滤波反投影法 (1)
滤波反投影法的实施步骤
滤波反投影法的实施步骤1. 简介滤波反投影法（Filtered Back Projection, FBP）是一种重建计算机体层成像（Computed Tomography, CT）图像的方法。
它通过对一系列飞行时间或射线投影数据进行滤波和反投影操作，来恢复被测物体的内部结构信息。
本文将详细介绍滤波反投影法的实施步骤。
2. 数据获取首先，我们需要获取一系列的投影数据。
投影数据是通过将被测物体从不同角度进行透射扫描而得到的，通常使用X射线或者其他形式的射线。
3. 数据预处理在进行滤波反投影之前，我们需要对投影数据进行一些预处理操作。
这些操作包括：去除背景噪声、校准投影数据以及执行各种纠正操作，以确保数据的准确性和一致性。
4. 滤波操作滤波操作是滤波反投影法中的关键步骤，它通过对投影数据进行频域滤波来增强图像的对比度和细节信息。
常用的滤波方法包括：Ram-Lak、Shepp-Logan、Hann窗等。
5. 反投影操作在经过滤波操作后，我们需要进行反投影操作来恢复原始图像。
反投影是将滤波后的投影数据逆向投影回图像空间的过程。
反投影操作涉及到几何重建算法和数学运算，可以使用快速反投影算法（FFT-based Back Projection）等高效算法来加快图像重建速度。
6. 重建图像优化得到初步的重建图像后，我们可以对其进行一些优化处理，以提高图像质量和视觉效果。
常见的优化方法包括：去除伪影、降噪、增加对比度、增强图像细节等。
7. 结果评估最后，我们需要对重建图像进行结果评估。
这包括比较重建图像和原始物体的差异，评估图像质量和准确性，并根据需要进行后续的调整和改进。
8. 总结滤波反投影法是一种常用的重建CT图像的方法，它通过对投影数据进行滤波和反投影操作，实现了对被测物体的内部结构信息的恢复。
本文介绍了滤波反投影法的实施步骤，包括数据获取、数据预处理、滤波操作、反投影操作、重建图像优化和结果评估等。
通过遵循这些步骤，可以有效地进行CT图像的重建工作，并获得高质量的图像结果。
滤波反投影法
滤波反投影法：
滤波反投影法根据附件三所给接收信息，采用先修正、后投影重建图像的做法，可得到原始图像的吸收率信息。
其原理为：在得到某一角度下的投影函数（一维函数）后，对此函数做滤波处理，得一修正后的滤波函数，再对修正后的滤波函数做反投影运算，得待检测介质吸收率在正方形托盘中的每一点的分布密度函数。
图1给出了滤波反投影法重建原始图像的流程图。
图1滤波反投影法流程图
反投影法重建原始图像的步骤：
（1）在对应于投影函数的角度下对投影函数做一维Fourier变换；
（2）对（1）得到的变换结果乘以权重因子；
（3）对（2）加权后得到的结果做一维傅立叶；
（4）对（3）所得函数做直接反投影；
（5）改变投影角度，得到180个不同的投影角度，对每一角度，重复上述步骤（1）~（4）。
R-L（Ram-Lak）滤波函数：
此函数的基本条件是二维图像函数的频率是有界的，显然，此题所得附件五的所有数据满足此条件。
故频域中的滤波函数可表示为：
其函数图像如图1.
图1R-L滤波函数图像
连续的R-L卷积函数所得结果为：
离散的R-L卷积函数所得结果为：
根据上述滤波原理，在本题中，对附件五中数据的具体滤波过程可用Matlab内置的Ram-Lak命令实现。
基于2017数学建模的滤波反投影算法应用
Image & Multimedia Technology •图像与多媒体技术Electronic Technology & Software Engineering 电子技术与软件工程• 91【关键词】CT 重构 randon 变换 滤波反投影1 CT图像重建原理的知识背景CT 系统基本过程是：平行入射的X 射线垂直于探测器平面发射，形成一个发射-接收CT 系统，每个探测器单元都看做是一个接收点，且间隔距离相等。
计算机断层成像图像重建的过程是按照一定的算法将已经检测到的投影数据进行数学运算，最终得到断层图像。
Radon 变换及其逆变换：物体断层被射线扫描后需要用重建算法计算才能得到CT 图像，图像重建的基础是Radon 变换及其逆变换。
假设每条射线相互平行，对于一个二维平面进行射线检测可得到一条投影数据，该投影数据称为二维平面的一个Radon 变换；如果检测中该平面旋转180度，同时将对应的投影数据进行组合，则得到类似正弦分布形式的图像，从正弦图获取二维平面图像的变换称为Radon 反演。
用公式可分别描述为：，由于matlab 中封装有radon 函数，使用时直接调用函数：R=radon （I ，theta ）。
2 滤波反投影算法radon 函数使用的算法是滤波反投影法，反投影算法因为引入“星”状伪影而导致重建的图像失真，为了消除这个伪影，在进行反投影重建之前将数据修正，最后对修正后的投影数据进行反投影，这样就获得没有伪影的重建图像。
该方法是在空间域中把投影的数据直接反向投射到需要重建的图像中，然后将逐个的反投影图像累加起来。
滤波反投影法基本实现步骤：对数据作一维傅里叶变换→滤波函数：R-L 函数→对滤波后的数据作傅里叶逆变换→反投影求图像函数。
本文简要介绍推导傅里叶变换的过程：令为f 的二维傅里叶变换.单变量函G φ(ω)F(ω cosφ,ω sin φ )为通过φ角的F 切片，并记g φ (p)基于2017数学建模的滤波反投影算法应用文/李春梅为由合成方程 确定的函数，则 (Ff φV )(ω)=F(ω cos φ,ω sin φ)，其中F 是单变量傅里叶变换算子，它建立了Radon 变换和傅里叶变换的联系.然后采用极坐标u=ω cos φ,v=ω sin φ表示傅里叶合成公式得将这个积分分解成两个积分式，通过变换、合并，最后使用投影切片定律重写这个积分形式为：f(x,y)= d ω d φ由此得到合成方程。
《医学影像成像原理》第三章 CT成像习题
(4)宽扇形束静止-旋转扫描方式：扫描装置由一个X线管和600～2000个检测器组成。这些检测器在扫描架内排列成固定静止的检测器环，X线管发出30°～50°宽扇形X线束进行旋转扫描。
（3）滤波反投影重建方法：采用先修正、再反投影的做法，得到原始的密度函数。滤波反投影重建图像的基本做法是：在某一投影角下取得投影函数（一维函数）后，对其作滤波处理，得到一个经过修正的投影函数。然后再将此修正后的投影函数作反投影运算，得出所需的密度函数。
滤波反投影法在实现图像重建时，只需作一维的傅里叶变换。由于避免了费时的二维傅里叶变换，滤波反投影法明显地缩短了图像重建的时间。
再将图像面上各像素的CT值转换为灰度，就得到图像面上的灰度分布，就是CT影像。
{CT图像的本质是衰减系数μ成像。通过计算机对获取的投影值进行一定的算法处理，可求解出各个体素的衰减系数值，获得衰减系数值的二维分布（衰减系数矩阵）。再按CT值的定义，把各个体素的衰减系数值转换为对应像素的CT值，得到CT值的二维分布（CT值矩阵）。然后，图像面上各像素的CT值转换为灰度，就得到图像面上的灰度分布，此灰度分布就是CT影像。}
《医学影像成像原理》 试题库
第三章 CT成像
一、专业名词解释与翻译
1．窗口技术：window technology
是显示数字图像的一种重要方法。即选择适当的窗宽和窗位来观察图像，使病变部位明显地显示出来。
2．窗宽：window width，WW
表示数字图像所显示信号强度值的范围。
滤波反投影法
滤波反投影法：
滤波反投影法根据附件三所给接收信息，采用先修正、后投影重建图像的做法，可得到原始图像的吸收率信息。
其原理为：在得到某一角度下的投影函数（一维函数）后，对此函数做滤波处理，得一修正后的滤波函数，再对修正后的滤波函数做反投影运算，得待检测介质吸收率在正方形托盘中的每一点的分布密度函数f(x,y)。
图1给出了滤波反投影法重建原始图像的流程图。
图1滤波反投影法流程图
反投影法重建原始图像的步骤：
（1） 在对应于投影函数的角度下对投影函数做一维Fourier 变换；
（2） 对（1）得到的变换结果乘以权重因子|ρ|；
（3） 对（2）加权后得到的结果做一维傅立叶；
（4） 对（3）所得函数做直接反投影；
（5） 改变投影角度，得到180个不同的投影角度，对每一角度，重复上述步骤（1）
~（4）。
R-L （Ram-Lak ）滤波函数：
此函数的基本条件是二维图像函数的频率是有界的，显然，此题所得附件五的所有数据满足此条件。
故频域中的滤波函数可表示为：
G (ρ)={|ρ|， |ρ|≤ρ0 0， 其它
其函数图像如图1.
图1R-L 滤波函数图像
连续的R-L 卷积函数所得结果为：
g (R )=ρ02[2sin c (2ρ0R )−sin c 2(ρ0R )]
离散的R-L 卷积函数所得结果为：
g (nT )={ 14T 2 ， n =0 0 ， n 为偶数−1n 2π2T 2，n 为奇数
根据上述滤波原理，在本题中，对附件五中数据的具体滤波过程可用Matlab 内置的Ram-Lak 命令实现。
ct成像fbp算法公式
ct成像fbp算法公式CT（计算机断层扫描）成像中的FBP（滤波反投影）算法是一种常用的重建方法。
在FBP算法中，首先对投影数据进行滤波，然后对滤波后的数据进行反投影，从而得到重建的图像。
以下是FBP算法的简要步骤：1. 采集投影数据：在CT扫描过程中，X射线源沿某一方向旋转，通过物体照射到探测器上，得到一系列投影数据。
2. 滤波：对投影数据进行滤波，以消除噪声和伪影。
常用的滤波方法有理想低通滤波、高斯滤波等。
3. 反投影：将滤波后的投影数据按照一定的角度间隔进行重新采样，然后对采样数据进行反投影运算，得到重建的图像。
4. 图像重建：对反投影结果进行图像重建，得到最终的CT图像。
关于FBP算法的公式，以中心切片法为例，可以分为以下几个部分：1. 滤波：对投影数据P(x,y)进行滤波，得到滤波后的投影数据P'(x,y)。
滤波公式如下：P'(x,y) = ∫P(x-Δx, y-Δy) * h(Δx, Δy) dx dy其中，h(Δx, Δy)是滤波函数，Δx和Δy分别表示x和y方向上的偏移量。
2. 反投影：将滤波后的投影数据P'(x,y)按照一定的角度间隔进行重新采样，得到采样数据P''(u,v)。
反投影公式如下：u = x -Δx * cos(θ)v = y -Δy * cos(θ)其中，θ是投影方向与水平方向的夹角。
3. 图像重建：对采样数据P''(u,v)进行插值，得到重建的图像I(x,y)。
插值方法有线性插值、双线性插值等。
需要注意的是，FBP算法在实际应用中可能会受到噪声、伪影等因素的影响。
为了提高图像质量，可以采用其他重建方法，如迭代重建算法（如ART、MLEM等）或模型驱动的重建方法（如MBIR等）进行优化。
滤波反投影法迭代方程
滤波反投影法是一种用于图像重建的算法，其迭代方程通常由以下步骤组成：
1. 对当前投影图像进行滤波操作，以去除噪声和伪影。
2. 将滤波后的投影图像进行反投影，得到重建图像的更新值。
3. 将更新值与前一次迭代的重建图像进行叠加，得到新的重建图像。
4. 重复步骤1-3，直到达到预设的迭代次数或满足收敛条件。
具体来说，滤波反投影法的迭代方程可以表示为：
\(I^{k+1} = I^k + \lambda \left( \text{滤波后的投影图像} - \text{反投影图像} \right)\)
其中，\(I^{k+1}\)表示第\(k+1\)次迭代的重建图像，\(I^k\)表示第\(k\)次迭代的重建图像，\(\lambda\)是控制迭代的步长，\(\text{滤波后的投影图像}\)是滤波后的投影图像，\(\text{反投影图像}\)是反投影得到的图像。
需要注意的是，具体的迭代方程可能会因不同的滤波器和反投影方法而有所不同。
fbp算法原理
matlab提供大量函数，可以方便的完成fbp算法1）fbp算法原理：中心切片定理(CST) : 原数据投影的一维傅立叶变换等于原数据的二维傅立叶变换投影--> 一维傅立叶变换--> 滤波--> 二维傅立叶反变换经过上述过程应该得到原始数据2）投影相关知识2.1）正投影：对投影线经过的像素做线积分，积分得到的值保存为该角度下的权值对一组数据P 做Radon 变换，即做正投影，会得到两个数据[R, xp] = radon(P,theta);xp是投影线条数R是theta角下第xp 条投影线得到的线积分，即权值2.2）反投影：反投影是利用上面投影得到的R 权值，把R值投回到x y 坐标中x y 满足x*cos(theta) + y*sin(theta) = R 就表明点(x, y)在投影线上注：这个theta 是投影角，不是投影线与x轴夹角，他们之间相差pi/2此时把R值全部赋给投影线上的每一个点，最后每个角度的R值叠加到这个点上，在除以总投影线数，就得到了原始数据分析：有的像素点的原始数据是0，但是这样一反投影就会有数据产生星状伪迹，所以要滤波3）matlab 源代码<span style="font-family:Arial, Helvetica, sans-serif;">P = phantom(128); % create a shepp-logan</span>theta = 1:180;% 1. projection using radon function[R,xp] = radon(P,theta);width = 2^nextpow2(size(R,1)); % set width for fft transformation% 2. do fft to the projectionproj_fft = fft(R, width);% 3. filter% Ramp filter function from 0 to width then to 0filter = 2*[0:(width/2-1), width/2:-1:1]'/width;proj_filtered = zeros(width,180);for i = 1:180proj_filtered(:,i) = proj_fft(:,i).*filter;end% 4. do ifft to the filtered projectionproj_ifft = real(ifft(proj_filtered)); % get the real part of the result% 5. back-projection to the x- and y- axisfbp = zeros(128); % asign the original value 0for i = 1:180% rad is the angle of the projection line , not projection anglerad = theta(i)*pi/180;for x = (-128/2+1):128/2for y = (-128/2+1):128/2t = round(x*cos(rad+pi/2)+y*sin(rad+pi/2));fbp(x+128/2,y+128/2)=fbp(x+128/2,y+128/2)+proj_ifft(t+round(size(R,1)/2),i);endendendfbp = fbp/180;% 6. show the resultsubplot(1, 2, 1), imshow(P), title('Original')subplot(1, 2, 2), imshow(fbp), title('FBP')---------------------作者：千导来源：CSDN原文：https:///one___thousand/article/details/23733603版权声明：本文为博主原创文章，转载请附上博文链接！滤波反投影重建算法（FBP）实现及应用（matlab）置顶2017年09月28日22:24:31土豆洋芋山药蛋阅读数：15075版权声明：欢迎转载，转载请注明出处：土豆洋芋山药蛋https:///qq_33414271/article/details/78128813滤波反投影重建算法实现及应用（matlab）1. 滤波反投影重建算法原理滤波反投影重建算法常用在CT成像重建中，背后的数学原理是傅立叶变换：对投影的一维傅立叶变换等效于对原图像进行二维的傅立叶变换。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（1）在对应于投影函数的角度下对投影函数做一维Fourier变换；
（2）对（1）得到的变换结果乘以权重因子 ；
（3）对（2）加权后得到的结果做一维傅立叶；
（4）对（3）所得函数做直接反投影；
（5）改变投影角度，得到180个不同的投影角度，对每一角度，重复上述步骤（1）~（4）。
R-L（Ram-Lak）滤波函数：
此函数的基本条件是二维图像函数的频率是有界的，显然，此题所得附件五的所有数据满足此条件。故频域中的滤波函数可表示为：
其函数图像如图1.
图1R-L滤波函数图像
连续的R-L卷积函数所得结果为：
离散的R-L卷积函数所得结果为：
根据上述滤波原理，在本题中，对附件五中数据的具体滤波过程可用Matlab内置的Ram-Lak命令实现。
滤波反投影法：
滤波反投影法根据附件三所给接收信息，采用先修正、后投影重建图像的做法，可得到原始图像的吸收率信息。其原理为：在得到某一角度下的投影函数（一维函数）后，对此函数做滤波处理，得一修正后的滤波函数，再对修正后的滤波函数做反投影运算，得待检测介质吸收率在正方形托盘中的每一点的分布密度函数 。图1给出了滤波反投影法重建原始图像的流程图。