tm_sart_reconstruct — 2D `tomography` op

• 데이터 종류: image → image

• 호출: fullseye.apply(img, "tm_sart_reconstruct", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

사용법

대수적 재구성: 입력 사이노그램(행 = 각도)에 대해 SART/SIRT 스윕을 몇 차례 수행한다. `a는 반복 횟수(round(1+a*4) -> 1..5)를 설정하고, b는 완화 계수(0.05 + b*0.35)를 설정한다. 가능하면 skimage.transform.iradon_sart`를 사용하고, 그렇지 않으면 자체 구현한 NumPy SIRT 루프(투영 -> 잔차 -> 가중 역투영)를 사용한다. 출력은 HxW로 다시 맞춰진다.

자세한 사용 가이드

• gallery2d_physics_alife_3d 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_physics_alife_3d — py -3.11 examples/gallery2d_physics_alife_3d.py

타입이 이어지는 다음 연산자(`image` 를 입력으로 받는 것)

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

같은 카테고리(`tomography`)

tm_radon_forward · tm_fbp_reconstruct · tm_backproject_unfiltered · tm_sinogram_denoise

*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

tm_sart_reconstruct — 2D tomography op

사용법