tm_fbp_reconstruct — 2D `tomography` op

• 데이터 종류: image → image

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

tm_fbp_reconstruct: 入力 → 出力

*그림은 128×128 합성 입력에서 실제로 실행한 출력. 왼쪽이 입력, 오른쪽이 출력(이미지가 아닌 반환값은 값 자체를 표시).*

사용법

필터링된 역투영(FBP): `v를 사이노그램(행 = 각도, 열 = 검출기, 각도는 [0,180)에 걸쳐 균일하다고 가정)으로 취급하여 단면을 재구성한다. b는 재구성 필터를 선택한다 — b < 0.5 -> Ram-Lak(램프 필터), b >= 0.5 -> Shepp-Logan. a는 사용되지 않는다(의미 있는 조절값은 필터 쪽이다). 가능하면 skimage.transform.iradon`을 사용하고, 그렇지 않으면 NumPy의 FFT 램프 필터 역투영을 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.

Studio에서 시도하기

아래 프로그램은 실제로 실행됨을 확인했습니다(그림과 같은 입력). Studio 도움말에서는 이 블록이 버튼이 되어 즉시 불러와 실행할 수 있습니다.

tm_fbp_reconstruct 0.50 0.50

▸ Load this pipeline · Load & run

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_sart_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_fbp_reconstruct — 2D tomography op

사용법