ramp滤波函数matlab,matlab

ramp滤波函数matlab,matlab

如果您想在傅立叶域中进行无需过滤的反Radon变换，则列出的公式是中间结果。 另一种方法是使用空间域中的卷积来完成整个滤波反投影算法，这可能在40年前更快; 你最终会重新发布你发布的公式。 但是，我现在不建议，特别是不适合你的第一次重建; 你应该先了解希尔伯特变换。

无论如何，这里有一些Matlab代码，它执行强制性的Shepp-Logan模拟滤波反投影重建。 我将展示如何使用Ram-Lak过滤器进行自己的过滤。 如果我真的很有动力，我会用一些interp2命令和总结来代替radon / iradon。

phantomData=phantom();

N=size(phantomData,1); theta = 0:179; N_theta = length(theta); [R,xp] = radon(phantomData,theta); % make a Ram-Lak filter. it's just abs(f). N1 = length(xp); freqs=linspace(-1, 1, N1).'; myFilter = abs( freqs ); myFilter = repmat(myFilter, [1 N_theta]); % do my own FT domain filtering ft_R = fftshift(fft(R,[],1),1); filteredProj = ft_R .* myFilter; filteredProj = ifftshift(filteredProj,1); ift_R = real(ifft(filteredProj,[],1)); % tell matlab to do inverse FBP without a filter I1 = iradon(ift_R, theta, 'linear', 'none', 1.0, N); subplot(1,3,1);imagesc( real(I1) ); title('Manual filtering') colormap(gray(256)); axis image; axis off % for comparison, ask matlab to use their Ram-Lak filter implementation I2 = iradon(R, theta, 'linear', 'Ram-Lak', 1.0, N); subplot(1,3,2);imagesc( real(I2) ); title('Matlab filtering') colormap(gray(256)); axis image; axis off % for fun, redo the filtering wrong on purpose % exclude high frequencies to create a low-resolution reconstruction myFilter( myFilter > 0.1 ) = 0; ift_R = real(ifft(ifftshift(ft_R .* myFilter,1),[],1)); I3 = iradon(ift_R, theta, 'linear', 'none', 1.0, N); subplot(1,3,3);imagesc( real(I3) ); title('Low resolution filtering') colormap(gray(256)); axis image; axis off