【CT算法，radon变换】基于MATLAB的CT算法，radon变换的三维建模仿真

1.软件版本

MATLAB2021a

2.本算法理论知识

1.输入：T（x,y,z）

使用stl读取函数完成T的导入工作

2.做Radon变换，得投影图：P

正常Radon变换即可。

3.对P：应用斜坡滤波器，截断负数 p+(i)

该式为打印成型原理，核心是CT算法，I为阈值函数，α吸光率，Ω旋转速率，Dc为成型阈值，暂不考虑这些参数。f（r，z）即是模型的几何形状。

则对于一个横截面z，有：

有 f(r)= [g](r), f(r)即截面图形状，是指数型反向radon变换，[g](r)是光线投影的线积分（即检测到的投影强度）。

现在我们的算法是逆过来的，即已知模型几何形状f（r）,去求所需的投影强度g的过程，由下式给出：

此式为傅里叶中心切片定理，F-1为傅里叶逆变换，其中

为f()函数的二维傅里叶变换。

，是一斜坡滤波器，同时去除频域中频率k在阈值α以下的部分。

由投影强度图g（r，z），通过反向radon变换（即反向投影）可以得到几何图形。由于这一理论值存在负数，实际的投影强度却只能为正，这里采用Otsu（）方法迭代优化：

算法的优化部分见补充材料S12，S13,

具体的流程图（见补充材料figure.s6）如下:

1.对输入的截面信息做radon变换

2.滤波+截断（傅里叶频域）

3.反radon变换

4.迭代优化Otsu（）部分

5.输出投影所用图像

3.核心代码

clc;
clear
close all;
warning off;
addpath 'func\'%DLP
theta = 1;%设置1~180之间load R3.mat%这里，根据各截面投影图；然后反投影得到物体几何结构，非常消耗内存，我这里进行间隔抽样，降低计算机资源消耗
%如果电脑配置高，则直接设置1即可
Skip = 2;V=ones(512/Skip,512/Skip,520/Skip);idx=0;
for k = 1:Skip:520idx=idx+1;tmps = imresize(Pnew{k},1/Skip);[X,Y]= find(tmps==0);for j = 1:length(X)v(X(j),Y(j),idx) = NaN;end
end[x,y,z]=meshgrid(1:Skip:512,1:Skip:512,520:-Skip:1);
figure;
slice(x,y,z,v,[1:Skip:512],[1:Skip:512],[520:-Skip:1])
shading interp
colorbar                                   set(gca,'zdir','reverse');
grid on
box on
colormap(bone);
axis equal
view([135,15]);
camlight('infinite');for i = SETSE   = P0{i};F   = P{i};for j = 1:length(E(:,theta))E2(521-i,j)= [E(end+1-j,theta)];F2(521-i,j)= [F(end+1-j,theta)]; end
endC=[2,1000];
figure;
subplot(121)
imagesc(E2,C);title('E');
colormap('hot');subplot(122)
imagesc(F2,C);title('F');
colormap('hot');

function level=func_ostu(I); I        = im2uint8(I(:));
num_bins = 256;
counts   = imhist(I,num_bins);
num_bins = numel(counts);
counts   = double( counts(:) );
p        = counts / sum(counts);
omega    = cumsum(p);
mu       = cumsum(p .* (1:num_bins)');
mu_t     = mu(end);sigma_b_squared = (mu_t * omega - mu).^2 ./ (omega .* (1 - omega));maxval          = max(sigma_b_squared);
isfinite_maxval = isfinite(maxval);if isfinite_maxvalidx  = mean(find(sigma_b_squared == maxval));level = (idx - 1) / (num_bins - 1);
elselevel = 0;
endend

4.操作步骤与仿真结论

5.参考文献

A19-26

6.完整源码获得方式

方式1：微信或者QQ联系博主

方式2：订阅MATLAB/FPGA教程，免费获得教程案例以及任意2份完整源码

【CT算法，radon变换】基于MATLAB的CT算法，radon变换的三维建模仿真相关推荐

ct系统与matlab成像,基于MATLAB的CT系统参数标定及成像研究
92|电子制作2017年12月实验研究 CT(Computed Tomography),即电子计算机断层扫描, 它是利用精确准直的X射线.超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个 ...
matlab的多变量dmc源程序,基于MATLAB多变量DMC算法的仿真技术研究
基于MATLAB多变量DMC算法的仿真技术研究基于MATLAB多变量DMC算法的仿真技术研究作者:李凤霞于佐军来源:<科技创新导报>2011年第17期摘要:利用MATLAB开发 ...
基于matlab和FFT算法实现信号频谱分析
系列文章目录数字信号处理(DSP:Digital Signal Process)是电子通信领域非常重要的研究方向,博主汇总了数字信号处理(DSP)中常用的经典案例分析,主要基于算法分析.MATLAB ...
基于MATLAB的数字水印算法研究实现
基于MATLAB的数字水印算法研究实现一.课题背景随着图像.音频.视频等多媒体信息以及Internet的迅速发展,多媒体信息在互联网上的广泛传播变得及其便利,数据的交换和传输过程变得相对简单.多 ...
ML之RF：基于Matlab利用RF算法实现根据乳腺肿瘤特征向量高精度(better)预测肿瘤的是恶性还是良性
ML之RF:基于Matlab利用RF算法实现根据乳腺肿瘤特征向量高精度(better)预测肿瘤的是恶性还是良性目录输出结果实现代码输出结果更新-- 实现代码 %RF:RF实现根据乳腺肿瘤特征 ...
基于MATLAB的Dijkstra算法实现及案例分析
摘要:为研究两地点之间距离(或耗时)最短路线规划,采用MATLAB编程的方法来实现,并利用Floyd算法记录距离(或耗时)最短路线.在不考虑各种影响因素的情况下,以随机小样本数据为例进行演示,求得由起 ...
matlab切割肿瘤算法,ML之RF：基于Matlab利用RF算法实现根据乳腺肿瘤特征向量高精度(better)预测肿瘤的是恶性还是良性...
ML之RF:基于Matlab利用RF算法实现根据乳腺肿瘤特征向量高精度(better)预测肿瘤的是恶性还是良性目录输出结果实现代码输出结果更新-- 实现代码 %RF:RF实现根据乳腺肿瘤特征 ...
【RF分类】基于matlab随机森林算法数据分类【含Matlab源码 2048期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[RF分类]基于matlab随机森林算法数据分类[含Matlab源码 2048期] 获取代码方式2: 付费专栏Matlab智能算法神经网络 ...
基于matlab的数字图像边缘检测算法研究,基于MATLAB数字图像边缘检测算法的研究与对比分析...
·161· 居舍研究探讨 2017年10月(中) 1 绪论图像边缘中通常包含着重要的边界信息,这些边界信息便于分析和研究图像.另外,边缘检测可以大大降低图像处理的工作量,将提高图像分析的效率. ...
matlab 电化学程序,基于MATLAB的电化学滴定曲线导数变换的实现
冶金分析 ,2010 ,30(10) :1619Metallurgical Analysis ,2010 ,30(10) :16219文章编号 :1000 - 7571(2010) 10 - 0016 ...

【CT算法，radon变换】基于MATLAB的CT算法，radon变换的三维建模仿真

【CT算法，radon变换】基于MATLAB的CT算法，radon变换的三维建模仿真相关推荐

最新文章

热门文章