MaYuHuaw的博客

文章目录重建问题三维锥束CT图像重建数据说明FDK重建原理Fan-beam reconstructionOut of mid-planeFDKFDK重建过程前置工作预加权sl滤波（卷积）反投影完整代码、运行结果图片误差项目文件及参考文献重建问题三维锥束CT图像重建1、从提供的圆轨道CT（平板探测器）、螺旋CT（平板探测器或者柱面探测器）中至少选择一组3D锥束CT投影数据，选择一种锥束CT重建算法，例如圆轨道FDK、螺旋重排算法、螺旋FDK、Katsevich等，完成三维Shepp-logan头模型的重

文章目录扇束重建问题图像重建：卷积反投影其他重建方法重建项目代码项目文件与参考文献扇束重建问题重建目标：及结果：项目文件与参考文献头模投影值mat文件：proj_Sheeplogan_360_300.mat图像重建：卷积反投影其他重建方法重建项目代码%% Compressed Sensing%%% optimization solver% Zero-filling% Zero: zero-filling and IFFT% FOCUSS reconstruction%

文章目录目录内容铀235裂变中子谱（瓦特谱） 近似修正抽样铀235裂变中子谱（瓦特谱） 乘减抽样方位角余弦phi 均匀分布质心系各向同性散射角余弦theta抽样、转换成实验室系余弦中子弹性散射后角度、能量铀235裂变中子谱（maxwell谱）项目完整代码：目录内容铀235裂变中子谱（瓦特谱） 近似修正抽样铀235裂变中子谱（瓦特谱） 乘减抽样方位角余弦phi 均匀分布质心系各向同性散射角余弦theta抽样、转换成实验室系余弦中子弹性散射后角度、能量铀235裂变中子谱（

mat文件读取方法方法一：spio.loadmat()import scipy.io as spiog = spio.loadmat('Circular CBCT_flat_panel_detector.mat') # 读取mat文件，得到字典格式g = g['p'] * 10 # 取出'p'键，得到字典中的numpy数组方法二：h5py.File()import h5pysheep=h5py.File('Shepplogan.mat') sh.

2D CT投影仿真一、题目利用给定Shepp-logan头模型图像（256*256的矩阵），利用离散投影方法，编程计算得到如下几何关系下的扇束CT投影：输入：Shepp-logan图像256×256像素plt.imshow(initial_data, cmap=plt.cm.gray, vmin=0.98, vmax=1.05) % 画图方法输出：扇束投影数据矩阵360*300。（因为探测器是360度旋转扫描，每1度一次角度投影，一次可投影到300个探测器点上）二、计算结果、程序代码原

2D CT投影仿真一、题目利用给定Shepp-logan头模型图像（256*256的矩阵），利用离散投影方法，编程计算得到如下几何关系下的扇束CT投影：输入：Shepp-logan图像256×256像素plt.imshow(initial_data, cmap=plt.cm.gray, vmin=0.98, vmax=1.05) % 画图方法输出：扇束投影数据矩阵360*300。（因为探测器是360度旋转扫描，每1度一次角度投影，一次可投影到300个探测器点上）二、计算结果、程序代码原

2D CT投影仿真一、报告背景及要求利用给定Shepp-logan头模型图像（256*256的矩阵），利用离散投影方法，编程计算得到如下几何关系下的扇束CT投影：输入：Shepp-logan图像256×256像素plt.imshow(initial_data, cmap=plt.cm.gray, vmin=0.98, vmax=1.05) % 画图方法输出：扇束投影数据矩阵360*300。（因为探测器是360度旋转扫描，每1度一次角度投影，一次可投影到300个探测器点上）二、核心算法及实

文章目录题1直接抽样挑选抽样题二 ： 对称抽样题三： 乘加抽样光子康普顿散射后的能量分布题四： 复合抽样题五 ： 加抽样导入相关库，编写作图函数"""已知分布的随机抽样2020.11.10"""import numpy as npimport matplotlib.pyplot as pltimport timeimport matplotlibfrom scipy import optimizematplotlib.rcParams['font.sans-serif'] =

第一小题：在这里插入代码片输出结果：在这里插入代码片