tm_fbp_reconstruct — 2D `tomography` op

• Datenarten: image → image

• Aufruf: fullseye.apply(img, "tm_fbp_reconstruct", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

Verwendung

Gefilterte Rückprojektion (FBP): `v wird als Sinogramm behandelt (Zeilen = Winkel, Spalten = Detektor, Winkel werden als gleichmäßig über [0,180) angenommen) und die Schicht rekonstruiert. b wählt den Rekonstruktionsfilter — b < 0,5 -> Ram-Lak (Rampenfilter), b >= 0,5 -> Shepp-Logan. a wird nicht verwendet (der Filter ist der bedeutsame Regler). Verwendet skimage.transform.iradon`, falls verfügbar, andernfalls die FFT-rampengefilterte Rückprojektion in NumPy. Ausgabe wird wieder auf HxW angepasst.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_physics_alife_3d

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)

• gallery2d_physics_alife_3d — py -3.11 examples/gallery2d_physics_alife_3d.py

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

identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter

Gleiche Kategorie (`tomography`)

tm_radon_forward · tm_sart_reconstruct · tm_backproject_unfiltered · tm_sinogram_denoise

*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

tm_fbp_reconstruct — 2D tomography op