压缩感知MRI 医学成像中的图像处理项目-使用压缩传感（CS）框架进行MR图像重建的实验。 本质上将目标函数建模为具有数据保真度项和两个正则化参数（水平和垂直有限差分）的降噪问题。 我实现的求解器是迭代软阈值算法（ISTA），但显然可以使用其他迭代算法。 最好使用无矩阵的方法进行图像处理。 即使与MATLAB相比，ISTA在Python中的运行速度也很慢。 我尝试使用numba jit，但是并没有加快速度。 也许C包装程序会有所帮助（可以尝试将来）。 幸运的是，成本函数在22-25次迭代中收敛。 最初尝试理解CS的概念时，我主要依靠Miki Lustig教授的讲座材料和演示。 我使用的数据也可以从他的网站获得： :

针对单帧低分辨率图像的超分辨率重建问题，提出一种改进的小波局部适应插值的超分辨率重建方法，该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性，提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明，采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息，提高图像的空间分辨率，并能提高图像的峰值信噪比，更适合人眼视觉系统。

扇形束投影 matlab fanbeam ifanbeam

基于正则化加权最小二乘框架的低对比度超声层析成像图像重建

2048的matlab源代码PyOCT：光谱域光学相干断层扫描的成像重建。 PyOCT的开发目的是进行正常的光谱域光学相干断层扫描（SD-OCT）成像重建，其主要步骤如下： 读取数据 背景扣除 频谱重采样 计算像差校正（Alpha校正） 相机色散校正（使用相机校正系数的Beta校正） 逆傅立叶变换 获取OCT图像 该算法最初是在康奈尔大学的Steven G. Adie教授研究实验室中使用MATLAB开发的。 通过矩阵运算提高了重建速度。 与MATLAB相比，Python语言从仅在我们的实验室计算机上测试过的二进制文件中加载数据的性能要好得多。 目前，PyOCT仅支持python 3.0+。 快速开始 可以使用pip安装PyOCT： $pip install PyOCT 如果要运行最新版本的代码，可以从git安装： $python -m pip install -U git+git://github.com/NeversayEverLin/PyOCT.git 成功安装后，您可以在python环境下测试程序： $from PyOCT import VolumeReconstruction

FDK算法的推导，是算法发表时的原著论文，内容详尽，清晰度高！

CT 医学图像重建 算法 c++实现。CT 医学图像重建 算法 c++实现

将带限函数的外推Gerchberg_Papoulis算法在维数和已知区域方面进行了推广,证明了推广的算法在 L2范数下的收敛性,并应用于限制角图像重建 。在一维情形下进行了数值模拟,验证了推广后算法的有效性 。

超声CT图像重建matlab代码从多个OCT局部图像重建图像 光学相干断层扫描（ OCT ）是一种光学成像方法。 可以认为它类似于具有更高分辨率但穿透深度较低的超声成像。 但是，OCT无法完全穿透牙齿以观察牙齿之间的蛀牙，因为与X射线不同，该区域无法直接进入。 该项目试图从通常可以访问的从牙齿侧面拍摄的部分2D图像中重建牙齿的3D图像。 在图像捕获和图像配准方面探索了各种技术。 内容： 代码： composePath.m ：用于自动组合路径以加载扫描仪生成的OCT图像堆栈的函数 loadOCT.m ：用于加载图像堆栈的主要功能 preliminary.m：脚本用于操纵由Tomlins博士（玛丽，SMD）提供初步图像 reload_script.m ：用于将图像重新加载到Matlab中的脚本 saveAsPNGstack.m ：将体积保存到PNG堆栈 yStack.m ：用于处理y堆栈图像的脚本 loadRotatingOCT.m ：用于加载z堆栈图像的函数（由Tomlins博士提供的代码进行了修改） 使用的图像： 包含使用其他项目中用于比较的技术捕获的图像： DiagnoCAM res

两种方法实现CT图像投影的获取，图像的重建。