描述
图一是原图，图二是重建图像，图三是残差图。
python代码资源：https://download.csdn.net/download/lingyanly/86247105

爱敲代码的小学生
关注
BFPRT算法及python实现
庞琳卓的博客
04-02 1705
from mergeSort_recursion import mergesort import random def partion(a, m, m_index): #对a进行排序，使得比m小的元素放在m前面，比m大的元素放在m后面 #输入：m_index（m在a中的index） #返回m前面, m后面各自元素的数目,以及m在新数组中的index #将m与数组第一个元素交换位置，然...
传统CT重建算法FBP算法代码，可直接运行
12-06
matlab提供大量函数，可以方便的完成fbp算法 1)fbp算法原理： 中心切片定理 (CST) : 原数据投影的一维傅立叶变换等于原数据的二维傅立叶变换 0818b9ca8b590ca3270a3433284dd417.png 投影 --> 一维傅立叶变换 --> 滤波 --> 二维傅立叶反变换 经过上述过程应该得到原始数据 2)投影相关知识 2.1)正投影：对投影线经过的像素做线积分，积分得到的值保存为该角度下的权值 对一组数据 P 做 Radon 变换，即做正投影，会得到两个数据 [R, xp] = radon(P,theta); xp是投影线条数 R是theta角下第 xp 条投影线得到的线积分，即权值 0818b9ca8b590ca3270a3433284dd417.png 0818b9ca8b590ca3270a3433284dd417.png 2.2) 反投影：反投影是利用上面投影得到的 R 权值，把R值投回到 x y 坐标中 x y 满足 x*cos(theta) + y*sin(theta) = R 就表明点(x, y)在投影线上
FBP重建算法.zip_FBP_FBP重建算法_backprojection_投影 重建_投影重建
07-14
FBP重建算法 滤波反投影 投影 反投影
Python实现平行束滤波反投影——Inverse Radon Transformation
kouwang9779的博客
04-21 2310
参考博文进行了平行束滤波反投影的修改，将时域滤波修改为频域滤波，重建后消除原博文中图像的竖条状伪影。 https://blog.csdn.net/hsyxxyg/article/details/106433940 频域平行束滤波反投影（反radon变换） 产生频域滤波信号： nextpow2函数的实现可参见github： https://github.com/freenowill/Denoise-/blob/ba99babb685f6c80f07a23275c8c2127de601815/Denois
FBP 重建
kronhugo的专栏
03-16 1290
最近一直在实现FBP重建算法，总算是成功了，数学真是奇妙        ⇒    
平行束FBP重建Python代码（RL滤波器）适合于刚学习FBP重建算法，要加深对它的理解的同学。实验结果已经测试过2.zip
最新发布
06-27
平行束FBP重建Python代码（RL滤波器）适合于刚学习FBP重建算法，要加深对它的理解的同学。实验结果已经测试过2
平行束FBP重建Python代码（RL滤波器）
07-21
适合于刚学习FBP重建算法，要加深对它的理解的同学。实验结果已经测试过。如购买后，有疑问，请联系iamxiaoyoung@yeah.net.
NeuTomPy: Python层析成像数据处理和重建的开源工具箱.
SoftwareX 9（2019）260原始软件出版物NeuTomPy工具箱，用于层析成像数据处理和重建的Python软件包Davide Micielia，b，Triestino Minnitic，Giuseppe GorinibaDipartimento di Fisica，Università della Calabria...
FBP算法实现
05-18
一种fbp算法 可以用于matlab中进行ct成像研究
ODL_Jonas_Adler_MIC_SW2015_ODL文档_python_FBPpython_
09-30
ODL python数据处理，用于医学影像重建，包括MLEM、FBP算法等
FBP重建算法
09-09
MATLAB编写的经典FBP重建算法，商用CT主流重建算法
平行束投影重建算法（MATLAB程序）——DBP、FBP、CBP
04-12
针对平行束投影数据，通过直接反投影算法、滤波反投影算法和卷积反投影算法进行图像重建。文件是三种算法的源程序。
直接反投影 matlab,濾波反投影重建算法（FBP）實現及應用（matlab）
weixin_36054993的博客
03-20 3285
濾波反投影重建算法實現及應用(matlab)1. 濾波反投影重建算法原理濾波反投影重建算法常用在CT成像重建中，背后的數學原理是傅立葉變換：對投影的一維傅立葉變換等效於對原圖像進行二維的傅立葉變換。(傅立葉中心切片定理)CT重建算法大致分為解析重建算法和迭代重建算法，隨着CT技術的發展，重建算法也變得多種多樣，各有各的有特點。本文使用目前應用最廣泛的重建算法——濾波反投影算法(FBP)作為模型的基...
Pytorch实现CT图像正投影（FP）与反投影（FBP）的模块
kouwang9779的博客
07-09 6384
FP/FBP Modules 有关CT图像重建或图像处理的训练任务有时需要数据在投影域和图像域上进行变换，为了能使梯度在投影域和图像域之间进行传播，需要实现Forward Projection与Back Projection模块。 参考文献中提到的平行束正反投方法，可以进行网络中正反投模块的Pytorch实现。 [1] Zhao, J. , et al. “Unsupervised Learnable Sinogram Inpainting Network (SIN) for Limited Angle
滤波反投影重建算法（FBP）实现及应用（matlab）
热门推荐
土豆洋芋山药蛋的博客
09-28 8万+
滤波反投影重建算法实现及应用（matlab） 1. 滤波反投影重建算法原理 滤波反投影重建算法常用在CT成像重建中，背后的数学原理是傅立叶变换：对投影的一维傅立叶变换等效于对原图像进行二维的傅立叶变换。（傅立叶中心切片定理） CT重建算法大致分为解析重建算法和迭代重建算法，随着CT技术的发展，重建算法也变得多种多样，各有各的有特点。本文使用目前应用最广泛的重建算法——滤波反投影算
FBP 滤波反投影重建
weixin_43528481的博客
08-19 3910
一.为什么光有反投影不足以得到质量较好的图像，下面这个图像能很好的说明问题，图像的边缘模糊 二…中心切片定理 二维图像的中心切片定理指出：二维函数 f(x, y) 的投影 p(s) 之傅里叶变换 P(ω) 等于函数 f(x, y) 的傅里叶变换 F(ωx, ωy) 沿与探测器平行的方向过原点的片段 1.一维连续傅里叶变换对： 二维连续傅里叶变换对： 2.根据中心切片的定义，如果探测器绕物体旋转至少180°，物体的二维傅里叶变换 ) , F （ωx, ωy) 所对应于探测器方向的中心片段就能覆盖整
python傅里叶变换&滤波
MaYuHuaw的博客
03-23 6242
import numpy as np import skimage import matplotlib.pyplot as plt import cv2 # 读取图像 image =np.load('FBP算法实现重建.npy') # 二维傅里叶变换 f_image = np.fft.fft2(image) # 傅里叶变化后的矩阵，元素为复数 # 直流低频部分shift到中间 fshift = np.fft.fftshift(f_image) # 使用np.abs()计算复数长度（振幅）
fbp算法matlab实现,matlab实现fbp算法
weixin_32246721的博客
03-19 3198
matlab提供大量函数，可以方便的完成fbp算法1)fbp算法原理：中心切片定理 (CST) : 原数据投影的一维傅立叶变换等于原数据的二维傅立叶变换 投影 --> 一维傅立叶变换 --> 滤波 --> 二维傅立叶反变换经过上述过程应该得到原始数据2)投影相关知识2.1)正投影：对投影线经过的像素做线积分，积分得到的值保存为该角度下的权值对一组数据 P 做 Radon 变...
滤波反投影算法 python
05-10
滤波反投影（Filtered Back Projection，简称FBP）算法是一种重建图像的方法，常用于医学影像学中的CT（Computed Tomography，计算机断层扫描）图像的重建。以下是使用Python实现FBP算法的基本步骤： 1. 读取原始投影数据，将其转换为Numpy数组。 2. 对投影数据进行滤波，常用的滤波器有Ram-Lak、Shepp-Logan和Butterworth等，可以使用Numpy中的fft函数实现。 3. 对滤波后的数据进行反投影，也就是从投影数据到图像的转换过程。反投影过程中，对每个角度的投影数据进行插值，可以使用Numpy中的interpolate函数实现。 4. 将所有反投影结果相加，得到最终重建的图像。 下面是一个简单的示例代码： ```python import numpy as np from scipy import fft, ifft, interpolate def fbp_reconstruction(proj_data, angles, filter_type='ramlak'): # 初始化图像大小和重建结果 nrow, ncol = proj_data.shape reconstructed = np.zeros((nrow, ncol)) # 构造滤波器 freqs = np.linspace(0, 1, ncol//2+1, endpoint=True) if filter_type == 'ramlak': filter = np.ones(ncol//2+1) elif filter_type == 'shepp-logan': filter = np.abs(freqs) elif filter_type == 'butterworth': filter = 1 / (1 + (freqs / 0.2)**4) else: raise ValueError('Unknown filter type') filter = np.concatenate((filter, filter[-2::-1])) # 对每个角度进行反投影 for i, angle in enumerate(angles): # 计算反投影坐标 x = np.arange(nrow) - (nrow-1) / 2 y = np.arange(ncol) - (ncol-1) / 2 x, y = np.meshgrid(x, y) x_rot = x * np.cos(angle) + y * np.sin(angle) y_rot = -x * np.sin(angle) + y * np.cos(angle) # 对投影数据进行插值 proj_interp = interpolate.interp1d(np.arange(ncol), proj_data[i], kind='linear') proj_rot = proj_interp(y_rot + (ncol-1) / 2) # 进行反投影 backproj = np.zeros_like(reconstructed) for j in range(nrow): backproj[j] = np.sum(proj_rot * np.roll(filter, j-(nrow-1)//2)) reconstructed += backproj # 根据反投影值进行归一化 reconstructed /= len(angles) return reconstructed ``` 其中，proj_data是原始投影数据，angles是每个角度的投影角度，filter_type是滤波器类型，可以选择'ramlak'、'shepp-logan'或'butterworth'。重建结果为一个Numpy数组，大小与投影数据相同。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

爱敲代码的小学生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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