ellipse_phantom — TOMOGRAPHY `forward` op

• 데이터 종류: 없음 → image2d(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)

• 호출: import tomography; tomography.ellipse_phantom(size=256, ellipses=None, supersample=4)(또는 opstomography.get("ellipse_phantom"))

균일한 타원의 합을 *size* x *size* 슬라이스로 래스터화합니다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

The default is :data:SHEPP_LOGAN. The normalised square `[-1, 1]^2` maps

onto the grid, so `x = (col - (size-1)/2) / (size/2)`; the same mapping is

used by :func:ellipse_sinogram, which is what makes the two comparable

without a fudge factor.

*supersample* is the anti-aliasing factor: each pixel is the mean of

`supersample^2` sub-samples, so an edge pixel carries its true area

fraction. This is not cosmetic — a hard 0/1 rasterisation projects to a

sinogram that disagrees with the closed form by 0.276 % interior RMS of

the peak, against 0.073 % anti-aliased (measured), and the

difference is entirely the partial-volume edge.

:param size: side of the square grid, `2 .. 16384`.

:param ellipses: `(N, 6) rows (x0, y0, a, b, phi_deg, rho)` in

normalised coordinates; `None -> :data:SHEPP_LOGAN`.

:param supersample: anti-alias factor per axis, `1 .. 16`.

:returns: `(size, size)` float64 image; the Shepp-Logan default spans

`[0.0, 1.0]`.

:raises ValueError: on a non-int size, a degenerate ellipse, or a grid over

:data:MAX_IMAGE_ELEMENTS.

• 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.

• ct_reconstruction — py -3.11 examples/ct_reconstruction.py

• tomography_reconstruct — py -3.11 examples/tomography_reconstruct.py

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

ellipse_phantom — TOMOGRAPHY forward op