r_value_map — TOMOGRAPHY `spectral_xray` op

• Data kinds: images → image2d

• Call: 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' (implementation को सीधे call करना हो तो 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', registry से लेना हो तो opstomography.get("r_value_map"))

उपयोग

R = L_low / L_high (low और high energy के log attenuation का अनुपात) की image देता है।

> नीचे का विस्तृत विवरण मूल text में है — सारांश और headings का अनुवाद हो चुका है।

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)。

संदर्भ (sample data, साहित्य)

• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।

• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।

• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।

चलाए जा सकने वाले उदाहरण (verified samples जो सच में यह op call करते हैं)

• (अभी कुछ नहीं)

वे अगले ops जिनसे type जुड़ता है (`image2d` को input के रूप में लेते हैं)

radon_transform

इसी category के (`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. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*

r_value_map — TOMOGRAPHY spectral_xray op