脚本宝典收集整理的这篇文章主要介绍了【CT】Filtered Backprojection原理（parallel-beam&fan-beam），脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。

个人觉得讲得比较好的是这个ppt。然后会对物理原理做一点补充，加一点自己的理解。

物理原理

首先CT要解决的问题：

 已知光束和detector得到的平面图，求object信息。

物理学定律Beer‘s law：

$$frac{d I}{d s}=-mu(x(s)) I(s)$$

描述了光穿过物体的损耗，其中$mu(x(s))$只与x(s)这个位置的物体性质有关，这也是我们要解的信息。对这个微分进行积分得到：

$$I_{x_{0}}(s)=I_{x_{0}}(0) e^{-int_{0}^{s} muleft(x_{0}+tau vright) d tau}$$

$$LOG left(frac{I_{x_{0}}left(boldsymbol{x}_{mathrm{out}}right)}{I_{x_{0}}left(boldsymbol{x}_{mathrm{in}}right)}right)=-int_{s_{mathrm{in}}}^{s_{mathrm{out}}} muleft(x_{0}+tau boldsymbol{v}right) d tau$$

平行光束：

引入Radon变换：

$$mathcal{R} f(t, theta)=int_{L_{t, theta}} f(x) d S(x)=iint f(x) deltaleft(leftlangle x, n_{theta}rightrangle-tright) d x$$

含义解释：the integral of f along the line $L_{t,theta}$ whose direction is PErpendicular to $n_{theta}$ and whose distance From the origin is t.

对它进行傅里叶变换可以发现：

$$int mathcal{R} f(t, theta) e^{-i omega t} d t=hat{f}(omega cos theta, omega sin theta)$$

In other words, measuring the Radon transform is equivalent to acquiring the Fourier transform of f along radial lines.

这就是Central Slice Theorem，在Ppt中解释得更形象：

 The 1-D PRojection of the object, measured at angle $phi$, is the same as the profile through the 2D FT of the object, at the same angle.

【在角度$phi$的1D投影，和同一角度的2D傅里叶变换数值上相同】

在此基础上定义filtered backprojection：

$$f(x)=frac{1}{2 pi} int_{0}^{pi}(mathcal{R} f(cdot, theta) * h)left(leftlangle x, n_{theta}rightrangleright) d theta$$

where h is such that $hat{h}(omega)=|omega|$. 名字解释：we First filter the Radon transform along the radial VARiable wITh the convolution kernel h.

现实中我们获取数据时其实有把t和$theta$都离散化，在傅里叶变换后等价于acquiring only a fraction of the radial lines，因此：

$$f_{mathrm{rec}}(x) approx sum_{k}left(mathcal{R} fleft(cdot, theta_{k}right) * hright)left(leftlangle x, n_{theta_{k}}rightrangleright)$$

这一段也是ppt讲得更加清楚：

If all of the projections of the object are transformed like this, and interpolated into a 2-D Fourier plane, we can reconstruct the full 2-D FT of the object. The object is then reconstructed using a 2-D inverse Fourier Transform.

【把所有方向都这样变换，就可以把数值插值到2D傅里叶平面，从而构建整个的傅里叶信息，再用逆傅里叶变换得到原物体信息】

这是平行光束的情况，用网上找的代码流程帮助理解：

• 将原始投影进行一次一维傅立叶变换

• 设计合适的滤波器，在φi的角度下将得到原始投影p(x_r,φi)进行卷积滤波，得到滤波后的投影。

• 将滤波后的投影进行反投影，得到满足x_r=r cos⁡（(θ - φ_i)）方向上的原图像的密度。

• 将所有反投影进行叠加，得到重建后的投影。

其中滤波器的作用在ppt里面也有比较形象的解释：

 

 

扇形光束

对于扇形光束，转化为平行光束处理。首先介绍sinograph的概念：the 2-D array of data containing the projections，如果用平行光采集信息，角度为$phi$ 距离为$xi$，则平面$(phi, xi)$是这份数据的sinograph。事实上，我们完全可以把扇形光的sinograph调整为平行光情况，然后就可以按照平行光的算法处理：

The red ray in both the parallel and diverging configurations are the same, and therefore occupy the same point in sinogram space.

需要调整的是1.角度的对应关系；2.距离的对应关系【和光的强度有关】。具体的公式就没推了。

 

学习CT相关的知识主要还是为了看懂下一篇博文要写的论文：Deep Learning Computed Tomography，这篇算是看论文前学的基础知识。

脚本宝典总结

以上是脚本宝典为你收集整理的【CT】Filtered Backprojection原理（parallel-beam&fan-beam）全部内容，希望文章能够帮你解决【CT】Filtered Backprojection原理（parallel-beam&fan-beam）所遇到的问题。

如果觉得脚本宝典网站内容还不错，欢迎将脚本宝典推荐好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。