r_value_map — TOMOGRAPHY `spectral_xray` op

• Datenarten: images → image2d

• Aufruf: import fullseye as fs; fs.ledger.r_value_map(signal, channels=None, photons_per_pixel: 'float' = 100000.0, low: 'int' = 0, high: 'int' = -1, flat=None, min_log: 'float' = 0.02) -> 'np.ndarray' (die Implementierung direkt: import dualxray; dualxray.r_value_map(signal, channels=None, photons_per_pixel: 'float' = 100000.0, low: 'int' = 0, high: 'int' = -1, flat=None, min_log: 'float' = 0.02) -> 'np.ndarray'; aus dem Register: opstomography.get("r_value_map"))

Verwendung

Gibt das Bild von R = L_low / L_high (Verhältnis der logarithmischen Schwächung bei niedriger und hoher Energie) zurück.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

単色なら R = μ(E_low)/μ(E_high) で厚みに依らず材質だけで決まる(Z が大きいほど光電効果で低エネルギーの μ が大きく、R が大きい)。多色ではビーム硬化で厚みとともに少し動く —— その動きが「厚い軽元素と薄い重元素」の交絡の源。L_high < min_log の画素(ほぼ素通しで比が雑音だけになる)と信号が 0 以下の画素は NaN(拒否)。

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• (noch keine)

Typkompatible Folge-Operatoren (nehmen `image2d` als Eingabe)

radon_transform

Gleiche Kategorie (`spectral_xray`)

material_xray_table · material_xray_attenuation · material_xray_constants · material_effective_z · xray_tube_spectrum · xray_beam_quality · photon_counting_channels · dual_kvp_channels

*Provenance: dualxray.py — TOMOGRAPHY Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

r_value_map — TOMOGRAPHY spectral_xray op