小工具知识网

当前位置: 首页 > 行业知识 > ASTRA Toolbox学习笔记-Python

行业知识

ASTRA Toolbox学习笔记-Python

2026-11-20 08:55:26 来源:互联网转载

GitHub网址:https://github.com/astra-toolbox/astra-toolbox

官方网址:http://www.astra-toolbox.com/

文章网址:Fast and flexible X-ray tomography using the ASTRA toolbox


目录

  • 一、简介
    • 几何
    • 数据和算法
    • 二、使用
    • 1.创建几何(Geometry)
    • 2.创建投影数据对象(data)
    • 3.创建算法对象(Algorithm)
    • 三、使用示例
    • 1.通过模拟的几何图形产生投影
    • 2.通过通过投影数据重建图像
    • 四、更新中... ...
    • *注意

      一、简介

      ASTRA Toolbox 是一个用于处理 X 射线相干散射和 X 射线传输成像的开源算法工具箱。本文档概述了该工具箱的基本概念。

      几何

      ASTRA Toolbox 支持以下几种类型的投影几何:

      • 平行束二维投影
      • 锥束二维投影
      • 平行束三维投影
      • 锥束三维投影
      • 向量二维投影
      • 向量三维投影

        每种几何类型都可以通过 ASTRA 提供的 create_*_proj_geom 函数创建。

        数据和算法

        ASTRA Toolbox 为 X 射线相干散射和 X 射线传输成像提供了许多不同的算法,包括以下几种:

        • Filtered Backprojection (FBP)
        • Simultaneous Algebraic ReconstructionTechnique (SART)
        • Simultaneous Iterative Reconstruction Technique (SIRT)
        • Conjugate Gradient (CG)
        • Total Variation (TV)

          ASTRA Toolbox 提供了创建和管理算法对象的 API,用于指定算法的输入和输出数据以及算法的参数。有关如何使用 API 的详细信息,请参阅 ASTRA Toolbox 文档。

          二、使用

          1.创建几何(Geometry)

          首先需要制定实验所需的几何形状,包括两部分:

          (1)Volume geometries(体积几何)

          指定了样品或幻影在二维或三维空间中的位置。它采用2D矩形或3D盒子的形式,通常以原点为中心。

          创建一个3D的体积几何:

          vol_geom = astra_create_vol_geom(y,x,z); 

          astra_create_vol_geom(y, x, z)用于创建一个 3D 体积几何。它接收三个参数,分别表示体积在三个维度(y, x, z)上的大小。这个函数返回一个用于描述体积几何的对象,这个对象将在之后的投影和重建操作中使用。

          例如,如果你想创建一个具有尺寸 128x128x128 的立方体,你可以使用以下代码:

          vol_geom = astra_create_vol_geom(128, 128, 128)

          这将创建一个表示 128x128x128 大小的 3D 体积几何的对象。在之后的投影和重建操作中,这个对象将被用于描述样品或模拟样品 的位置和尺寸。

          (2)a projection geometry(投影几何)

          指定了射线源和探测器的位置和轨迹。可用的投影几何类型有2D平行光束、2D扇形光束、3D平行光束和3D锥形光束。

          proj_geom = astra_create_proj_geom('cone',  det_spacing_x, det_spacing_y, det_row_count, det_col_count, angles, source_origin, origin_det);

          创建一个圆锥投影几何(cone)。函数的参数如下:

          ‘cone’:代表几何类型,这里是圆锥投影。

          det_spacing_x:探测器像素在x方向上的间距。

          det_spacing_y:探测器像素在y方向上的间距。

          det_row_count:探测器面板的行数。

          det_col_count:探测器面板的列数。

          angles:投影角度的数组,单位通常是弧度。

          source_origin:源点到物体原点的距离。

          origin_det:物体原点到探测器的距离。

          函数返回一个代表投影几何的对象,它包含了上述参数的信息。这个投影几何对象可用于后续的投影、反投影等操作。

          2.创建投影数据对象(data)

          使用astra.data3d模块来创建3D数据对象。主要使用的函数为以下两个:astra.data3d.create(data_type, geometry, data=None)和astra.data3d.delete(data_object_ids),用于创建和删除数据对象。以下是该模块中的主要函数及其参数和用法:


          1. astra.data3d.create(data_type, geometry, data=None):用于创建一个ASTRA数据对象。这个函数可以用于创建三维的投影数据或者体积数据。

          • data_type 是一个字符串,表示数据类型。对于三维投影数据,使用 ‘-proj3d’。对于三维体积数据,使用 ‘-vol’。
          • geometry 是一个包含投影几何或体积几何的字典。对于投影数据,使用由 astra.create_proj_geom() 创建的投影几何。对于体积数据,使用由 astra.create_vol_geom() 创建的体积几何。
          • data 是可选的 NumPy 数组,包含初始数据。如果未指定,将使用零填充数据。

            返回值:返回一个数据对象ID,这个ID可以用于后续的ASTRA函数调用。

            sino_id = astra.data3d.create('-sino', proj_geom, sino_data)vol_id = astra.data3d.create('-vol', vol_geom, vol_data)

            2. astra.data3d.get(dataset_id): 用于获取三维数据集对象的信息。具体来说,可以获取三维数据集对象的属性,例如数据类型、大小、数据范围等。

            参数:

            • dataset_id: 数据对象的ID。

              返回值:一个包含数据对象内容的NumPy数组。

              import numpy as npimport astra# 创建一个体积几何vol_geom = astra.create_vol_geom(128, 128, 128)# 使用现有的 NumPy 数组创建一个三维体积数据对象data = np.random.rand(128, 128, 128)vol_data_id = astra.data3d.create('-vol', vol_geom, data)# 获取数据对象中的数据retrieved_data = astra.data3d.get(vol_data_id)# 检查原始数据和检索到的数据是否相同print(np.allclose(data, retrieved_data))  # 如果数据相同,则输出 True

              3. astra.data3d.store(data_id, data): 将数据对象的内容替换为新数据。此函数在ASTRA Toolbox 1.9.9及更高版本中已被弃用,推荐使用astra.data3d.set。

              • data_id:要存储数据的 ASTRA 数据对象的 ID。
              • data:一个 NumPy 数组,包含要存储到指定数据对象的数据。对于投影数据对象,它应该具有形状(det_row_count, num_angles, det_col_count);对于体积数据对象,它应该具有形状 (GridRowCount, GridColCount, GridSliceCount)。
              • 此函数没有返回值。在调用此函数之后,指定的数据对象将包含提供的数据。

                4. astra.data3d.delete(data_object_ids):用于删除在 ASTRA Toolbox 中创建的一个或多个 3D 数据对象。此函数可以释放这些数据对象所占用的内存。当不再需要这些数据对象时,通常使用此函数进行清理。

                参数:

                • data_object_ids:一个整数或整数列表,表示要删除的一个或多个 3D 数据对象的 ID。
                  import astra# 创建一个投影几何对象proj_geom = astra.create_proj_geom(...)# 创建一个体积几何对象vol_geom = astra.create_vol_geom(...)# 创建投影数据对象proj_id = astra.data3d.create('-proj3d', proj_geom)# 创建体积数据对象vol_id = astra.data3d.create('-vol', vol_geom)# 删除投影数据对象和体积数据对象astra.data3d.delete([proj_id, vol_id])

                  5. astra.data3d.info: 获取数据对象的信息,如数据类型、尺寸等。

                  参数:

                  • id: 数据对象的ID。

                    返回值:一个字典,包含数据对象的信息。

                    sino_info = astra.data3d.info(sino_id)vol_info = astra.data3d.info(vol_id)

                    这些函数为处理3D数据提供了方便的接口。在使用它们时,请确保在操作完成后删除创建的对象,以避免内存泄漏。

                    3.创建算法对象(Algorithm)

                    astra.algorithm.create函数用于在ASTRA Toolbox中创建算法对象。该函数需要一个包含算法配置信息的字典作为输入参数。通常,通过astra.astra_dict类创建这个字典。

                    以下是使用astra.algorithm.create函数创建SIRT(Simultaneous Iterative Reconstruction Technique)算法对象的示例:

                    import astra# 创建astra_dict对象以存储算法配置信息cfg = astra.astra_dict("SIRT")cfg["ProjectionDataId"] = sino_id  # 投影数据对象IDcfg["ReconstructionDataId"] = rec_id  # 重建数据对象ID(实际上是体数据对象ID)cfg["ProjectorId"] = proj_id  # 投影仪对象IDcfg["option"] = {"MinConstraint": 0}  # 设置其他选项,例如最小约束# 使用astra.algorithm.create函数创建算法对象alg_id = astra.algorithm.create(cfg)
                    1. “type”(必需):算法的类型。例如,“SIRT”(Simultaneous Iterative Reconstruction

                      Technique)、“FBP”(Filtered

                      Backprojection)等。通过astra.astra_dict函数传递算法名称时,该键会自动设置。

                    2. “ProjectionDataId”(必需):投影数据对象ID。这是一个整数,表示在ASTRA Toolbox中创建的投影数据对象。
                    3. “ReconstructionDataId”(必需):重建数据对象ID。这是一个整数,表示在ASTRA

                      Toolbox中创建的体数据对象,用于存储重建结果。

                    4. “ProjectorId”(可选):投影仪对象ID。这是一个整数,表示在ASTRA

                      Toolbox中创建的投影仪对象。对于某些算法,例如FBP,需要提供投影仪对象。投影仪对象可以通过astra.create_projector函数创建。

                    5. “option”(可选):一个包含算法特定选项的字典。例如,对于SIRT算法,您可以设置最小约束和最大约束:
                    cfg["option"] = {"MinConstraint": 0, "MaxConstraint": 1}

                    对于FBP算法,您可以设置滤波器类型和滤波器参数:

                    cfg["option"] = {"FilterType": "Ram-Lak", "FilterParameter": 0.5}
                    1. “DetectorSuperSampling”(可选):一个整数,表示检测器的超采样因子。用于提高投影和反投影操作的精度。仅适用于GPU算法。
                    2. “VolumeSuperSampling”(可选):一个整数,表示体数据的超采样因子。用于提高投影和反投影操作的精度。仅适用于GPU算法。

                    三、使用示例

                    1.通过模拟的几何图形产生投影

                    模拟正方体模型:

                    投影数据:

                    Python程序进行投影:

                    import numpy as npimport astraimport matplotlib.pyplot as pltimport osfrom skimage.io import imread# 创建一个简单的3D幻灯片(立方体)vol_geom = astra.create_vol_geom(128, 128, 128)phantom = np.zeros(vol_geom['GridRowCount'] * vol_geom['GridColCount'] * vol_geom['GridSliceCount'], dtype='float32')phantom = phantom.reshape(vol_geom['GridRowCount'], vol_geom['GridColCount'], vol_geom['GridSliceCount'])phantom[30:100, 30:100, 30:100] = 1# 创建一个圆锥光投影几何angles = np.linspace(0, 2 * np.pi, 360, endpoint=False)det_col_count = 200  # 列数det_row_count = 200  # 行数---->最外层source_origin = 200origin_det = 200proj_geom = astra.create_proj_geom('cone', 1, 1, det_row_count, det_col_count, angles, source_origin, origin_det)# 创建一个投影数据对象proj_id = astra.data3d.create('-proj3d', proj_geom)# 计算投影数据vol_id = astra.data3d.create('-vol', vol_geom, phantom)alg_cfg = astra.astra_dict('FP3D_CUDA')alg_cfg['ProjectionDataId'] = proj_idalg_cfg['VolumeDataId'] = vol_idalg_id = astra.algorithm.create(alg_cfg)astra.algorithm.run(alg_id)# 获取投影数据projections = astra.data3d.get(proj_id)# 可视化投影数据plt.imshow(projections[1], cmap='gray')plt.colorbar()plt.show()# *********************************************保存为jpg图片数据# output_dir = 'projections'# if not os.path.exists(output_dir):#     os.makedirs(output_dir)# # 归一化投影数据# normalized_projections = projections / np.max(projections)## # 将每个投影保存为JPG文件# for i, projection in enumerate(normalized_projections):#     output_file = os.path.join(output_dir, f'projection_{i:03d}.jpg')#     plt.imsave(output_file, projection, cmap='gray')#  ***************************************保存为二进制文件output_file = 'projections.npy'np.save(output_file, projections)# 清理astra.algorithm.delete(alg_id)astra.data3d.delete(proj_id)astra.data3d.delete(vol_id)

                    2.通过通过投影数据重建图像

                    重建切片图:

                    重建3D图:

                    Python程序进行重建:

                    import numpy as npimport astraimport osimport matplotlib.pyplot as pltfrom skimage.io import imread# 读取保存的投影数据output_dir = 'projections'num_projections = 360det_row_count = 200det_col_count = 200# 从jpg获取投影数据# projections = np.zeros((det_row_count, num_projections, det_col_count), dtype=np.float32)## for i in range(det_row_count):#     input_file = os.path.join(output_dir, f'projection_{i:03d}.jpg')#     projection = imread(input_file, as_gray=True)#     projections[i] = projection## # 将投影数据恢复到原始范围# projections *= np.max(projections)# 获取二进制投影数据input_file = 'projections.npy'projections = np.load(input_file)print(projections.shape)# 投影几何angles = np.linspace(0, 2 * np.pi, num_projections, endpoint=False)source_origin = 200origin_det = 200proj_geom = astra.create_proj_geom('cone', 1, 1, det_row_count, det_col_count, angles, source_origin, origin_det)# 体积几何vol_geom = astra.create_vol_geom(128, 128, 128)# 创建投影数据和重建数据对象proj_id = astra.data3d.create('-proj3d', proj_geom, projections)recon_id = astra.data3d.create('-vol', vol_geom)# 配置并执行SIRT算法# cfg = astra.astra_dict('SIRT3D_CUDA')cfg = astra.astra_dict('FDK_CUDA')cfg['ProjectionDataId'] = proj_idcfg['ReconstructionDataId'] = recon_idalg_id = astra.algorithm.create(cfg)astra.algorithm.run(alg_id, 1)  # 迭代次数# 获取并显示重建结果reconstruction = astra.data3d.get(recon_id)plt.imshow(reconstruction[64], cmap='gray')  # 显示中间切片plt.colorbar()plt.show()# 清理astra.algorithm.delete(alg_id)astra.data3d.delete(proj_id)astra.data3d.delete(recon_id)

                    四、更新中… …


                    *注意

                    1.astra.create_sino3d_gpu()和astra.create_backprojection3d_gpu()

                    astra.create_sino3d_gpu()和astra.create_backprojection3d_gpu()是ASTRA工具箱Python接口中的两个函数,用于计算三维投影和反投影。这两个函数都利用了GPU(CUDA)加速计算。

                    1. astra.create_sino3d_gpu():该函数用于计算三维体积数据的投影数据(正投影)。它接受一个三维数据(体积)、一个投影几何和一个体积几何。函数返回一个包含投影数据的NumPy数组。
                    proj_id, projections = astra.create_sino3d_gpu(data=phantom, proj_geom=proj_geom, vol_geom=vol_geom)
                    1. astra.create_backprojection3d_gpu():该函数用于计算投影数据的反投影(即重建过程的一部分)。它接受投影数据、投影几何和体积几何。函数返回一个包含重建体积数据的NumPy数组。
                    rec_id, reconstruction = astra.create_backprojection3d_gpu(data=projections, proj_geom=proj_geom, vol_geom=vol_geom)

                    2.与astra.algorithm.create(cfg)的主要区别在于它们的用途和执行方式。

                    astra.algorithm.create(cfg):

                    • 这个函数用于创建基于配置字典(cfg)的ASTRA算法对象。配置字典指定了要执行的操作(如正投影、反投影或重建算法)以及相关参数。
                    • 创建算法对象后,需要使用astra.algorithm.run(alg_id)来执行算法。执行完成后,可以通过astra.data2d.get()或astra.data3d.get()获取结果。
                    • 这种方法允许更灵活地配置和执行各种操作,如多个迭代的重建算法。

                      astra.create_sino3d_gpu()和astra.create_backprojection3d_gpu():

                      • 这两个函数专门用于快速计算三维投影和反投影,它们直接返回结果而无需创建和执行算法对象。
                      • 它们利用了GPU加速,并为特定任务提供了简化的接口。
                      • 这些函数更适用于直接进行正投影和反投影操作,而不涉及复杂的重建算法。

                        总之,astra.algorithm.create(cfg)和astra.algorithm.run(alg_id)提供了一种更通用且灵活的方式来执行各种操作(包括正投影、反投影和重建算法),而astra.create_sino3d_gpu()和astra.create_backprojection3d_gpu()则提供了一种快速且简便的方法来执行三维投影和反投影操作。

上一篇:怎么联系附近网站建设公司

下一篇:网易版ec服务器怎么玩?