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。（傅立叶中心切片定理） CT重建算法大致分为解析重建算法和迭代重建算法，随着CT技术的发展，重建算法也变得多种多样，各有各的有特点。本文使用目前应用最广泛的重建算法——滤波反投影算法（FBP）作为模型的基础算法。FBP算法是在傅立叶变换理论基础之上的一种空域处理技术。它的特点是在反投影前将每一个采集投影角度下的投影进行卷积处理，从而改善点扩散函数引起的形状伪影，重建的图像质量较好。 上图应可以清晰的描述傅立叶中心切片定理的过程：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 傅立叶切片定理的意义在于，通过投影上执行傅立叶变换，可以从每个投影中得到二维傅立叶变换。从而投影图像重建的问题，可以按以下方法进行求解：采集不同时间下足够多的投影（一般为180次采集），求解各个投影的一维傅立叶变换，将上述切片汇集成图像的二维傅立叶变换，再利用傅立叶反变换求得重建图像。 投影相关

05_CT图像重建系统（openCV源码）

pnextract-Kong网络提取代码 有关详细信息，请参见 ， 和文件夹。 注意：此存储库与库相同，但没有pnflow代码。 一般说明 编译中 要进行编译，请在最上层目录中打开一个终端，然后运行： make -j 一切编译成功后，要清理临时文件，请键入： make clean 上面的命令可以在存在子文件或Makefile的大多数子文件夹中运行。 具有makefile的库应在包含Makefile的应用程序之前进行编译。 编译需要gnu（Linux）make，cmake，具有-std = c ++ 11支持的C ++编译器和MPI。 使用g ++（版本5 +）（默认）和intel-2018编译器对编译进行测试。 测试和演示 要测试代码，请输入： make test 这应该在test文件夹中复制一系列输入文件/脚本，并运行一系列相对较快的测试用例（请参阅子目录中的READM

【图像融合】基于小波变换实现CT图像融合（融合指标）含Matlab源码

CT图像重建算法的实现，包括ART算法，FBP滤波反投影算法，能得出清晰的人头模型图像。

人脸三维重建 ct图像的三维重建系统

基于Android平台的CT图像可视化显示方法及实现.pdf

CT图像重建等距扇束投影算法FBP实现，适合初学者学习；利用python实现，有不懂可以交流。

利用超声波CT（Computerized Tomography）探伤技术，对含预埋缺陷的混凝土构件进行探测，采集走时数据重建波速分布-“反演成像”。实验结果表明，超声CT图像可以比较完整地反映某一断面上混凝土的内部质量，从而根据速度差异识别缺陷。并通过分析成像结果，对影响CT图像质量的主要因素：测线的布置、成像单元的划分、反演方法的选择，进行了初步研究和评价。

基于医学CT图像的三维重建研究.pdf