tm_sinogram_denoise — 2D tomography op

• 데이터 종류: image → image

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

사용법

입력 사이노그램을 각도 방향(행)을 따라 평활화(smoothing)한다. 인접한 투영 각도들은 거의 동일한 물체를 관측하므로, 각도 방향의 평활화는 사인 곡선 궤적을 보존하면서 각도별 검출기 노이즈를 억제하는 진정한 일관성 사전(prior)이다. `a는 각도 축의 가우시안 sigma(a*4)를 설정하고, b는 완만한 검출기 축 sigma(b*1.5`)를 추가한다. 출력은 동일한 형태의 사이노그램으로 [0,1] 범위를 유지한다.

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_sart_reconstruct · tm_backproject_unfiltered

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

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.