python框架下的CT成像重建后处理（CIL库）

1 python重建库

1.1 scikit-image库（平行束）

一开始在用scikit-image来处理CT重建，但是这个里面的iradon是处理平行束重建的，在扇束或者锥束形成的弦图重建上极具误导性，像我这种半路进来的人根本没细看CT的扇束成像和平行束成像有这么大的差别，就在这个坑里狠狠摸爬滚打一番，浪费了大量宝贵的时间。在scikit-image里面可能也有扇束处理，但是我还没有仔细去寻找和研究，此处后续再更。
scikit-image的github地址

1.2 ODL库（数据格式奇怪，失败。）

conda install -c odlgroup odl

在此后我努力寻找其他的处理方式，但是目前网上基本上都没有提供python可用的方式，直到有一天师兄遇见了一个库并告知我，于是我又钻进去研究了一番，但是这个库的使用更加奇怪了，导致我研究了两三天，从源码阅读到整个数据格式都很熟稔之后，发现我的数据格式很难转换成这个样子，他的输入竟然是六维的，具体我不过多解释了，毕竟我也是半吊子，自行去查阅就行，没有耐心的，可以直接进入下面的CIL。
ODL的github地址

2 MATLAB重建库

在上述两个Python库的尝试都失败了之后就被迫转入MATLAB了，其实，哎，一眼难尽。一直在用MATLAB处理，matlab自带的重建函数就很容易查找和使用了，虽然有些参数我不理解，实际上和他解释的也是大相径庭，但是摸索一下还是很容易找到规律的，主要是我的整个框架都是在python中做的，所以就不想再迁移去MATLAB了，同时我本人也不喜欢用MATLAB。

2.1 iradon重建平行束

help iradon自己阅读文档。

2.2 ifanbeam重建扇束

平行束到扇束是需要一个数据重排的，具体重排函数我忘了，直接matlab里面help ifanbeam就都有了。

使用matlab的可以自主搜索。iradon可以处理平行束重建，ifanbeam可以处理扇束重建。

2.3 其他重建（我还没看）

至于其他重建相关可以看看MIRT

3 python的CIL库

参考论文：《Core Imaging Library - Part I: aversatile Python framework for tomographic imaging》
本文介绍了核心成像库(CIL)，这是一个通用的开源Python库，用于处理和重建具有挑战性的层析成像数据。CIL是由层摄影成像(CCPi)网络协同计算项目开发的，可以从CIL库的下载地址获得，并附带文档、安装说明和大量演示。

CIL模块结构和内容概述如下图：

目前已有许多用于层析图像处理的软件库，如TomoPy[5]、ASTRA[6]、TIGRE[7]、Savu[8]、AIR Tools II[9]和CASToR[10]。类似地，有许多MATLAB和Python工具箱用于指定和解决与成像相关的优化问题，包括FOM[11]、GlobalBioIm[12]、ODL[13]、ProxImaL[14]和TFOCS[15]。CIL的目标是在一个易于使用、高度模块化和可配置的Python库中结合层析成像和优化软件这两个领域的最佳技术。特别强调的是在即插即用结构中实现各种正则化重建方法，在这种结构中可以很容易地选择和组合不同的数据保真度、正则化器、约束和算法。其目的是，用户将能够使用现有的重建方法，或自己的原型，处理噪声，不完整，非标准和多通道层析数据集，传统的FBP类型方法和专有软件不能产生满意的结果。除了重建，CIL还提供装载、预处理、可视化和导出数据的工具，用于后续分析和可视化探索。CIL轻松地与其他库连接，进一步组合和扩展功能;我们描述了ASTRA[6]、TIGRE[7]和ccpi规范化(CCPi-RGL)工具包[16]的CIL插件，以及使用CIL实现PET和MRI重建的协同图像重建框架(SIRF)[17]的互操作性。

其他细节看论文或者官网。